论文数据收集和分析方法 数据挖掘期末论文

论文数据收集和分析方法 数据挖掘期末论文

四年级数学书-清明节在几月几日

浅谈网络教学平台下的数据挖掘技术[5篇]

第一篇：浅谈网络教学平台下的数据挖掘技术

浅谈网络教学平台下的数据挖掘技术数据挖掘技术的基本认识

数据挖掘(DataMining)，就是从大量数据中挖掘以及抽取出有用

的数据知识。数据挖掘技术，可以在大量的数据中，以及信息不完全

的海量碎片式信息中，挖掘出隐含在其中的有用信息数据;同时也可以

避免在数据决策过程中的噪声影响，能够精确挖掘数据，将具有潜在

关联的数据组合在一起，整理集合对决策有用的信息资料。在数据挖

掘技术之中，通常可以依据关联规则、分类技术、预测技术等，实现

对有用数据信息的挖掘。在网络自主学习平台中，应用数据挖掘技术，

可以发挥积极应用价值。

网络教学平台用户的学习需求

设计基于数据挖掘技术的网络教学平台，提供基于网络的浏览教

案、知识点;收看微课、视频;还可进行信息检索、下载保存、提交作业、

在线测试，满足对学生个性化网络教学服务需求。除了这些日常教学

功能外，还可以通过数据挖掘分析教学平台服务器日志数据，挖掘有

用教学信息数据，以图文界面形式，将数据挖掘分析结果反馈给用户，

提升该教学平台设计性能，满足学生对该平台的应用需求。数据挖掘

技术基础上的网络教学平台优化设计

3.1总体设计结构

基于数据挖掘技术，设计网络教学平台，可以从学生、数据挖掘、

教师三个基本模块出发，优化网络教学平台结构设计，以确保该网络

教学平台符合实际需求。典型网络教学平台的总体结构如下图所示：

在网络教学平台中，应用数据挖掘技术，更好的评估学生对该平

台的喜好，优化平台教学策略，能有效增强学生的学习兴趣，提高了

学生的自学能力，培养学生主动性学习能力。

3.2功能设计

(1)学生模块的功能：可以获取学生的基本状况、学习路劲与行为，

分析学生的学习现状，并准确判断出学生在网络教学平台中各学习特

征。

(2)教师模块的功能：确保教师可进行“课程资料管理”，同时能

够在线进行相关课程信息的编辑，并应用论坛管理模块完成教学平台

中师生互动行为。

(3)数据挖掘模块功能：根据所采集数据构建学生特征库，并分析

处理数据。

3.3数据挖掘--论文快速发表绿色通道—期刊之家网

发表流程：收稿---稿件初审---商定期刊---杂志社审稿---办理定

金---修改定稿---确认---付余款---杂志社发采稿通知---发表见刊---

接收期刊样册---知网收录论文刊发时间：从收到论文版面费起3-4个

月(特殊情况除外)，针对需要快速发表的作者提供绿色通道服务。本站

声明：期刊之家网与多家医学期刊结成了学术联盟，如果您有发表中

国科技论文统计源期刊(中国科技核心期刊)、中文核心期刊、SCI收录

期刊的需求，以及对于需要论文发票的作者可以与我们联系

1、学术期刊论文发表时间安排等相关咨询联系杨老师QQ：

2926870355/2012730281

2、不违反宪法和法律，不损害公共利益。

3、是作者本人取得的原创性、学术研究成果，不侵犯任何著作权

和版权，不损害第三方的其他权利；来稿我方可提供“中国知网期刊

学术不端文献检测系统”检测，提供修改建议，达到文字复制比符合

用稿标准，引用部分文字的在参考文献中注明；署名和作者单位无误。

4、本站初审周期为2－5个工作日，请在投稿3天后查看您的邮

箱，收阅我们的审稿回复或用稿通知；若20天内没有收到我们的回复，

稿件可自行处理。

5、按用稿通知上的要求办理相关手续后，稿件将进入出版程序；

6、杂志出刊后，我们会按照您提供的地址免费奉寄样刊。

7、未曾以任何形式用任何文种在国内外公开发表过。

8、切勿一稿多投，稿件一律不退，请自留电子稿。

应用数据挖掘技术，可以有效识别在网络教学平台中不同学生群

体的特征，并根据关键特征对学生群体进行划分，把大多数学生的学

习行为、认知进行分类，分析每类学习行为的特性，增强对学生个性

的认知。具体如下：

(1)学生网络学习行为与学习效果的关联分析：通过挖掘学生相关

网络学习行为与考试成绩数据，反映两者之间的关系，给教师、学生

提供借鉴。通过分析，让教师们充分了解不同学生的学习情况及特点。

(2)学生网络学习行为的聚类分析：由于学生个体之间存在极大的

差异性，学生的学习兴趣不同，学生网络学习行为不同，并且学生对

