Web数据挖掘在信息管理的运用

导语：Web数据挖掘在信息管理的运用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

1信息管理的现状和发展趋势

信息管理是国家经济建设、人才培养以及学科发展的必要途径，科研创新、高校图书馆、企业管理、电子商务等多领域离不开信息管理。如何从广大的数据信息中，快速检索出需要的信息，需要web数据挖掘技术。为做到高效率高精度的提供教学、科研、企业等的个性化需要，快速检索海量信息资料，其算法及在信息管理中的应用是一个值得研究的课题。Web数据挖掘技术是信息管理这一课题的前沿技术，综合多种信息手段，大大提升了信息资源的组织管理的优势，强化科技信息服务质量，拓展了更广泛的服务方式和应用方式。信息管理不仅仅是信息的载体管理，同时针对信息内容的外在特征深化管理也是信息管理的重要组成部分。对原信息内容加以深入分析，整体提供海量数据的内在联系和规则，消化、辨识消息，保证消息安全，有效运用数据挖掘技术等尖端计算机技术，提高整体信息管理水平是信息管理的要求。

2数据挖掘技术的基本概念和特质

数据挖掘技术是综合统计学、计算机技术数据库等研究内容，吸收人工知识和机器学习的专业知识，进行知识获取和数据挖掘的一门学科，能够快速准确、方便快捷的获取有价值的信息。目前数据挖掘技术仍是信息管理研究的热点，代表性的数据挖掘系统有Enterpriseminer，IntelligentMiner等。通过模型化、归纳、聚类、偏差等技术重点进行数据挖掘，其技术难点是要实时的综合数据库进行智能化的数据挖掘。近年来随着数据库技术的发展，基于异构数据源等多种技术不断发展，移动计算的数据挖掘技术的研究也日益深入。值得一提的是，关联规则代表算法是Apriori，该算法通过识别频繁项目集，发现数据库中各项目的关联关系，即发现可信度强的规则。在这一算法的基础上，为了不断提高技术效率，采用增量更新技术，进行并行化挖掘数据。在上述算法的基础上，强调形象规则，即有关客户兴趣度等外在信息，快速学习相似性行为模式索引技术，通过在线多维索引，强调结构化有向的构建等是数据挖掘技术的研究热点。随着复杂数据不断海量化，研究将优化智能算法结合目前数据挖掘技术，从而大幅度提高数据处理效率和质量。信息管理数据复杂海量，有着多种信息类型，用户检索的自由度很高，用户个性化需求多样，Web数据挖掘技术应运而生。具体技术包括文件内容描述、人为链接结构和存取模式用法的挖掘。Web数据挖掘技术是利用进化算法、粗集等信息处理方法，使用检索工具检索形成信息文本集、选取合适的典型特征，分析、修剪、归纳异质信息，精简子集。检索功能的逼近能力反映了该技术的检索质量。基于内容的文本挖掘方法如Webwatcher，Musag，Letizia等。通过关键字定位，或是使用近义词典扩充关键字，或者基于浏览行为而无需关键字，形成客户形象信息、兴趣模型，对客户提供评价和链接以及相似信息获取，更新搜索方式，并反馈客户申请。目前技术运用效果佳，实现更柔性精确的信息管理是该技术前进的方向。利用基于问题的技术代表有Antagonomy，In-ternetFish等，是一定约束的自然语言的界面通过存取分布交互系统，学习器学习客户喜好情况，以及少许特征向量，对信息快速分类，在数据库基础上，使用自组织映射等技术，集成人工智能，最终成为个性化搜索助理的信息管理技术。上述技术一般适用于特定用户，协同即公众学习方法是分析一组客户中客户间相似程度关联规则，而非分析信息内容。优点在于可以平等处理各种内容信息，但少数用户的评价级不足，会影响信息管理系统性能。强调客户间的信息交流，传送响应信息，依据信息选择学习算子，大大的提高了信息管理效率和质量。在强调机器学习和统计方法的基础上，体现了分布协同处理的信息管理新思路，有着柔性智能的特点，在信息管理中应用前景广大。

