摘要“:互聯(lián)網(wǎng)+”戰(zhàn)略的實(shí)施促進(jìn)了我國(guó)信息技術(shù)的快速發(fā)展,數(shù)據(jù)挖掘技術(shù)能夠?qū)崿F(xiàn)對(duì)海量信息的統(tǒng)計(jì)、分析以及利用等,因此數(shù)據(jù)挖掘技術(shù)在生活實(shí)踐中得到了廣泛的應(yīng)用。因此本文希望通過對(duì)數(shù)據(jù)挖掘技術(shù)的分析,分析數(shù)據(jù)挖掘技術(shù)在實(shí)踐中具體應(yīng)用的策略,以此更好的促進(jìn)數(shù)據(jù)挖掘技術(shù)在實(shí)踐中的應(yīng)用。

關(guān)鍵詞:數(shù)據(jù)挖掘;應(yīng)用;發(fā)展

1數(shù)據(jù)挖掘技術(shù)的概述

數(shù)據(jù)挖掘是通過對(duì)各種數(shù)據(jù)信息進(jìn)行有選擇的統(tǒng)計(jì)、歸類以及分析等挖掘隱含的有用的信息,從而為實(shí)踐應(yīng)用提出有用的決策信息的過程。通俗的說數(shù)據(jù)挖掘就是一種借助于多種數(shù)據(jù)分析工具在海量的數(shù)據(jù)信息中挖掘模數(shù)據(jù)信息和模型之間關(guān)系的技術(shù)總裁,通過對(duì)這種模型進(jìn)行認(rèn)識(shí)和理解,分析它們的對(duì)應(yīng)關(guān)系,以此來指導(dǎo)各行各業(yè)的生產(chǎn)和發(fā)展,提供重大決策上的支持。數(shù)據(jù)挖掘技術(shù)是對(duì)海量數(shù)據(jù)信息的統(tǒng)計(jì)、分析等因此數(shù)據(jù)挖掘技術(shù)呈現(xiàn)以下特點(diǎn):一是數(shù)據(jù)挖掘技術(shù)主要是借助各種其它專業(yè)學(xué)科的知識(shí),從而建立挖掘模型,設(shè)計(jì)相應(yīng)的模型算法,從而找出其中的潛在規(guī)律等,揭示其中的內(nèi)在聯(lián)系性;二是數(shù)據(jù)挖掘主要是處理各行數(shù)據(jù)庫(kù)中的信息,因此這些信息是經(jīng)過預(yù)處理的;三是以構(gòu)建數(shù)據(jù)模型的方式服務(wù)于實(shí)踐應(yīng)用。當(dāng)然數(shù)據(jù)挖掘并不是以發(fā)現(xiàn)數(shù)據(jù)理論為目的,而是為了在各行各業(yè)的信息中找出有用的數(shù)據(jù)信息,滿足用戶的需求。

2數(shù)據(jù)挖掘的功能

結(jié)合數(shù)據(jù)挖掘技術(shù)的概述,數(shù)據(jù)挖掘主要具體以下功能:一是自動(dòng)預(yù)測(cè)趨勢(shì)和行為。數(shù)據(jù)挖掘主要是在復(fù)雜的數(shù)據(jù)庫(kù)中尋找自己有用的信息,以往的信息搜索需要采取手工分析的方式,如今通過數(shù)據(jù)挖掘可以快速的將符合數(shù)據(jù)本身的數(shù)據(jù)找出來;二是關(guān)聯(lián)分析。關(guān)聯(lián)性就是事物之間存在某種的聯(lián)系性,這種事物必須要在兩種以上,數(shù)據(jù)關(guān)聯(lián)是在復(fù)雜的數(shù)據(jù)中存在一類重要的可被發(fā)現(xiàn)的知識(shí);三是概念描述。概念描述分為特征性描述和區(qū)別性描述;四是偏差檢測(cè)。

目前隨著電子商務(wù)經(jīng)濟(jì)環(huán)境的逐漸發(fā)展完善,企業(yè)從傳統(tǒng)意義上的區(qū)域內(nèi)銷售,到跨地域限制的全球銷售,從原料選購(gòu)、產(chǎn)品宣傳、銷售、貨款結(jié)算及售后服務(wù)一系列環(huán)節(jié)都在網(wǎng)絡(luò)上進(jìn)行。這樣,網(wǎng)站是電子商務(wù)中最為重要的介質(zhì)。網(wǎng)站對(duì)用戶的吸引程度直接決定了企業(yè)發(fā)展。為了使企業(yè)不斷壯大,不斷提升企業(yè)競(jìng)爭(zhēng)力,企業(yè)決策者開始搭建獨(dú)具創(chuàng)新的,更具個(gè)性化的,更能吸引客戶的一流的信息化網(wǎng)站,其中個(gè)性化特征是各企業(yè)追捧的方式之一。如何從眾多數(shù)據(jù)中抽取出個(gè)性化的數(shù)據(jù),就運(yùn)行到了數(shù)據(jù)挖掘技術(shù)。本文將對(duì)數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用做重點(diǎn)介紹。

1數(shù)據(jù)挖掘概念

數(shù)據(jù)挖掘(DataMining)是一種信息轉(zhuǎn)化的過程,將各種無律的、非完整的、雜亂無章的、隨機(jī)的信息中經(jīng)過各種方式轉(zhuǎn)化成我們需要的、有用的信息。Web數(shù)據(jù)挖掘(WebDataMining)是將數(shù)據(jù)挖掘技術(shù)應(yīng)用到Web網(wǎng)頁中。即從Web各種活動(dòng)信息中分析提取出有用的隱藏信息,在一定程度上利用數(shù)據(jù)挖掘技術(shù)提取出有用的知識(shí)來幫助企業(yè)和用戶更好地從網(wǎng)站中得到各自所需要的信息。