知识的需求也是不同的;学生可以在网络教学平台中，在线进行教学主

题讨论，根据学生读帖次数、发帖次数、频率、时间等因素，应用聚

类分析的方法，挖掘网络学习行为规律;根据学生实时学习(使用工具、

交流时间、交流对象、交流内容)状况，可以预测在网络环境下什么样

的学习行为是有效的。

网络教学平台下的数据挖掘技术应用策略

4.1收集相关数据

在进行网络教学过程中，平台会记录大量的信息数据，供数据挖

掘分析使用。本案例选取本校学生在2016年1月份通过网络教学平

台参加计算机基础考试的成绩作为数据源。

4.2数据预处理

数据挖掘中需要进行冗余数据的清除，修复缺失的数据信息。根

据挖掘目的和需要，在网络教学平台学生原始数据表的基础上建立数

据库。该部分的目的在于，通过数据挖掘技术，对学生在网络教学平

台中的主要网络学习行为或者网络练习环节与学习效果之间的关系进

行分析，找出对学习效果影响较大的学习行为。

4.3模式识别

对预处理得到的网络教学数据，采用数据挖掘的方法进行数据分

析，挖掘数据之间存在的关联规则，制定出符合该平台进行网络教学

管理的挖掘算法。通过关联或决策规则，了解在网络教学平台中各种

学习行为之间的关联性，分析其对学生学习成绩的影响程度;通过数据

挖掘技术还可以分析出学生之间的特征，做好前期的网络教学平台教

学设计工作，为优化网络教学策略提供参考依据。对照学生成绩表，

为了进行有效的分类，对各项数据变量进行离散化处理。

4.4模式分析

模式分析阶段可以解释以及评估数据挖掘的结果，清除那些无用、

冗余、错误的信息知识，并且将感兴趣的信息转化为规则模型，供网

络教学管理者进行教学决策管理。本案例选择MicrosoftSQLServer

2008的决策树算法对网络教学平台数据进行挖掘。将总分(total)作为

主要预测对象，选择题(XZT)、WIN、WORD、EXCEL、PPT和网络

题作为输入对象，建立决策树分类模型。

基于数据挖掘技术分析，EXCEL属性与total(总分)属性依赖关系

最强，其次是WORD属性，再次是(网络题)，最后是PPT和XZT(选

择题)，WIN由于操作题目比较简单，平均考分较高，所以图中显示

WIN属性与total(总分)属性没有依赖性，由此提醒教师和学生要注意

教学目标重点，从而促进教学质量整体提升。

4.5教学实践应用

结合教学实际，学生普遍认为EXCEL操作难度较大，也验证了数

据挖掘分析结果。在网络教学平台中，应用数据挖掘技术，可以提高

网络平台对学生学习过程的监控能力，能追踪学生的各项网络学习活

动及在活动中花费的时间等。增强对网络学习过程数据的收集功能，

以及增强网络学习平台的统计分析功能。教师应该充分发挥在网络教

学中各主导作用，引导学生积极练习重难点;同时可以在该网络教学平

台中，设计分层次的网络教学资源，以便可以满足教学中不同层次学

生对于网络教学的学习需求，也可以全面提升网络平台的教学质量。

结语

综上所述，在当前网络教学改革实践过程中，随着网络教学平台

的应用普及，教学平台处理数据量急剧增加，各类平台用户本身具备

差一定异性，应用数据挖掘技术，可以挖掘网络教学平台中有用信息，

用于改善用户自主应用该平台学习体验，提升学习者学习积极性。同

时在网络教学平台中，应用数据挖掘技术，通过网络教学平台学生数

据进行分析，可以找出影响学生网络教学成绩的关键环节及知识点，

为今后教师调整网络教学平台教学重点提供理论参考依据，发挥积极

影响价值。本文研究了网络教学平台中数据挖掘技术的应用，并为之

提出优化策略，以供参考。

第二篇：构建网络平台下的作文教学

构建网络平台下的作文教学

青云里小学邢砚秋

（2004年获秦皇岛市信息技术教育教学优秀论文）

网络是虚拟的现实,在网络世界里,可以构建虚拟和显示相结合的学

习环境.网络环境也同样影响着这个时代的学生,他们所听到的、看到的、

想到的和感受到的与网络环境息息相关，因此，我们可以利用网络环

境为作文教学服务，信息技术应用与作文教学培养了学生独立进行快

速作文的能力，提高了作文教学的效率，提高了学生的语文综合能力，

作文教学是语文教学的一个重要环节，作文水平的高低很大程度上反

映学生综合能力的水平。

一、利用网络平台激发学生写的欲望。

小学生的思维是以形象思维为主，他们对生动的画面、动听的声

