相关热词搜索：
数据挖掘和电子政务研究
数据挖掘和电子政务研究 1.1舆情管控能力 政务舆情是指在一定的社会空间内,围绕与政府相关的中介性社会事件的 发生、发展和变化,作为主体的民众对作为客体的政府及其管理者所持有的社会 政治态度。做到舆情管控,核心就是通过数据挖掘技术,对海量网络舆论信息进行 实时的自动采集、分析、汇总,一旦发现危机信息,第一时间进行舆情处理与引导。1.2业务创新能力 创新是政府部门向知识型政府转变的基本要求,它不仅局限在行政方法和 政务处理流程层面上的创新,也包括政府制定发展战略和公共政策的创新。大数 据时代政府职能要进行转变,更多地从用户角度出发,提供公共服务,实施公共管 理。政府需要借助数据挖掘手段对以往教训、先进经验进行挖掘、归纳、采集和 利用,最终指导政府的战略与政策的制定。
2待挖掘的电子政务数据 2.1互联网数据 通过对新闻、论坛、贴吧、电子报、视频、博客、微博等互联网信息资源, 重点对领导、意见领袖的信息进行采集,尤其关注社区、微博、个人主页等网站 上的发言,同时对民生信息进行采集,如拆迁、环保、社保、教育、医疗、贪腐等 信息进行侧重采集,满足对民生信息的全面掌握。再通过K-means、C4.5等数据挖 掘算法实现分类、聚类、正负面判断等数据结果,最终形成热点分析、专题分析、 重点事件、重点人分析等多种高价值专栏。
2.2政府自身数据 政府自建数据主要包括门户网站数据、内网办公数据以及专业数据库数据。
多年以来,政务门户网站提供了政务公开、网上互动与在线服务这三大功能的公 众服务,我们可以通过分析访问习惯挖掘出潜在的规律,进行数据关联性分析,指 导网站进一步优化。对于机关内部办公网数据,通过比对行政运营行为的历史数 据重新梳理工作业务流,实现内网办公效率的提升。对专业数据库进行挖掘,可实 现社会运行重大指标的预言和估值,从而为政府重大政策出台提供决策支持。3常用的数据挖掘方法 常用的数据挖掘方法主要有:关联分析、聚类分析、预测、时序模式分析 和偏差分析等。
3.1传统分析方法 抽样技术、多元统计分析和统计预测方法等。
3.2决策树 对数据进行划分建立树状图,用树形结构来表示决策集合,可用于分类和预 测,常用的算法有CART、CHAID、ID3、C4.5、C5.0等。
3.3人工神经网络 模拟人的神 3.4关联规则挖掘算法 关联规则是描述数据之间存在关系的规则。首先求出频繁数据项集,再对 频繁数据项集求出关联规则。
3.5最近邻技术 通过已辨别历史记录的组合来辨别新的记录,可以用来做聚类和偏差分析。
4电子政务下的数据挖掘难点 4.1涉及部门广、协调难度大 电子政务建设是一项复杂的系统工程,牵涉的数据范围广、来源多。要保 证数据挖掘的质量,就要提高数据的准确性与全面性,这就需要不同的行政系统间、 不同的职能单位间以及不同的业务部门间建立强有力的工作机制,打破隔阂、高 效配合,分享自身的关键数据,通力合作,实现大部门下的整体数据挖掘。
4.2数据规模大、技术难度高 电子政务飞速发展使数据挖掘需要面对着的数据规模更加庞大、数据种类更多、数据之间关系更复杂。目前采用技术手段,通过并行技术处理大规模的数 据,可以获得较高的挖掘效率。目前数据挖掘工具能处理的数据形式非常有限,一 般只能对结构化数据进行处理,对于电子政务系统中复杂的数据形式进行处理难 度很大。
4.3维护成本高,见效周期长 电子政务建设中,数据挖掘不是“一锤子买卖”,需要长时间的数据积累才能 见效。随着数据热点的不断变换、数据分析技术的不断发展以及数据存储设备的 更新换代,数据的维护成本高,且动辄需要数月乃至数年的积累数据才有更大的利 用价值,直接导致数据挖掘的见效周期长,需要领导与专业人员具备足够的耐心。