2Web數(shù)據(jù)挖掘的分類

Web數(shù)據(jù)挖掘大概可以分為三大類:Web頁面信息挖掘(WebContentMining)、Web用戶記錄挖掘(WebUsageMining)、Web結(jié)構(gòu)挖掘(WebStructureMining)。Web頁面信息挖掘是指從頁面的內(nèi)容中或者網(wǎng)頁描述中收集有用信息進(jìn)行挖掘,根據(jù)類型不同,可以分為文本挖掘、圖片挖掘和視頻挖掘等。Web用戶記錄挖掘是當(dāng)用戶訪問頁面時(shí),記錄用戶訪問頁面的信息,根據(jù)用戶在頁面的停留時(shí)間,訪問的產(chǎn)品等等進(jìn)行信息挖掘,運(yùn)用一些數(shù)學(xué)方法建立用戶興趣和關(guān)注模型,不斷的跟蹤用戶完善模型,預(yù)計(jì)猜測(cè)用戶行為,從而可以對(duì)用戶進(jìn)行分類,為不同用戶量身制作自身最感興趣的產(chǎn)品信息,從而對(duì)不同用戶動(dòng)態(tài)更新個(gè)性化產(chǎn)品展示和相關(guān)廣告,取得利益最大化。Web結(jié)構(gòu)挖掘是指從Web網(wǎng)頁之間的關(guān)聯(lián)性進(jìn)行挖掘,如分析一個(gè)網(wǎng)頁鏈接和被鏈接數(shù)量來建立Web自身鏈接的結(jié)構(gòu)模式。將相似產(chǎn)品網(wǎng)頁歸類,將關(guān)聯(lián)產(chǎn)品進(jìn)行整合。使得用戶非常容易的找到相關(guān)產(chǎn)品,類似產(chǎn)品的信息。

3電子商務(wù)中Web數(shù)據(jù)挖掘的步驟

摘要：現(xiàn)代挖掘機(jī)一般都采用了機(jī)電液一體化控制模式，常見故障為發(fā)動(dòng)機(jī)轉(zhuǎn)速下降，工作速度變慢，挖掘無力等一些日常使用中的故障。本文簡(jiǎn)單介紹了挖掘機(jī)在這幾類故障中的故障判斷及維修技術(shù)，另外還介紹了挖掘機(jī)的日常保養(yǎng)技術(shù)，以保障挖掘機(jī)的正常工作。

關(guān)鍵詞：挖掘機(jī)；維修；保養(yǎng)

隨著科技的進(jìn)步，現(xiàn)代挖掘機(jī)一般都采用了機(jī)電液一體化控制模式，我們?cè)谂懦恍┕收蠒r(shí)，解決的多是發(fā)動(dòng)機(jī)、液壓泵、分配閥、外部負(fù)荷的匹配問題。一般在挖掘機(jī)作業(yè)中，這幾方面不能匹配，經(jīng)常會(huì)表現(xiàn)為：發(fā)動(dòng)機(jī)轉(zhuǎn)速下降，工作速度變慢，挖掘無力以及一些常見問題。

一、發(fā)動(dòng)機(jī)轉(zhuǎn)速下降

首先要測(cè)試發(fā)動(dòng)機(jī)本身輸出功率，如果發(fā)動(dòng)機(jī)輸出功率低于額定功率，則產(chǎn)生故障的原因可能是燃油品質(zhì)差、燃油壓力低、氣門間隙不對(duì)、發(fā)動(dòng)機(jī)的某缸不工作、噴油定時(shí)有錯(cuò)、燃油量的調(diào)定值不對(duì)、進(jìn)氣系統(tǒng)漏氣、制動(dòng)器及其操縱桿有毛病和渦輪增壓器積炭。如果發(fā)動(dòng)機(jī)輸出動(dòng)力正常，就需要查看是否因?yàn)橐簤罕玫牧髁亢桶l(fā)動(dòng)機(jī)的輸出功率不匹配。

液壓挖掘機(jī)在作業(yè)中速度與負(fù)載是成反比的，就是流量和泵的輸出壓力乘積是一個(gè)不變量，泵的輸出功率恒定或近似恒定。如果泵控制系統(tǒng)出現(xiàn)了故障，就不能實(shí)現(xiàn)發(fā)動(dòng)機(jī)、泵及閥在不同工況區(qū)域負(fù)荷優(yōu)化匹配狀態(tài)，挖掘機(jī)從而將不能正常工作。此類故障要先從電器系統(tǒng)入手，再檢查液壓系統(tǒng)，最后檢查機(jī)械傳動(dòng)系統(tǒng)。

[摘要]本文主要介紹了數(shù)據(jù)挖掘的基本概念，以及數(shù)據(jù)挖掘的方法。

[關(guān)鍵詞]數(shù)據(jù)挖掘數(shù)據(jù)挖掘方法

隨著信息技術(shù)迅速發(fā)展，數(shù)據(jù)庫(kù)的規(guī)模不斷擴(kuò)大，產(chǎn)生了大量的數(shù)據(jù)。但大量的數(shù)據(jù)往往無法辨別隱藏在其中的能對(duì)決策提供支持的信息，而傳統(tǒng)的查詢、報(bào)表工具無法滿足挖掘這些信息的需求。因此，需要一種新的數(shù)據(jù)分析技術(shù)處理大量數(shù)據(jù)，并從中抽取有價(jià)值的潛在知識(shí)，數(shù)據(jù)挖掘（DataMining）技術(shù)由此應(yīng)運(yùn)而生。

一、數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動(dòng)抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過程，這些信息的表現(xiàn)形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)，并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進(jìn)而預(yù)測(cè)未來可能發(fā)生的行為。數(shù)據(jù)挖掘的過程也叫知識(shí)發(fā)現(xiàn)的過程。