音和新奇的事物特别感兴趣，在利用多媒体计算机教学网的作文教学

中，把被观察的对象在每个学生桌上的电子计算机播放，吸引了学生

的注意力，进而促使他们积极主动的去观察，并激发起写作的兴趣，

产生写作的欲望。教师及时指出写作要求，指导学生观察的方法，学

生必须把事物看仔细、看清楚并认真考虑，才能写得好，这样就有效

地强化训练了学生的观察。网络传递信息的及时性，使坐在学校里的

学生真正可以“秀才不出门尽知天下事”，教师应该有意识的引导学

生关注生活热点，引起学生的思考，激发其写作的动机。伊拉克战争、

北京奥运会、抗击非典、股市信息等等已经发生和将要发生的事，人

们很难对这些发生在千里之外却宛如近在身边的事无动于衷，置身这

些轰轰烈烈或者那些引人深思的环境中又怎能不引发写作的冲动呢？

二、利用网络平台为学生提供丰富的写作材料

对于实践性很强的作文教学更是如此，以往，我们鼓励学生订阅

各种作文报纸、杂志以汲取作文营养，学生获益非浅。但是，对比网

络来说，报纸、杂志仅是一座座小岛，网络则是大海。伊拉克战争时

期，我组织学生观看战事，并且要求他们结合网络上搜索到的评论信

息，写观看日记。学生也学会了关注网络中关于国家大事的新闻评论，

并且及时地反映到作文中来，在奥运会会徽揭晓的那天晚上，学生激

动地写下了《东方神韵》、《我为你自豪！中国》„„网络是信息的海

洋，在这里我们可以找到我们需要的一切，丰富的网络信息资源使学

生再也不必为“无米之炊”犯愁了。

三、利用网络的交互性促进学生交流。

网络是交互的平台，写作实际上是一种交流手段。教学中将教学

意图及时地传到学生机器中，学生将自己信息及时发到校园论坛中反

馈回来，教师和学生之间增加了一个媒介——计算机，信息反馈的渠

道就从双向变为多向。教师出题后，让学生在网络上筹集有关素材或

范文，并在电脑上完成习作，然后自己首先修改，觉得比较满意时存

盘发表。再叫同学间通过论坛互相修改评价（俗称灌水），既锻炼了

写作能力又增强了学生对其他文章的评价能力，网络平台下的作文修

改变得异乎寻常的轻松，只需在需要修改的地方直接修改就可以了，

大家减轻了无效劳动，同时又允许同伴修改，使得作文互助成为及时

有效的方式。利用网络激励学生进一步创作的欲望。网络环境下的作

文教学使得评价主体、评价内容、评价手段产生了根本的变化。这种

写作教学的评价的主体将更为多元、评价的内容更为丰富灵活，评价

手段方法进一步多样化。传统作文教学的教师评改、同学互改、学生

自改等手段在网络环境下获得了新的拓展。直接建立与网络空间的每

位学生的作文都将置于其他学习伙伴的目光之下，从而使作文教学由

原来的一对一关系变成了多对多关系。

四、网络评析，总结提高。

多媒体网络环境中的作文教学最突出的优点就是让学生进行大面

积的评议和修改作文，这样教师可以利用网络系统监空学生的习作，

发现问题可以与学生通过语音直接对话，也可以在其习作上进行修改，

这样既不影响其他学生，又能达到个别辅导的效果。同时教师可以利

用网络实施转播，每一位学生的习作，集体评议优秀习作或描写较差

的习作，这样让学生了解到作文哪里写得好？哪里写的不好？又该怎

样去修改？从而提高学生的写作水平。同时，教师要根据学生文章和

听到的评议，做出恰当的引导总结，让学生写作能力有所提高。

网络环境中新型作文模式能培养学生良好的思维习惯，激发学生

的写作兴趣和写作欲望，充分调动学生的积极性和主动性。充分利用

多媒体网络这一现代教育手段，学生的写作水平将会不断提高，网络

将作为作文教学注入新活力，开展新天地。

在语文课堂教学中，由于我们始终坚持和强调学生对知识的主动

探索、主动发现和对所学知识意义的主动建构，其结果，不仅学生的

语文总体水平得得到了明显的提高，而且学生对语文学习态度和学习

兴趣也同样表现出了比以往更积极的倾向，实现了认知与情感的同步

发展，为学生素质的全面提高奠定了重要的基础。

第三篇：电力企业文本数据挖掘技术探究教学论文

摘要：在国家电网公司信息化工程的建设过程中，积累了大量的

文本数据。如何挖掘文本数据中蕴含的有价值信息将成为电力企业大

数据挖掘方向研究的重点对象。文章结合电力行业目前的数据现状，

使用文本挖掘的方法对电力设备检修资金投入工作效能场景进行挖掘，

对生产信息管理系统中报缺单数据进行文本聚类，实现对缺陷的细分。