3数据挖掘在信息管理中的具体应用

以科技信息平台中的数据挖掘为例。数据可分为结构化数据、半结构以及非结构化数据，如表一所示。表一数据分类如今非结构化、个性化、随机数据、海量数据的检索需求日渐提高，促进了科技信息检索平台及相图一科技文献信息平台应软件的研发，这一课题是当前热点。Web数据挖掘技术共享信息获取检索管理的模式改革，强调了科技信息平台系统智能化，通过分析功能的添加，增强用户管理，提供个性化的解决方案，利用数据存储客户喜好，对客户数据库进行分析，研究知识挖掘的领域，提供多目标的信息管理：改进系统性能、设计、理解用户需求等等。通过统计学方法分析检索量、频率、次数、空间时间分布，路径模式发现算法，在移动通信的支持上，进行进一步的科技文献信息平台的搭建是主要发展趋势。具体平台如图一所示，一方面客户端综合用户间联系、用户历史纪录、分析用户图形，交由数据中心处理。另一方面，各分节点在总节点的指挥下，反馈信息。具体过程有：数据挖掘、任务结构化解析、挖掘算法、智能模型、调度计算资源、绑定挖掘任务，最终将数据挖掘结果进行可视化展示。分析Web的页面内容、结构和用户信息，最终提供高效信息管理服务，是现有数据处理技术的有效补充。如图二所示。在科技信息管理领域，拓宽Web数据挖掘技术的应用个，如Web数据挖掘技术和高校图书馆综合，可以优化资源建设。在有限的经费下，充分发挥载体优势，拓展文献存储，一方面优化电子信息检索存储，另一方面还可以提高高校图书馆的应用效率。统计文献引用率、浏览率、下载率等等，分析文献自身特点如时间空间分布、引用下载曲线、文献间关联比例、用户借阅喜好，最终优化信息管理布局。收集整理用户兴趣模式。采用合适的挖掘算法查缺补漏，调整方向，优化资源分配。还可以评判科技信息资源的利用率，立足人本需求，拓展智能化信息服务。搜集用户阅读浏览集合，对集合进行关联规则挖掘，匹配浏览模式，形成相似用户组，对访问频率高于阈值的，预先连接，提高速度效率。利用WEB数据挖掘技术，分析用户访问数据，预测传输用户界面。最终做到智能化信息服务。支持多样检索方式，聚类结果分析，结构化条理化呈现信息，用户个性筛选，进行科学假设，最终做到智能化、交互式检索。提高传统被动服务模式的反应速度，适应飞速发展的知识信息，主动提供用户信息。如：用户喜好相关数据及时推送，访问时优先推荐专题，跟踪客户形象变化，提供动态分析，如个人主页等服务或是相关定制服务就可以较好的完成这一功能。真正将数据挖掘具体到客户需求，提高信息管理的主动性和高效率。同时，还可以分析商业客户，反馈一手数据给相关部门，切实制定发展战略，提高信息管理收益成本比，促进多方合作共赢。Web数据挖掘技术减少人力和物力成本，加速信息映射，是提供信息管理服务的强有力保障。Web挖掘技术可以丰富页面内容，以及相关页面，如该专业的规范权威页面，是信息资源的有效补充。

4结束语

在统计学的基础上，综合人工智能、机器学习、可视化、并行计算等多门领域，融合多种技术提高数据挖掘的效率和质量，深入研究Web数据挖掘在信息管理中的应用，如和图书馆的结合等，最终应用于实践产出创新性产品。为科技文献管理等多领域提供全局观，在传统查询报表的基础上，借数据仓库技术的东风，数据挖掘技术势在必行。数据挖掘是要对数据进行抽取，进而分析数据，转换模型化处理数据，最终提取辅助决策的关键性数据。不仅得到传统的事件结果，更对事件的本质和信息间关系进行挖掘，通过置信度预测评价，最终支持决策行为。Web数据挖掘算法和应用研究基础。Web数据挖掘具体研究Web页面内容结构，以用户信息为基础，研究用户和页面互动的内在联系，分析包括用户界面、商务等多领域Web数据，应用上述挖掘技术，优化客户检索体验，改进信息平台设计，在电子商务等多领域应用于改进信息管理服务，体现了数据挖掘技术的优越性。在信息管理领域，综合智能和数据挖掘技术，分析用户特征、文献知识是知识信息管理的重要组成，显示出强大的生命力。

作者:叶蓉 单位:江西省科技情报研究所

参考文献

[1]陈卓民.基于HITS算法改进的Web数据挖掘方法研究应用[J].自动化与仪器仪表，2016，（07）：255-257.

[2]吴雷.网络信息安全防范和Web数据挖掘技术的有效整合[J].网络空间安全，2016，（06）：62-64.

[3]郑亦梁.Web数据挖掘和个性化搜索引擎研究[J].通讯世界，2016，（05）：240.

[4]李娟.浅析Web数据挖掘[J].福建电脑，2011，（11）：72-73.

[5]张倩.应用Web数据挖掘技术捕获网络档案信息资源个性化服务研究[J].档案与建设，2008，（07）：15-17.

[6]白慧.基于Web数据挖掘的数字图书馆个性化信息服务[J].图书情报导刊，2008，（15）：38-39.

[7]李平.网络安全防范与Web数据挖掘技术的整合研究[J].信息安全与技术，2016，（08）：63-65.