二、數(shù)據(jù)挖掘的方法

一、數(shù)據(jù)挖掘相關(guān)概念

數(shù)據(jù)挖掘技術(shù)是近些年發(fā)展起來的一門新興學(xué)科，它涉及到數(shù)據(jù)庫(kù)和人工智能等多個(gè)領(lǐng)域。隨著計(jì)算機(jī)技術(shù)的普及數(shù)據(jù)庫(kù)產(chǎn)生大量數(shù)據(jù)，能夠從這些大量數(shù)據(jù)中抽取出有價(jià)值信息的技術(shù)稱之為數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘方法有統(tǒng)計(jì)學(xué)方法、關(guān)聯(lián)規(guī)則挖掘、決策樹方法、聚類方法等八種方法，關(guān)聯(lián)規(guī)則是其中最常用的研究方法。關(guān)聯(lián)規(guī)則算法是1993年由R.Atal,Inipusqi,Sqtm三人提出的Apriori算法，是指從海量數(shù)據(jù)中挖掘出有價(jià)值的能夠揭示實(shí)體和數(shù)據(jù)項(xiàng)間某些隱藏的聯(lián)系的有關(guān)知識(shí)，其中描述關(guān)聯(lián)規(guī)則的兩個(gè)重要概念分別是Suppor（t支持度）和Confi-dence（可信度）。只有當(dāng)Support和Confidence兩者都較高的關(guān)聯(lián)規(guī)則才是有效的、需要進(jìn)一步進(jìn)行分析和應(yīng)用的規(guī)則。

二、使用Weka進(jìn)行關(guān)聯(lián)挖掘

Weka的全名是懷卡托智能分析環(huán)境（WaikatoEnviron-mentforKnowledgeAnalysis），是一款免費(fèi)的、非商業(yè)化的、基于JAVA環(huán)境下開源的機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘軟件[2]。它包含了許多數(shù)據(jù)挖掘的算法，是目前最完備的數(shù)據(jù)挖掘軟件之一。Weka軟件提供了Explorer、Experimenter、Knowledge-Flow、SimpleCLI四種模塊[2]。其中Explorer是用來探索數(shù)據(jù)環(huán)境的，Experimenter是對(duì)各種實(shí)驗(yàn)計(jì)劃進(jìn)行數(shù)據(jù)測(cè)試，KnowledgeFlow和Explorer類似，但該模塊通過其特殊的接口可以讓使用者通過拖動(dòng)的形式去創(chuàng)建實(shí)驗(yàn)方案，Simple-CLI為簡(jiǎn)單的命令行界面。以下數(shù)據(jù)挖掘任務(wù)主要用Ex-plorer模塊來進(jìn)行。

（一）數(shù)據(jù)預(yù)處理

數(shù)據(jù)挖掘所需要的所有數(shù)據(jù)可以由系統(tǒng)排序模塊生成并進(jìn)行下載。這里我們下載近兩年的教師科研信息。為了使論文總分、學(xué)術(shù)著作總分、科研獲獎(jiǎng)總分、科研立項(xiàng)總分、科研總得分更有利于數(shù)據(jù)挖掘計(jì)算，在這里我們將以上得分分別確定分類屬性值。

摘要：信息時(shí)代的來臨，使得信息數(shù)據(jù)化，數(shù)據(jù)中包含了大量的信息。但同時(shí)數(shù)據(jù)量也越來越多，種類也越來越繁雜，想要從龐大的數(shù)據(jù)庫(kù)中提煉出有用的信息也就變得困難了，傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)也顯得力不從心了。順應(yīng)時(shí)代的發(fā)展，計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的優(yōu)點(diǎn)逐漸凸顯出來，成為焦點(diǎn)，本文將就這一技術(shù)進(jìn)行相關(guān)的論述。

關(guān)鍵詞：計(jì)算機(jī)；數(shù)據(jù)挖掘

一、什么是計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)

1.1 計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的概念。信息時(shí)代中的數(shù)據(jù)形形色色，而從這些數(shù)據(jù)中提煉出那一小部分有用的信息的過程就被稱為數(shù)據(jù)挖掘[1]。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)是通過計(jì)算機(jī)整理龐大的數(shù)據(jù)庫(kù)系統(tǒng)，并通過科學(xué)的分析方式，淘汰掉無利用價(jià)值的信息，篩選出有用的數(shù)據(jù)，通常包括對(duì)過去有用的數(shù)據(jù)記錄和對(duì)未來有用的預(yù)測(cè)價(jià)值[2]。

1.2 計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的對(duì)象。信息時(shí)代的信息量大，更新的速度也很快，這就要求準(zhǔn)確快速的處理信息，提取價(jià)值。這些數(shù)據(jù)被應(yīng)用到社會(huì)的方方面面，最為突出的屬金融與醫(yī)學(xué)方面。在金融方面，企業(yè)在運(yùn)營(yíng)的過程中，歷史的經(jīng)營(yíng)成果需要數(shù)據(jù)記錄，更重要的就是通過大數(shù)據(jù)對(duì)企業(yè)未來的發(fā)展做出分析預(yù)測(cè)，并根據(jù)這些數(shù)據(jù)做出讓企業(yè)利益最大化的未來目標(biāo)的決策，這也能夠讓企業(yè)在這個(gè)競(jìng)爭(zhēng)力越來越大的社會(huì)中不受威脅，脫穎而出。而這重要的大數(shù)據(jù)既包括企業(yè)自身的經(jīng)營(yíng)狀況，又包括社會(huì)的需求情況和競(jìng)爭(zhēng)企業(yè)的發(fā)展，龐大的信息量需要通過計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)準(zhǔn)確有效地提取出有效的信息，讓企業(yè)充分有效地利用大數(shù)據(jù)，實(shí)現(xiàn)自身的發(fā)展。