实践表明，该方法可以得出各类别的缺陷特征，从而证明了文本挖掘

在电力行业的可用性。

关键词：电力设备检修；文本数据；文本挖掘；大数据挖掘

随着信息化的快速发展，国家电网公司各专业积累的数据量越来

越庞大。庞大数据的背后，由于数据结构和存储方式的多样化以及电

力系统内部不同专业从业者的知识面层次不齐等，其中被利用的数据

只占少量的部分，造成大量的有价值数据被浪费。在被浪费的数据中，

以文本形式存在的数据占很大比重，如何从比较复杂的文本数据中获

得需要的数据受到国家电网公司的普遍关注。国家电网公司经过

SG186、三集五大等大型信息化工程的建设，积累了海量的业务数据，

其中包括大量的文本数据。目前，国家电网公司对业务数据的利用主

要集中在结构化数据的统计和分析，这些方法无法直接应用在非结构

化文本数据中，更无法对其中隐含的价值规律进行深度分析挖掘。针

对非结构化文本数据量不断增大、业务应用范围不断扩大这一现状，

为了提升国家电网公司企业运营管理精益化水平，需要进一步挖掘非

结构化数据中潜在的数据价值。因此，开展电力大数据文本数据挖掘

技术应用场景和一般流程的研究显得尤为重要[1]。

1非结构化数据概述

与结构化数据（能够用二维表结构遵循一定的逻辑语法进行体现

的数据）相比，非结构化数据不能在数据库中采用二维结构逻辑形式

来表示，这些形式主要有Word文档、文本、图片、标准通用标记语

言下的子集XML、HTML、Excel报表、PPT、Audio、Video、JPG、

BMP等。半结构化数据处于完全结构化数据（逻辑型、关系型数据库

中的数据）和完全无结构化数据（BMP、JPG、Video文件）中间，

它一般的功能是对系统文件的描述，如系统应用帮助模块，有一定的

逻辑结构，同时也包含数据格式，两者相融在一起，比较均衡，没有

明显的界限[2]。进入21世纪后，网络技术飞速发展，特别是内联网和

因特网技术取得突飞猛进的发展，各类非结构数据类型格式日益增多，

以往的数据库主要用于管理结构化数据，对于非结构化数据的管理稍

显乏力，为了适应非结构数据的迅猛发展，数据库的革新势在必行，

在内联网和因特网技术的基础上，对数据库的内在结构进行改进和创

新，使其能够兼容和处电力信息与通信技术2016年第14卷第1期8

电力大数据技术理非结构数据形式。北京国信贝斯是我国非结构化数

据库开发和设计的领军者，其旗下开发的IBase数据库能够兼容和处

理目前市面上存在的各种文件名、格式、多媒体信息，能够基于内联

网和互联网对海量信息进行搜索、管理，技术已经达到全球领先水平。

2文本挖掘技术

2.1文本挖掘

文本挖掘的对象是用自然语言描述的语句、论文、Web页面等非

结构化文本信息，这类信息无法使用结构化数据的挖掘方法进行处理；

文本挖掘指通过对单个词语和语法的精准分析，通过分析结构在海量

的非结构化数据中检索意思相近的词语、句子或者信息[3]。

2.2文本挖掘流程

挖掘流程如图1所示。图1挖掘流程Fig.1Miningprocedure1）

文本预处理：把与任务直接关联的信息文本转化成可以让文本挖掘工

具处理的形式，这个过程分3步：分段；预读文本，把文本特征展现

出来；特征抽取。2）文本挖掘：完成文本特征抽取后，通过智能机器

检索工具识别符合主题目标的文段信息，在海量信息或者用户指定的

数据域中搜索与文本预处理后得出的文本特征相符或相近的数据信息，

然后通过进一步识别和判断，达到精确检索的目的，这是一个非常复

杂的过程，纵跨了多个学科，包括智能技术、信息技术、智能识别技

术、非结构数据库技术、可视化技术、预处理技术、读码技术等。3）

模式评估：模式评估是用户根据自己的需求主题设置符合自己需求主

题或目标的模式，把挖掘到的文本或信息与自己设置的模式进行匹配，

如果发现符合主题要求，则存储该数据和模式以方便用户调用，如果

不符合，则跳转回原来的环节进行重新检索，然后进行下一个匹配过

程的模式评估。

2.3文本挖掘技术分析

解决非结构化文本挖掘问题，现阶段主要有2种方法：一是探索

新型的数据挖掘算法以准确挖掘出相应的非结构化数据信息，基于数

据本身所体现的复杂特性，使得算法的实施愈加困难；二是把非结构

化问题直接转换成结构化，通过实施相应的数据挖掘技术达到挖掘目

的。而在语义关系方面，就要应用到特定的语言处理成果完成分析过

程。下文是根据文本挖掘的大致流程来介绍其所用到的相关技术。

