數(shù)據(jù)挖掘在電子政務(wù)辦公系統(tǒng)中的應(yīng)用.pdf

1、電子政務(wù)近年來(lái)在中國(guó)有了很大發(fā)展,各級(jí)政府部門建立了大量的數(shù)據(jù)庫(kù),數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)。如何利用新的數(shù)據(jù)分析技術(shù)高效、準(zhǔn)確地從電子政務(wù)系統(tǒng)中提取有用的信息成為了一個(gè)有現(xiàn)實(shí)意義的問(wèn)題。
　　 本文將使用數(shù)據(jù)挖掘技術(shù)對(duì)市級(jí)電子政務(wù)辦公系統(tǒng)iGRP進(jìn)行數(shù)據(jù)分析,目的是通過(guò)對(duì)iGRP電子政務(wù)辦公系統(tǒng)進(jìn)行數(shù)據(jù)挖掘來(lái)發(fā)現(xiàn)影響用戶活躍度的屬性。
　　 在數(shù)據(jù)分析過(guò)程中首先根據(jù)分析目的選擇合適的目標(biāo)屬性和預(yù)測(cè)屬性；然后從iGRP數(shù)據(jù)庫(kù)中抽取

2、、集成、清洗所選擇的目標(biāo)屬性和預(yù)測(cè)屬性；接著對(duì)數(shù)值型預(yù)測(cè)屬性進(jìn)行噪聲處理和離散化處理；接下來(lái)使用ODM(Oracle Data Mining)的“屬性重要度”功能對(duì)目標(biāo)屬性及其相關(guān)預(yù)測(cè)屬性進(jìn)行屬性重要度分析,將無(wú)關(guān)的預(yù)測(cè)屬性排除,以達(dá)到減少數(shù)據(jù)維度的目的;之后,對(duì)目標(biāo)屬性及其相關(guān)的預(yù)測(cè)屬性使用ODM的O-Cluster算法進(jìn)行聚類分析,為數(shù)值型目標(biāo)屬性找到一個(gè)合適的分裂點(diǎn),根據(jù)這個(gè)分裂點(diǎn)將目標(biāo)屬性轉(zhuǎn)化為二元屬性；最后,使用ODM的決策樹

3、算法對(duì)目標(biāo)屬性進(jìn)行分類挖掘并進(jìn)行測(cè)試評(píng)估。
　　 本文從某市iGRP電子政務(wù)系統(tǒng)5個(gè)數(shù)據(jù)庫(kù)中抽取了7827條數(shù)據(jù),包含30個(gè)預(yù)測(cè)屬性和2個(gè)目標(biāo)屬性。按上述方法對(duì)該數(shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘后得出如下結(jié)論:對(duì)用戶活躍度影響最大的屬性是“收藏?cái)?shù)量”,其次是“發(fā)文員”和“收文員”角色。根據(jù)此結(jié)論,應(yīng)進(jìn)一步了解用戶對(duì)“收藏文件夾”這個(gè)功能模塊的需求和使用反饋,以便改進(jìn)提高此功能,為用戶提供更好的服務(wù)。其次,在用戶培訓(xùn)和用戶反饋調(diào)查中應(yīng)更加關(guān)注具