二、計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的操作

我國(guó)的經(jīng)濟(jì)社會(huì)不斷發(fā)展，科學(xué)技術(shù)水平不斷提升，在數(shù)據(jù)時(shí)代背景下，信息呈現(xiàn)爆炸增長(zhǎng)趨勢(shì)，需要對(duì)數(shù)據(jù)信息進(jìn)行高效處理，不斷提高工作效率。信息技術(shù)加快了數(shù)據(jù)傳播的速度，優(yōu)化了信息交流的方式，但也存在安全隱患問題。為了保障網(wǎng)絡(luò)安全，可以應(yīng)用計(jì)算機(jī)文本信息挖掘技術(shù)。

1計(jì)算機(jī)文本信息挖掘技術(shù)概述

計(jì)算機(jī)文本信息挖掘技術(shù)類屬于數(shù)據(jù)處理技術(shù)的范疇，被應(yīng)用在數(shù)據(jù)處理之中，主要面向文本信息。應(yīng)用計(jì)算機(jī)文本信息挖掘技術(shù)可以從海量文本信息中提取有效信息，并概括這些信息數(shù)據(jù)的特點(diǎn)等，對(duì)這些信息進(jìn)行分類和識(shí)別。計(jì)算機(jī)文本信息挖掘技術(shù)具有復(fù)雜性特征，其應(yīng)用流程如下所示：（1）計(jì)算機(jī)文本信息挖掘技術(shù)會(huì)對(duì)文本對(duì)象進(jìn)行選取，文本對(duì)象大多是來自期刊、網(wǎng)頁和其他數(shù)據(jù)庫(kù)中的文本信息。（2）計(jì)算機(jī)文本信息挖掘技術(shù)對(duì)文本對(duì)象進(jìn)行了預(yù)處理，包括對(duì)文本對(duì)象進(jìn)行去噪處理、分詞處理等等。在預(yù)處理過程中，計(jì)算機(jī)文本信息挖掘技術(shù)提取了文本對(duì)象的特征，并將文本對(duì)象特征表示出來。（3）計(jì)算機(jī)文本信息挖掘技術(shù)對(duì)文本信息進(jìn)行了深入挖掘，對(duì)具有統(tǒng)一特征的文本對(duì)象進(jìn)行了分類，并考察了信息數(shù)據(jù)之間的關(guān)聯(lián)性，預(yù)測(cè)了文本對(duì)象的發(fā)展趨勢(shì)。以上三步是計(jì)算機(jī)文本信息挖掘技術(shù)應(yīng)用的重要流程，也是文本挖掘的主要步驟。在應(yīng)用計(jì)算機(jī)文本信息挖掘技術(shù)時(shí)，還需要經(jīng)常應(yīng)用鄰近分類算法。鄰近分類算法類屬于文本分類方法的范疇，在應(yīng)用鄰近分類算法的過程中，需要先制定分類方案，并對(duì)數(shù)據(jù)、分類方案進(jìn)行比對(duì)，看文本屬性最接近哪一個(gè)分類方案，可以被歸入到哪一個(gè)分類方案之中。為了確保分類的準(zhǔn)確性，需要明確分類方案的描述特征，并對(duì)文本進(jìn)行設(shè)置。通過計(jì)算文本和分類方案的鄰近性，可以對(duì)文本進(jìn)行初步分類。

