數(shù)據(jù)挖掘技術在檔案信息管理中的應用研究.pdf

1、數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中通過算法搜索隱藏于其中知識的過程，作為一種知識發(fā)現(xiàn)技術它已經在很多數(shù)據(jù)密集型行業(yè)得到廣泛應用。檔案是指人們在各項社會活動中直接形成的各種形式的具有保存價值的原始記錄，在我國檔案界多年的計算機管理中形成了大量的電子數(shù)據(jù)，但這些數(shù)據(jù)的利用還比較初級，只是基于數(shù)據(jù)庫層面的查詢、統(tǒng)計、分析等。
　　針對這種局面，本文嘗試將數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術應用于檔案信息管理工作，通過分析檔案利用數(shù)據(jù)庫和檔案歸檔數(shù)據(jù)庫，揭示檔案

2、與利用者之間、檔案與各歸檔單位之間以及檔案之間的關系，從而在更深層次上發(fā)揮檔案數(shù)據(jù)在新時代的信息價值。
　　文章主要從檔案數(shù)據(jù)倉庫設計、數(shù)據(jù)ETL、多維數(shù)據(jù)模型的建立、數(shù)據(jù)挖掘算法選擇、數(shù)據(jù)挖掘模型應用等方面論述了將數(shù)據(jù)挖掘技術與檔案工作相結合的具體實踐，實現(xiàn)了檔案數(shù)據(jù)挖掘的基本過程。首先對構建數(shù)據(jù)倉庫進行詳細的需求分析，確定主題和用戶，根據(jù)已有的檔案業(yè)務數(shù)據(jù)庫確定數(shù)據(jù)倉庫的維度表和事實表，并最終采用星型模式創(chuàng)建檔案數(shù)據(jù)倉庫；然后

3、通過數(shù)據(jù)ETL將檔案原始數(shù)據(jù)源經過抽取、轉換，加載進入數(shù)據(jù)倉庫，這個過程主要是對檔案數(shù)據(jù)進行預處理和清理工作；接著再利用OLAP工具對檔案多維數(shù)據(jù)集進行多角度和多視圖的查詢，以更好的理解檔案數(shù)據(jù)；最后在檔案數(shù)據(jù)倉庫的基礎上，根據(jù)數(shù)據(jù)挖掘的需求分析，利用SQL Server Analysis Services工具并選取合適的數(shù)據(jù)挖掘算法對檔案數(shù)據(jù)進行分析處理，并對結果進行分析。
　　全文的核心為研究數(shù)據(jù)挖掘技術在檔案信息管理中的應用