2.3.1数据预处理技术

文本数据预处理技术大致可分为分词技术、特征表示以及特征提

取法。1）分词技术主要有两大类：一种为针对词库的分词算法；另一

种为针对无词典的分词技术。前者主要包含正向最大/小匹配和反向匹

配等。而后者的基础思路为：在统计词频的基础上，把原文中紧密相

连的2个字当作一个词来统计其出现的次数，若频率较高，就有可能

是一个词，当该频率达到了预设阈值，就可把其当作一个词来进行索

引。2）特征表示通常是把对应的特征项作为本文的标示，在进行文本

挖掘时只需要处理相对应的特征项，就能完成非结构化的文本处理，

直接实现结构化转换目的。特征表示的建立过程实际上就是挖掘模型

的建立过程，其模型可分为多种类型，如向量空间模型与概率型等[5]。

3）特征提取法通常是建立起特定的评价函数，以此评价完所有特征，

然后把这些特征依照评价值的高低顺序进行排列，将评价值最高项作

为优选项。在实际文本处理过程中所应用的评价函数主要包括信息增

益、互信息以及词频等。

2.3.2挖掘常用技术

从文本挖掘技术的研究和应用情况来看，在现有的文本挖掘技术

类别中应用较为广泛的主要包括文本分类、自动文摘以及文本聚类[4-

5]。1）文本分类。文本分类是给机器添加相应的分类模型，当用户阅

读文本时能够更为便捷，在搜索文本信息时，能够在所设定的搜索范

围内快速和准确的获取。用于文本分类的算法较多，主要有决策树、

贝叶斯分类、支持向量机（SVM）、向量空间模型

（VectorSpaceModel，VSM）、逻辑回归（LogisticRegression，

LR）以及神经网络等。2）自动文摘。自动文摘是通过计算机技术智能

的把原文的中心内容浓缩成简短、连续的文字段落，以此来尽可能地

降低用户阅读的文本信息量。3）文本聚类。文本聚类与文本分类的作

用大抵相同，所实施的过程有所区别。文本聚类是将内容相近的文本

归到同个类别，尽可能地区分内容不同的文本。其标准通常可以依照

文本属性或者文本内容来进行聚类。聚类方法大致可分为平面划分法

与层次聚类法。另外，除了上述常用的文本挖掘技术，许多研究还涉

及关联分析、分布预测分析和结构分析等。

2.3.3文本挖掘系统模式评估方法

数据挖掘系统的评估是至关重要的，现在已有大量的研究来衡量

这一标准，以下是公认的评估方法。1）查全率和查准率。查全率代表

实际被检出的文本的百分比；查准率是所检索到的实际文本与查询相

关文本的百分比。2）冗余度和放射性。冗余度表示信息抽取中冗余的

程度；放射性表示一个系统在抽取事实不断增多时产生错误的趋势。

最低的冗余度和放射性是系统追求的最终目标。3）双盲测试。先用机

器生成一组输出结果，再由相关专家产生一组输出结果，然后混合2

组输出结果，这种混合后的输出集再交给另一些相关专家进行验证，

让他们给予准确性方面的评估。

3电力行业文本挖掘可研究实例

文本挖掘技术在国内电力行业属于新兴的前沿领域，对从业人员

的素质要求相对比较高。由于现阶段知识和技术层面上匮乏，国家电

网几乎没有关于此方面的项目实施。本节通过2个电力运营监测业务

的应用需求，初步探讨文本挖掘的建模过程。

3.1电力运营监测业务应用需求

1）检修资金投入工作效能分析场景分析。大检修和技改是保障电

网安全的重要工作。由于运检业务系统的数据质量问题，通过对量化

数据的统计，无法准确掌握大修、技改资金投入的工作效能情况。但

设备的实际运行状态可以通过文本类故障记录、运行日志等进行反映，

因此，采用文本挖掘技术对检修工作效能进行分析与可视化展现，同

时结合传统的统计方法，实现对大修技改资金投入工作效能的分析和

监测。例如，可以通过分析历年的故障记录信息，反映出每年主要故

障变化情况，进而结合每年大修技改资金投入情况，分析资金投入是

否与预期目标相一致。2）家族缺陷识别分析。家族缺陷是指同一厂家

生产的同一型号、同一批次的设备在运行过程中出现了相同或相似的

缺陷。家族缺陷识别分析是通过对运行记录、故障记录等设备运行文

本信息的挖掘和可视化分析，对设备家族缺陷进行识别。该场景既可

以辅助基层业务人员对家族缺陷进行准确判断，同时可以作为一种辅

助手段为总部专家判定家族缺陷提供参考，从而实现对家族缺陷辨识

方式的优化，并基于此为检修计划制定、厂商评价、采购建议等提供

决策支撑。

3.2文本分析建模过程