2計(jì)算機(jī)文本信息挖掘技術(shù)在網(wǎng)絡(luò)安全中的應(yīng)用

2.1應(yīng)用必要性。當(dāng)前信息數(shù)據(jù)越來越多，如何剔除無效數(shù)據(jù)，保留有效數(shù)據(jù)，成為各行各業(yè)關(guān)注的重點(diǎn)問題。信息技術(shù)改變了人們的生活方式，改變了社會(huì)的生產(chǎn)方式，人們依靠手機(jī)、電腦進(jìn)行線上交流，通過微博、微信等進(jìn)行線上互通；社會(huì)通過網(wǎng)絡(luò)系統(tǒng)進(jìn)行生產(chǎn)控制，通過信息技術(shù)進(jìn)行運(yùn)營(yíng)監(jiān)督。信息技術(shù)在一定程度上便捷了人們的生活，推動(dòng)了社會(huì)的發(fā)展，需要進(jìn)一步推動(dòng)信息技術(shù)創(chuàng)新，擴(kuò)大信息技術(shù)的應(yīng)用范圍。在發(fā)展的同時(shí)，也需要看到信息技術(shù)存在的問題。伴隨信息量的不斷增加，網(wǎng)絡(luò)中的虛假信息、詐騙信息等越來越多，只有對(duì)這些垃圾信息進(jìn)行有效攔截，才能保證網(wǎng)絡(luò)安全，保障用戶的個(gè)人權(quán)益。計(jì)算機(jī)文本信息挖掘技術(shù)有著重要的應(yīng)用價(jià)值，其可以對(duì)海量信息進(jìn)行有效分類，識(shí)別網(wǎng)絡(luò)中的真實(shí)信息、虛假信息，并對(duì)廣告信息等進(jìn)行剔除。計(jì)算機(jī)文本信息挖掘技術(shù)對(duì)信息數(shù)據(jù)進(jìn)行有效判斷，能夠保障網(wǎng)絡(luò)安全。實(shí)際應(yīng)用條件上，針對(duì)網(wǎng)絡(luò)化的信息形式，需要對(duì)其中的基礎(chǔ)文本信息進(jìn)行分析，尤其是與系統(tǒng)內(nèi)容相關(guān)聯(lián)的信息內(nèi)容上，務(wù)必要進(jìn)行必要的調(diào)整，并通過相應(yīng)的技術(shù)條件，保證網(wǎng)絡(luò)信息內(nèi)容的安全性。例如，在當(dāng)前的技術(shù)應(yīng)用條件下，通過手機(jī)系統(tǒng)程序，就可以完成對(duì)與手機(jī)接收信息的文本分析，并在大數(shù)據(jù)系統(tǒng)的基礎(chǔ)上，通過文本內(nèi)容的捕捉，確定此類信息的狀態(tài)。由此，定位可能存在的垃圾信息，并在手機(jī)使用設(shè)定中，將此類信息規(guī)整到統(tǒng)一的存儲(chǔ)格式中，由使用者進(jìn)行二次確認(rèn)，并保證信息管理的有效性狀態(tài)。2.2應(yīng)用路徑。為了發(fā)揮計(jì)算機(jī)文本信息挖掘技術(shù)的作用，應(yīng)該改進(jìn)鄰近分類方法。計(jì)算機(jī)文本信息挖掘技術(shù)通過鄰近分類方法對(duì)互聯(lián)網(wǎng)信息進(jìn)行分類，只有優(yōu)化鄰近分類方法，才能提升文本信息分類的準(zhǔn)確性。傳統(tǒng)的鄰近分類方法存在弊端，不同分類特征可能存在共線，文本信息分類可能會(huì)出現(xiàn)訛誤情況。在技術(shù)改進(jìn)過程中，需要堅(jiān)持將傳統(tǒng)方法作為依托，并對(duì)文本特征進(jìn)行細(xì)化描述。技術(shù)人員需要合并共性屬性比較明顯的文本特征，并考察特征向量的維度，對(duì)其進(jìn)行有效壓縮。通過上述方法，文本信息分類將更加高效。為了驗(yàn)證計(jì)算機(jī)文本信息挖掘技術(shù)的有效性，需要開展實(shí)驗(yàn)，考察計(jì)算機(jī)文本信息挖掘技術(shù)與網(wǎng)絡(luò)安全檢測(cè)之間的關(guān)系。技術(shù)人員首先要確定實(shí)驗(yàn)對(duì)象，包括文本信息預(yù)測(cè)庫(kù)等，并盡量擴(kuò)充其中的文本信息，確保其中有正常文本信息、廣告信息、詐騙信息等等。根據(jù)語料庫(kù)設(shè)定原則，需要對(duì)文本中的數(shù)據(jù)信息特征進(jìn)行有效概括，看哪一種信息類屬于文本信息、哪一種信息類屬于廣告信息和詐騙信息。技術(shù)人員也可以對(duì)廣告信息、詐騙信息等進(jìn)行合并，將其命名為危害信息。技術(shù)人員需要采用鄰近分類方法，測(cè)試計(jì)算機(jī)文本信息挖掘技術(shù)的應(yīng)用效果。在設(shè)置評(píng)價(jià)參數(shù)的過程中，應(yīng)該采用算法判定方式和專家判定方式。上述實(shí)驗(yàn)將會(huì)出現(xiàn)四種可能性：（1）算法、專家判定安全信息；（2）算法、專家判定危害信息；（3）算法判定安全、專家判定危害信息；（4）算法判定危害、專家判定安全信息。技術(shù)人員需要對(duì)評(píng)價(jià)精度、評(píng)價(jià)誤差等進(jìn)行計(jì)算，并設(shè)計(jì)信息檢測(cè)平臺(tái)，為計(jì)算機(jī)文本信息挖掘技術(shù)的應(yīng)用提供支撐。網(wǎng)絡(luò)信息檢測(cè)平臺(tái)應(yīng)該分成一級(jí)功能、二級(jí)功能，一級(jí)功能應(yīng)該包括首頁、用戶管理等，而二級(jí)功能應(yīng)該包括分類方法、參數(shù)評(píng)價(jià)等。2.3文本挖掘主要技術(shù)方向。文本挖掘技術(shù)，是計(jì)算機(jī)網(wǎng)絡(luò)化的應(yīng)用技術(shù)手段，也是具體系統(tǒng)開發(fā)的方向性技術(shù)，在與具體產(chǎn)業(yè)進(jìn)行結(jié)合的過程中，可以憑借自身的技術(shù)又是條件，適應(yīng)到多種類型的技術(shù)空間中，展示自身科技型價(jià)值，適應(yīng)知識(shí)經(jīng)濟(jì)發(fā)展環(huán)境。（1）基于網(wǎng)絡(luò)文本分析的技術(shù)條件，可以在網(wǎng)絡(luò)新聞與輿情發(fā)掘的過程中，發(fā)揮自身的技術(shù)優(yōu)勢(shì)，對(duì)構(gòu)筑安全的網(wǎng)路環(huán)境，貢獻(xiàn)出基礎(chǔ)性技術(shù)內(nèi)容。在網(wǎng)絡(luò)化的輿情環(huán)境中，個(gè)人信息、商業(yè)機(jī)密等內(nèi)容的傳播，都會(huì)造成嚴(yán)重?fù)p失，威脅到企業(yè)與個(gè)人的信息與財(cái)產(chǎn)安全。而在這一內(nèi)容的管理中，需要對(duì)客觀的網(wǎng)絡(luò)輿情狀態(tài)進(jìn)行分析，在過濾文內(nèi)容的同時(shí)，過濾具體的信息數(shù)據(jù)，通過關(guān)聯(lián)性分析、網(wǎng)絡(luò)溯源、輿情評(píng)價(jià)等內(nèi)容，保證對(duì)于整體信息的管理狀態(tài)。尤其在輿情的推演中，可以形成完整的模型系統(tǒng)，并在模型的綜合作用下，保證技術(shù)的完整性與成長(zhǎng)性，針對(duì)實(shí)際工作環(huán)境做出必要的基礎(chǔ)性保證。（2）專利信息的安全管理中，應(yīng)用文本數(shù)據(jù)挖掘的工作模式，也可以起到積極作用。專利信息，大多是企業(yè)核心科技的關(guān)鍵內(nèi)容，與企業(yè)的經(jīng)濟(jì)收益與市場(chǎng)競(jìng)爭(zhēng)條件息息相關(guān)，需要在技術(shù)內(nèi)容上，形成系統(tǒng)性的防護(hù)條件，并在執(zhí)行過程中，針對(duì)專利系統(tǒng)的管理流程，設(shè)置具體的文本挖掘工作方案，在程序的規(guī)范性狀態(tài)下，保證管理的有效性。方法上，需要針對(duì)專利權(quán)登記資料、專利所有權(quán)挖掘、專利使用權(quán)調(diào)查等內(nèi)容，維護(hù)整體技術(shù)管理體系的建設(shè)狀體，實(shí)現(xiàn)同步化的專利技術(shù)分析。（3）在文本挖掘技術(shù)的應(yīng)用開發(fā)中，表現(xiàn)出了明顯的技術(shù)成長(zhǎng)性，在多種專業(yè)領(lǐng)域展現(xiàn)技術(shù)應(yīng)用條件的同時(shí)，也在綜合性、管理性的內(nèi)容中，呈現(xiàn)出了明顯的應(yīng)用價(jià)值特征。例如，在醫(yī)療領(lǐng)域，文本分析可以被應(yīng)用在醫(yī)學(xué)健康分析的工作中，通過在中藥成分分析、西藥用藥規(guī)律總結(jié)等多種信息化內(nèi)容的安全數(shù)據(jù)整理，利用各種敏感詞匯與數(shù)據(jù)，保證了整體信息化系統(tǒng)的建設(shè)條件。又如，在企業(yè)的市場(chǎng)管理中，可以憑借這技術(shù)應(yīng)用條件，對(duì)市場(chǎng)環(huán)境中的相關(guān)信息進(jìn)行提取與分析。并在綜合相關(guān)市場(chǎng)人員掌握數(shù)據(jù)的同時(shí)，結(jié)合企業(yè)實(shí)際發(fā)展?fàn)顟B(tài)，形成指導(dǎo)性的參考數(shù)據(jù)材料，保證整體信息系統(tǒng)的建設(shè)狀態(tài)，并使相應(yīng)網(wǎng)絡(luò)資料為實(shí)際運(yùn)行策略的制定提供參考，維護(hù)了發(fā)展信息綜合性分析執(zhí)行效果。

