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)近年來在中國有了很大發(fā)展,各級政府部門建立了大量的數(shù)據(jù)庫,數(shù)據(jù)呈指數(shù)級增長。如何利用新的數(shù)據(jù)分析技術(shù)高效、準確地從電子政務(wù)系統(tǒng)中提取有用的信息成為了一個有現(xiàn)實意義的問題。
　　 本文將使用數(shù)據(jù)挖掘技術(shù)對市級電子政務(wù)辦公系統(tǒng)iGRP進行數(shù)據(jù)分析,目的是通過對iGRP電子政務(wù)辦公系統(tǒng)進行數(shù)據(jù)挖掘來發(fā)現(xiàn)影響用戶活躍度的屬性。
　　 在數(shù)據(jù)分析過程中首先根據(jù)分析目的選擇合適的目標屬性和預測屬性；然后從iGRP數(shù)據(jù)庫中抽取

2、、集成、清洗所選擇的目標屬性和預測屬性；接著對數(shù)值型預測屬性進行噪聲處理和離散化處理；接下來使用ODM(Oracle Data Mining)的“屬性重要度”功能對目標屬性及其相關(guān)預測屬性進行屬性重要度分析,將無關(guān)的預測屬性排除,以達到減少數(shù)據(jù)維度的目的;之后,對目標屬性及其相關(guān)的預測屬性使用ODM的O-Cluster算法進行聚類分析,為數(shù)值型目標屬性找到一個合適的分裂點,根據(jù)這個分裂點將目標屬性轉(zhuǎn)化為二元屬性；最后,使用ODM的決策樹

3、算法對目標屬性進行分類挖掘并進行測試評估。
　　 本文從某市iGRP電子政務(wù)系統(tǒng)5個數(shù)據(jù)庫中抽取了7827條數(shù)據(jù),包含30個預測屬性和2個目標屬性。按上述方法對該數(shù)據(jù)集進行數(shù)據(jù)挖掘后得出如下結(jié)論:對用戶活躍度影響最大的屬性是“收藏數(shù)量”,其次是“發(fā)文員”和“收文員”角色。根據(jù)此結(jié)論,應(yīng)進一步了解用戶對“收藏文件夾”這個功能模塊的需求和使用反饋,以便改進提高此功能,為用戶提供更好的服務(wù)。其次,在用戶培訓和用戶反饋調(diào)查中應(yīng)更加關(guān)注具