第1步：将原始的非结构化数据源转换为结构化数据，分析文本

集合中各个文本之间共同出现的模式；汇总与家族缺陷相关的所有文

档，形成原始数据源的集合。第2步：对原始数据源的集合进行分词

处理，建立特征集，使用词频/逆文档频率（TermFrequency-

InverseDocumentFrequency，TF/IDF）权值计算方法得到各个点的

维度权值，判断关键字的词频，例如“主变1号”运行记录中多次出

现，但在故障记录中很少出现，那么认为“主变1号”有很好的类别

区分能力。第3步：对分词后的文档建立索引，汇总所有文档的索引

形成索引库，并对索引库排序。第4步：文档向量化；构建向量空间

模型，将文档表达为一个矢量，看作向量空间中的一个点；实际分析

过程中对多维数据首先将其降低维度，降低维度后得到一个三维空间

模型，文档向量化生成文档特征词对应表、文档相似度表。第5步：

结合业务实际，对相似度较高的表中出现的关键字进行比对，例如：

“主变1号”、“停电故障”等关键字在多个日志中频繁出现，则该

文档所记录的相关设备存在异常的可能性较大。

3.3文本分析应用及成效

对生产信息管理系统中报缺单数据中的报缺单名称进行文本聚类，

实现对缺陷的细分，进而对各类别在非聚类变量上进行分析，得出各

类别的缺陷特征。经过近一年以来在国网辽宁电力公司的逐步应用，

科学的分析挖掘出缺陷主要集中在开关、主变、指示灯、直流、冷却

器、调速器等设备，主要出现启吕旭明（1981–），男，河北保定人，

高级工程师，从事电力企业信息化、智能电网及信息安全研究与应用

工作；雷振江（1976–），男，辽宁沈阳人，高级工程师，从事电力

信息化项目计划、重点项目建设、信息技术研究与创新应用、信息化

深化应用等相关工作；赵永彬（1975–），男，辽宁朝阳人，高级工

程师，从事电力信息通信系统调度、运行、客服及信息安全等相关工

作；由广浩（1983–），男，辽宁辽阳人，工程师，从事信息网络建

设、信息安全等工作。作者简介：动、漏水、停机、渗水等缺陷现象。

公司故障处理快速响应、及时维修、提高供电质量和服务效率得到了

显著的提升。电力设备故障缺陷特征示意如图2所示。

4结语

国家电网文本挖掘的目的是从海量数据中抽取隐含的、未知的、

有价值的文本数据，利用数据挖掘技术处理电力公司文本数据，将会

给企业带来巨大的商业价值。本文提出的关于检修资金投入工作效能

分析和家族缺陷识别分析2个文本挖掘实例只是文本挖掘在电力行业

应用的一角。如今，数据挖掘技术与电力行业正处于快速发展阶段，

文本挖掘的应用将越来越广泛。下一阶段的研究目标是探寻有效办法

将数据挖掘技术融入到文本挖掘领域的实际应用中，使得国家电网文

本挖掘项目得以顺利实施，并达到预期成效。

参考文献：

[1]费尔德曼.文本挖掘(英文版)[M].北京:人民邮电出版社,2009.[2]

孙涛.面向半结构化的数据模型和数据挖掘方法研究[D].吉林:吉林大

学,2010.[3]胡健,杨炳儒,宋泽锋,等.基于非结构化数据挖掘结构模型的

Web文本聚类算法[J].北京科技大学学报,2008,30(2):217-

,YANGBing-ru,SONGZe-

feng,tclusteringalgorithmbasedonnonstructuraldata

miningmodel[J].JournalofUniversityofScienceandTechnologyBeiji

ng,2008,30(2):217-220.[4]周昭涛.文本聚类分析效果评价及文本表示

研究[D].北京:中国科学院研究生院(计算技术研究

所),2005.[5]TANPN,STEINBACHM,KUMARV.数据挖掘导论(英文

版)[M].北京:人民邮电出版社,2006.

第四篇：数据挖掘

第4章无监督学习

4.1基本概念

图4.1数据点的三个自然

4.2k-均值聚类

4.2.1k-均值算法

图4.2k-均值算法

计算机组成原理(第三版)

图4.3k-均值算法的运行实例

4.2.2k-均值算法的硬盘版本

图4.4一个简单的k-均值算法硬盘版本

计算机组成原理(第三版)4.2.3优势和劣势

图4.5存在和不存在异常值情况下的聚类

图4.6不理想的初始种子(聚类中心)

图4.7理想的初始种子(聚类中心)4

计算机组成原理(第三版)