3結(jié)論

摘要：通過云計(jì)算與物聯(lián)網(wǎng)技術(shù)的有效結(jié)合，能夠?qū)崿F(xiàn)海量數(shù)據(jù)的有效挖掘與分析，對(duì)于數(shù)據(jù)處理水平的提升也有著重要意義。因此我國(guó)相關(guān)技術(shù)部門還要加強(qiáng)對(duì)該方面工作的重視力度，實(shí)現(xiàn)云計(jì)算技術(shù)跟互聯(lián)網(wǎng)技術(shù)兩者的有效融合，有助于我國(guó)數(shù)據(jù)挖掘技術(shù)的優(yōu)化與升級(jí)，本文主要就云計(jì)算與物聯(lián)網(wǎng)技術(shù)的數(shù)據(jù)挖掘進(jìn)行了探究分析。

關(guān)鍵詞：云計(jì)算；物聯(lián)網(wǎng)技術(shù)；數(shù)據(jù)挖掘

1物聯(lián)網(wǎng)與云計(jì)算概述

1.1物聯(lián)網(wǎng)概述

物聯(lián)網(wǎng)作為一種新興的網(wǎng)絡(luò)技術(shù)，其主要是以萬億節(jié)點(diǎn)作為表達(dá)對(duì)象，隨后通過不同的傳感器設(shè)備、網(wǎng)絡(luò)服務(wù)器以及超級(jí)計(jì)算機(jī)集群來進(jìn)行數(shù)據(jù)的處理與應(yīng)用，并且包含了計(jì)算機(jī)技術(shù)以及通信技術(shù)等多個(gè)學(xué)科。物聯(lián)網(wǎng)技術(shù)手段的應(yīng)用，能夠在結(jié)合物理對(duì)象的實(shí)際情況進(jìn)行無縫信息系統(tǒng)的構(gòu)建，實(shí)現(xiàn)對(duì)各業(yè)務(wù)流程的規(guī)劃化與動(dòng)態(tài)管理，保障業(yè)務(wù)流程的順利開展，從而解決用戶們的不同需求[1]。

1.2云計(jì)算技術(shù)

【摘要】隨著數(shù)據(jù)科技的飛速發(fā)展，管理會(huì)計(jì)工作已逐步實(shí)現(xiàn)電算化。長(zhǎng)期的會(huì)計(jì)處理過程中會(huì)積累大量結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)藏著巨大的價(jià)值。本文基于價(jià)值創(chuàng)造視角，闡述了大數(shù)據(jù)挖掘技術(shù)在管理會(huì)計(jì)中的應(yīng)用。

【關(guān)鍵詞】數(shù)據(jù)挖掘技術(shù)；管理會(huì)計(jì)；應(yīng)用

數(shù)據(jù)挖掘指運(yùn)用決策樹模型、蟻群算法、神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、關(guān)聯(lián)分析算法、序列模式分析算法、聚類分析算法等對(duì)海量結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)集合進(jìn)行挖掘與分析，依托模型獲取有價(jià)值信息或探求某種發(fā)展趨勢(shì)，提供有用的數(shù)據(jù)洞察。數(shù)據(jù)挖掘結(jié)合了統(tǒng)計(jì)學(xué)、信息管理系統(tǒng)、計(jì)算機(jī)科學(xué)與技術(shù)、離散數(shù)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)、人工智能、決策理論等多種學(xué)科。該項(xiàng)技術(shù)可以從繁雜、無規(guī)律的數(shù)據(jù)環(huán)境中剝離出重要信息供企業(yè)使用，為決策提供參考。

