數(shù)據(jù)挖掘技術(shù)在檔案信息管理中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中通過(guò)算法搜索隱藏于其中知識(shí)的過(guò)程，作為一種知識(shí)發(fā)現(xiàn)技術(shù)它已經(jīng)在很多數(shù)據(jù)密集型行業(yè)得到廣泛應(yīng)用。檔案是指人們?cè)诟黜?xiàng)社會(huì)活動(dòng)中直接形成的各種形式的具有保存價(jià)值的原始記錄，在我國(guó)檔案界多年的計(jì)算機(jī)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(jí)，只是基于數(shù)據(jù)庫(kù)層面的查詢、統(tǒng)計(jì)、分析等。
　　針對(duì)這種局面，本文嘗試將數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘技術(shù)應(yīng)用于檔案信息管理工作，通過(guò)分析檔案利用數(shù)據(jù)庫(kù)和檔案歸檔數(shù)據(jù)庫(kù)，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(guān)系，從而在更深層次上發(fā)揮檔案數(shù)據(jù)在新時(shí)代的信息價(jià)值。
　　文章主要從檔案數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)、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(yīng)用等方面論述了將數(shù)據(jù)挖掘技術(shù)與檔案工作相結(jié)合的具體實(shí)踐，實(shí)現(xiàn)了檔案數(shù)據(jù)挖掘的基本過(guò)程。首先對(duì)構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行詳細(xì)的需求分析，確定主題和用戶，根據(jù)已有的檔案業(yè)務(wù)數(shù)據(jù)庫(kù)確定數(shù)據(jù)倉(cāng)庫(kù)的維度表和事實(shí)表，并最終采用星型模式創(chuàng)建檔案數(shù)據(jù)倉(cāng)庫(kù)；然后

3、通過(guò)數(shù)據(jù)ETL將檔案原始數(shù)據(jù)源經(jīng)過(guò)抽取、轉(zhuǎn)換，加載進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)，這個(gè)過(guò)程主要是對(duì)檔案數(shù)據(jù)進(jìn)行預(yù)處理和清理工作；接著再利用OLAP工具對(duì)檔案多維數(shù)據(jù)集進(jìn)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(cāng)庫(kù)的基礎(chǔ)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(duì)檔案數(shù)據(jù)進(jìn)行分析處理，并對(duì)結(jié)果進(jìn)行分析。
　　全文的核心為研究數(shù)據(jù)挖掘技術(shù)在檔案信息管理中的應(yīng)用