图4.8自然(不规则)聚类和k-均值聚类

4.3聚类的表示

4.3.1聚类的一般表示方法

图4.9聚类的规则描述

4.3.2任意形状的聚类

图4.10两个自然聚类以及

计算机组成原理(第三版)4.4层次聚类

图4.11层次聚类的一个例子

图4.12合并层次聚类算法

图4.13合并层次聚类算法的工作

4.4.1单链接方法

图4.14单链接方法的连锁反应

计算机组成原理(第三版)4.4.2全链接方法

图4.15采用全链接方法聚类

4.4.3平均链接方法4.4.4优势和劣势

4.5距离函数

4.5.1数值的属性(NumericAttributes)4.5.2布尔属性和符号属性

(BinaryandNominalAttributes)

图4.16两个只具有布尔属性数据点的混合矩阵

计算机组成原理(第三版)4.5.3文本文档

4.6数据标准化4.7混合属性的处理4.8采用哪种聚类算法4.9聚

类的评估

图4.17带有熵和纯度值的混合矩阵

计算机组成原理(第三版)4.10发现数据区域和数据空洞

图4.18用决策树来区分数据区域和空洞区域

第五篇：大数据时代数据挖掘技术教学研究论文

摘要:随着大数据时代的到来，在大数据观念不断提出的今天，加

强数据大数据挖掘及时的应用已成为大势所趋。那么在大数据教学过

程中，我们必须掌握大数据与数据挖掘的内涵，并对数据挖掘技术进

行分析，从而明确大数据时代下数据挖掘技术的应用领域，促进各项

数据的处理，提高大数据处理能力。

关键词:大数据时代；数据挖掘技术；应用

大数据是对全球的数据量较大的一个概括，且每年的数据增长速

度较快。而数据挖掘，主要是从多种模糊而又随机、大量而又复杂且

不规则的数据中，获得有用的信息知识，从数据库中抽丝剥茧、转换

分析，从而掌握其潜在价值与规律。所以大数据时代下的数据处理技

术要求更高，要想确保数据处理成效得到提升，就必须切实加强数据

挖掘技术教学工作的开展，才能更好地促进数据处理职能的转变，提

高数据处理效率，优化学生的学习成效。以下就大数据时代下的数据

挖掘技术教学做出如下分析。

1大数据时代下数据挖掘技术的基础教学方法分析

数据挖掘的过程实际就是对数据进行分析和处理，所以其基础就

在于数据的分析方法。要想确保分析方法的科学性，就必须确保所采

用算法的科学性和可靠性，获取数据潜在规律，并采取多元化的分析

方法促进问题的解决和优化。以下就几种常见的数据分析教学方法做

出简要的说明。一是归类法，主要是将没有指向和不确定且抽象的数

据信息予以集中，并对集中后的数据实施分类整理和编辑处理，从而

确保所形成的数据源具有特征一致、表现相同的特点，从而为加强对

其的研究提供便利。所以这一分析方法能有效的满足各种数据信息处

理。二是关联法，由于不同数据间存在的关联性较为隐蔽，采取人力

往往难以找出其信息特征，所以需要预先结合信息关联的表现，对数

据关联管理方案进行制定，从而完成基于某种目的的前提下对信息进

行处理，所以其主要是在一些信息处理要求高和任务较为复杂的信息

处理工作之中。三是特征法，由于数据资源的应用范围较广，所以需

要对其特征进行挖掘。也就是采用某一种技术，将具有相同特征的数

据进行集中。例如采用人工神经网络技术时，主要是对大批量复杂的

数据分析，对非常复杂的模式进行抽取或者对其趋势进行分析。而采

取遗传算法，则主要是对其他评估算法的适合度进行评估，并结合生

物进化的原理，对信息数据的成长过程进行虚拟和假设，从而组建出

半虚拟、半真实的信息资源。再如可视化技术则是为数据挖掘提供辅

助，采取多种方式对数据的挖掘进行指导和表达[1]。

2大数据时代数据挖掘技术教学要点的分析

2.1数据挖掘技术流程分析

在数据挖掘教学过程中，其流程主要是以下几点：首先做好数据

准备工作，主要是在挖掘数据之前，就引导学生对目标数据进行准确

的定位，在寻找和挖掘数据之前，必须知道所需数据类型，才能避免

数据挖掘的盲目性。在数据准备时，应根据系统的提示进行操作，在

数据库中输入检索条件和目标，对数据信息资源进行分类和清理，以

及编辑和预处理。其次是在数据挖掘过程中，由于目标数据信息已经

被预处理，所以就需要在挖掘处理过程中将其高效正确的应用到管理

机制之中，因而数据挖掘的过程十分重要，所以必须加强对其的处理。

例如在数据挖掘中，引导学生结合数据挖掘目标要求，针对性的选取

科学而又合适的计算和分析方法，对数据信息特征与应用价值等进行

寻找和归纳。当然，也可以结合程序应用的需要，对数据区域进行固