一、大數(shù)據(jù)挖掘技術(shù)概述

（一）大數(shù)據(jù)挖掘相關(guān)技術(shù)。1.統(tǒng)計(jì)技術(shù)。統(tǒng)計(jì)分析技術(shù)以概率論和統(tǒng)計(jì)學(xué)主要思想為理論基礎(chǔ)。該技術(shù)對(duì)數(shù)據(jù)集合進(jìn)行挖掘的方式是對(duì)給定數(shù)據(jù)集合假設(shè)一個(gè)分布或者概率模型（比如正態(tài)分布模型），然后根據(jù)模型進(jìn)行相應(yīng)挖掘。該技術(shù)建立在判別分析、因子分析及回歸分析等模型基礎(chǔ)之上，其優(yōu)勢(shì)是對(duì)分析結(jié)果的描述精確且容易理解，因而應(yīng)用較為普遍。2.決策樹技術(shù)。決策樹技術(shù)在數(shù)據(jù)挖掘的不同操作階段具有不同特點(diǎn)，其遵循的規(guī)則較為直觀，容易理解，其優(yōu)勢(shì)是在計(jì)算分類時(shí)耗費(fèi)時(shí)間較短。決策樹是一種顯示不同條件下會(huì)得出哪些數(shù)值的規(guī)則算法，這種方法在預(yù)測(cè)結(jié)果以及將結(jié)果分類的條件下較為適用。決策樹分析方法一般常用C4.5、C5.0、ID3、CHAID、CART等計(jì)算方法。3.關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則在數(shù)據(jù)挖掘技術(shù)中應(yīng)用最為廣泛，該技術(shù)是將海量數(shù)據(jù)集中起來，將其中的關(guān)聯(lián)關(guān)系和依賴關(guān)系充分挖掘。依托關(guān)聯(lián)分析，能從用戶行為中分析出潛在的行為模式，挖掘潛在知識(shí)以及人們感興趣的模式，同時(shí)將總結(jié)的概念應(yīng)用于更大范圍的用戶群體之中。4.神經(jīng)網(wǎng)絡(luò)技術(shù)。神經(jīng)網(wǎng)絡(luò)技術(shù)類似于人腦部神經(jīng)元，其功能也有相近之處。它的重點(diǎn)是結(jié)合神經(jīng)測(cè)試規(guī)則進(jìn)行計(jì)算模擬的開發(fā)與設(shè)計(jì)。在結(jié)構(gòu)上，神經(jīng)網(wǎng)絡(luò)可以劃分為輸入層、隱含層和輸出層三個(gè)不同層次。輸入層的不同階段對(duì)應(yīng)著預(yù)測(cè)變量，輸出層的節(jié)點(diǎn)對(duì)應(yīng)的是目標(biāo)變量，隱含層位于輸入層和輸出層之間，隱含層的具體層數(shù)和不同層內(nèi)的節(jié)點(diǎn)數(shù)決定了神經(jīng)網(wǎng)絡(luò)的整體復(fù)雜程度。該項(xiàng)技術(shù)具有承受噪聲數(shù)據(jù)能力較高、可以處理相對(duì)復(fù)雜問題等優(yōu)勢(shì)。5.粗糙集技術(shù)。粗糙集技術(shù)在數(shù)據(jù)挖掘中應(yīng)用較為廣泛。這種技術(shù)一般能夠較為清晰地分析出噪聲數(shù)據(jù)以及不精準(zhǔn)數(shù)據(jù)之間的聯(lián)系。其最大的優(yōu)勢(shì)是不需要將初始數(shù)據(jù)或附加信息包含在內(nèi)，只需利用一些不完整數(shù)據(jù)或不確定數(shù)據(jù)即可建立模型。粗糙集技術(shù)大大提高了知識(shí)發(fā)現(xiàn)及數(shù)據(jù)挖掘效率。6.遺傳算法。遺傳算法1975年由美國(guó)D.J.Hol⁃land教授提出，它將計(jì)算機(jī)科學(xué)技術(shù)與生物學(xué)技術(shù)完美融合，是一種優(yōu)化類算法。大自然最基本的生存法則為適者生存，生物按照一種合理的機(jī)制進(jìn)行遺傳進(jìn)化，進(jìn)而成為最適合的種群。遺傳算法對(duì)大自然中的生物進(jìn)化機(jī)制進(jìn)行模擬，遵循合理原則，對(duì)各項(xiàng)數(shù)據(jù)模型執(zhí)行優(yōu)化操作。遺傳算法相比于其他算法要求的輸入信息較少，因而具有靈活高效的特點(diǎn)。7.差別分析。差別分析的主要目的是發(fā)現(xiàn)數(shù)據(jù)之中潛藏的異常情況，進(jìn)而減弱噪音數(shù)據(jù)干擾，獲取有價(jià)值信息。8.概念描述。概念描述主要是對(duì)某類對(duì)象的特征和內(nèi)涵進(jìn)行概括及描述。概念描述具體分為區(qū)別描述和特征性描述。前者用于描述某些對(duì)象的區(qū)別，后者描述某類對(duì)象的共性。（二）大數(shù)據(jù)挖掘技術(shù)應(yīng)用流程。1.選擇、取樣。在實(shí)施數(shù)據(jù)挖掘之前，需要針對(duì)數(shù)據(jù)挖掘預(yù)期目標(biāo)對(duì)數(shù)據(jù)庫(kù)進(jìn)行甄選，依托數(shù)據(jù)表的形式對(duì)數(shù)據(jù)總體進(jìn)行抽樣。需要注意的是，在數(shù)據(jù)庫(kù)中抽取的數(shù)據(jù)要有實(shí)際意義，抽取數(shù)據(jù)數(shù)量應(yīng)適當(dāng)，不宜過多。2.預(yù)處理。具體包括消除噪聲數(shù)據(jù)、重復(fù)記錄，合理處置缺失數(shù)據(jù)，完成數(shù)據(jù)類型轉(zhuǎn)換等。3.轉(zhuǎn)換、探索。在數(shù)據(jù)樣本抽取結(jié)束之后，需要根據(jù)實(shí)際情況對(duì)數(shù)據(jù)執(zhí)行增加、刪除、修改等操作，進(jìn)而對(duì)數(shù)據(jù)進(jìn)行深入探索。結(jié)合探索過程，找出海量數(shù)據(jù)中所隱藏的聯(lián)系或異常，加深對(duì)預(yù)期挖掘目標(biāo)的理解和認(rèn)識(shí)。4.調(diào)整、數(shù)據(jù)開采。在進(jìn)行初步的取樣及探索之后，確定數(shù)據(jù)開采任務(wù)，從而選擇合適的數(shù)據(jù)開采算法。5.建模。結(jié)合決策樹、回歸分析、時(shí)間序列分析、神經(jīng)網(wǎng)絡(luò)等分析工具對(duì)所甄選數(shù)據(jù)進(jìn)行建模，基于數(shù)據(jù)構(gòu)建對(duì)目標(biāo)結(jié)果的分析預(yù)測(cè)模型。6.評(píng)價(jià)。數(shù)據(jù)挖掘的最終環(huán)節(jié)是建立模型測(cè)評(píng)體系，對(duì)數(shù)據(jù)挖掘中發(fā)現(xiàn)的有效結(jié)果進(jìn)行實(shí)用性和可靠性評(píng)價(jià)，對(duì)不足之處進(jìn)行修正。上述過程可以表示為圖1。