定，并在固定的数据区域内分类的挖掘数据，从而得到更具深度和内

涵以及价值的数据信息资源，并就挖掘到的数据结果进行分析和解释，

从结果中将具有使用价值和意义的规律进行提取，并还原成便于理解

的数据语言。最后是切实加强管理和计算等专业知识的应用，将数据

挖掘技术实施中进行的总结和提取所获得的数据信息与评估结果在现

实之中应用，从而对某个思想、决策是否正确和科学进行判断，最终

体现出数据挖掘及时的应用价值，在激发学生学习兴趣的同时促进教

学成效的提升。

2.2挖掘后的数据信息资源分析

数据信息资源在挖掘后，其自身的职能作用将变得更加丰富，所

以在信息技术环节下的数据挖掘技术随着限定条件的变化，而将数据

挖掘信息应用于技术管理和决策管理之中，从而更好地彰显数据在经

济活动中的物质性质与价值变化趋势，并结合数据变化特点和具体的

表现规律，从而将数据信息的基本要素、质量特点、管理要求等展示

出来，所以其表现的形式十分丰富。因而在数据挖掘之后的信息在职

能范围和表现形式方式均得到了丰富和拓展，而这也在一定程度上体

现了网络拟定目标服务具有较强的完整性，且属于特殊的个体物品，

同时也是对传统数据挖掘技术的创新和发展，从而更好地满足当前大

数据时代对信息进行数据化的处理，并对不同种类业务进行整合和优

化，从而促进数据挖掘技术服务的一体化水平。

2.3大数据背景下的数据挖掘技术的应用必须注重信息失真的控制

数据挖掘技术的信息主要是源于大数据和社会，所以在当前数据

挖掘技术需求不断加大的今天，为了更好地促进所挖掘数据信息的真

实性，促进其个性化职能的发挥，必须在大数据背景下注重信息失真

的控制，切实做好数据挖掘技术管理的各项工作。这就需要引导学生

考虑如何确保数据挖掘技术在大数据背景下的职能得到有效的发挥，

尽可能地促进数据挖掘技术信息资源的升级和转型，以大数据背景为

载体，促进整个业务和技术操作流程的一体化，从而更好地将所有数

据资源的消耗和变化以及管理的科学性和有效性，这样我们就能及时

的找到资源的消耗源头，从而更好地对数据资源的消耗效益进行评价，

最终促进业务流程的优化，并结合大数据背景对数据挖掘技术的职能

进行拓展，促进其外部信息与内部信息的合作，对数据挖掘技术信息

的职能进行有效的控制，才能更好地促进信息失真的控制[2]。

3数据挖掘技术在不同行业中的应用实践

学习的最终目的是为了更好的应用，随着时代的发展，数据挖掘

技术将在越来越多的行业中得以应用。这就需要高校教师引导学生结

合实际需要强化对其的应用。例如在市场营销行业中数据挖掘技术的

应用这主要是因为数据挖掘能有效的解析消费者的消费行为和消费习

惯，从而利用其将销售方式改进和优化，最终促进产品销量的提升。

与此同时，通过对购物消费行为的分析，掌握客户的忠诚度和消费意

识等，从而针对性的改变营销策略，同时还能找到更多潜在的客户。

再如在制造业中数据挖掘技术的应用，其目的就在于对产品质量进行

检验。引导学生深入某企业实际，对所制造产品的数据进行研究，从

而找出其存在的规则，并对其生产流程进行分析之后，对其生产的过

程进行分析，从而更好地对生产质量的影响因素进行分析，并促进其

效率的提升。换言之，主要就是对各种生产数据进行筛选，从而得出

有用的数据和知识，再采取决策树算法进行统计决策，并从中选取正

确决策，从而更好地对产品在市场中的流行程度，决定生产和转型的

方向。再如在教育行业中数据挖掘技术的应用，主要是为了更好地对

学习情况、教学评估和心里动向等数据进行分类和筛选，从而为学校

的教学改革提供参考和支持。比如为了更好地对教学质量进行评估，

就需要对教学质量有关项目进行整合与存储，从而更好地促进其对教

学质量的评估，而这一过程中，就需要采取数据挖掘技术对有关教学

项目中的数据进行挖掘和处理，促进其应用成效的提升[3]。

4结语

综上所述，在大数据背景下，数据挖掘技术已经在各行各业中得

到了广泛的应用，所以为了更好地满足应用的需要，在实际教学工作

中，我们必须引导学生切实加强对其特点的分析，并结合实际需要，

切实注重数据挖掘技术的应用，才能促进其应用成效的提升，最终达

到学以致用的目的。

参考文献：

[1]李平荣.大数据时代的数据挖掘技术与应用[J].重庆三峡学院学

报,2014,03:45-47.[2]欧阳柏成.大数据时代的数据挖掘技术探究[J].电

脑知识与技术,2015,15:3-4+9.[3]孔志文.大数据时代的数据挖掘技术

与应用[J].电子技术与软件工程,2015,23:195.