二、管理會(huì)計(jì)是業(yè)務(wù)及價(jià)值的結(jié)合體

摘要：新時(shí)期背景下，社會(huì)經(jīng)濟(jì)發(fā)展速度明顯加快，有關(guān)經(jīng)濟(jì)的數(shù)據(jù)與信息內(nèi)容不斷累積，在海量數(shù)據(jù)當(dāng)中有效地提取價(jià)值程度較高的信息，借助數(shù)據(jù)信息的提取與分析，為經(jīng)濟(jì)發(fā)展提供了有價(jià)值的參考依據(jù)。其中，數(shù)據(jù)挖掘技術(shù)就可以在數(shù)據(jù)庫(kù)當(dāng)中找到一定價(jià)值的隱藏事件，在人工智能、預(yù)測(cè)以及統(tǒng)計(jì)等諸多科學(xué)技術(shù)的作用下，能夠?yàn)榻?jīng)濟(jì)決策奠定堅(jiān)實(shí)基礎(chǔ)。文章將數(shù)據(jù)挖掘技術(shù)作為重點(diǎn)研究對(duì)象，闡述其在經(jīng)濟(jì)統(tǒng)計(jì)中的具體應(yīng)用，希望有所幫助。

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；經(jīng)濟(jì)統(tǒng)計(jì)；應(yīng)用

經(jīng)濟(jì)數(shù)據(jù)本身的發(fā)展性以及信息量的龐大性都十分明顯，所以作為統(tǒng)計(jì)數(shù)據(jù)工作人員在使用數(shù)據(jù)信息的時(shí)候，僅被局限在數(shù)據(jù)數(shù)字信息分析以及使用方面，并未對(duì)數(shù)據(jù)信息當(dāng)中所蘊(yùn)含的重要統(tǒng)計(jì)資料展開深入地挖掘。針對(duì)數(shù)據(jù)挖掘技術(shù)而言，其屬于全新統(tǒng)計(jì)方法，最明顯的優(yōu)勢(shì)就是可以橫向與縱向地開發(fā)信息數(shù)據(jù)，并且在實(shí)踐中實(shí)現(xiàn)了研究領(lǐng)域的延伸，能夠進(jìn)一步挖掘數(shù)據(jù)信息，并在基礎(chǔ)數(shù)據(jù)中獲取價(jià)值性較高的數(shù)據(jù)信息，并為社會(huì)統(tǒng)計(jì)數(shù)據(jù)工作的開展提供有價(jià)值的參考依據(jù)。

一、數(shù)據(jù)挖掘技術(shù)概述

（一）基本內(nèi)涵

通過對(duì)數(shù)據(jù)挖掘技術(shù)的應(yīng)用，可以集中整合并深度處理數(shù)據(jù)信息，確保深層次開發(fā)項(xiàng)目?jī)?yōu)化更加全面，實(shí)現(xiàn)系統(tǒng)升級(jí)。而在實(shí)踐操作方面，數(shù)據(jù)挖掘技術(shù)即可在相對(duì)復(fù)雜的數(shù)據(jù)庫(kù)當(dāng)中對(duì)數(shù)據(jù)信息進(jìn)行提取，以實(shí)現(xiàn)集中整合與分析的目標(biāo)，并在大量數(shù)據(jù)信息當(dāng)中對(duì)數(shù)據(jù)信息實(shí)用性展開深入挖掘。近年來，在經(jīng)濟(jì)活動(dòng)逐漸頻繁的背景下，信息量不斷增加，組成結(jié)構(gòu)更加復(fù)雜，以上是原生態(tài)信息最明顯的特征。所以，為了綜合管理信息價(jià)值，必須針對(duì)其實(shí)施精細(xì)化研究，以免信息的價(jià)值被限制亦或是浪費(fèi)。如果信息與數(shù)據(jù)價(jià)值得不到發(fā)揮，必然會(huì)對(duì)牽制數(shù)據(jù)信息統(tǒng)計(jì)工作產(chǎn)生不利的影響。在這種情況下，處理數(shù)據(jù)的過程中，各部門將數(shù)據(jù)挖掘技術(shù)進(jìn)入其中，并系統(tǒng)化地分析雜亂原始數(shù)據(jù)信息，最終整合成具備現(xiàn)實(shí)意義的數(shù)據(jù)形態(tài)，全面優(yōu)化數(shù)據(jù)提取的效果與應(yīng)用的效果，并對(duì)其實(shí)施深入加工與綜合處理，進(jìn)一步升級(jí)數(shù)據(jù)挖掘的水平。