数据挖掘在电子政务中的应用

王 昭

(中国人寿保险股份有限公司河北省分公司，河北石家庄 050000)

随着近年来网络的普及和应用，电子政务已经被越来越多的企事业单位、政府机构所应用。然而海量的信息使得用户难以快速找到需要的信息，因此如何根据用户的访问兴趣来进行个性化推荐，更加有针对性的满足用户的需求，从而提供个性化服务变得非常重要。数据挖掘(Data Mining，DM)是从大量模糊的、不确定的、不完全的数据中揭示隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析用户数据，做出归纳性的推理，从中挖掘出潜在的、有意义的模式。关联规则是数据挖掘中比较重要的一种算法。它通过挖掘数据项集之间的潜在关系，从在大量数据中发现有用的知识，这些知识对于用户分析、知识分类、个性推荐等决策的制定起到了很大的作用。本文针对电子政务系统的个性化推荐服务的弊端，提出利用数据挖掘中关联规则及其改进算法实现个性化推荐，以提高电子政务应用效率。

1 关联规则算法

关联规则挖掘是从大量数据项中发现有趣的关联或相关联系。设I={i1，i2，…，im}是项的集合，其中的元素称为项(item)。记D为交易T的集合，这里交易T是项的集合，并且T⊆I。对应每一个交易有唯一的标识，如交易号(TID)。设X是一个I中项的一个集合，如果X⊆T，那么称交易T包含X。

一个关联规则是形如X⇒Y的蕴涵式，这里X⊆I，Y⊂I，并且X∩Y=Φ。规则X⇒Y在事物数据库D中的支持度(support)是事物集中包含X和Y的事物数与所有事物数之比，记为support(X⇒Y)，即

规则X⇒Y在事物集中的可信度(confidence)是指包含X和Y的事务数与包含X的事物数之比，记为confidence(X⇒Y)，即:

2 关联规则在电子政务网站中的应用

用户使用电子政务系统都会有相对固定的浏览路径。每个浏览路径都代表了一个完整的用户行为，从用户角度看，这些浏览路径满足了用户这次的办公或查询需求，而从政府管理部门的角度看，这些浏览路径有可能被再一次同时点击。当然仅仅通过一个用户行为所反映出来的信息关联不具有普遍性，但是通过大量的用户行为分析，就可以整理出那些隐藏在大量数据中令人感兴趣的联系，从而展开各种个性推荐。

所谓关联，可以理解为用户行为中出现的所有点击路径，因为这些点击路径出现在同一个用户行为中，我们就可以认为这些点击中具有某种联系。关联规则就是发现的联系，可以用规则A→B(S，C)的形式表示，也就是说，用户一旦点击了A功能或信息，他极有可能会点击B功能或路径。支持度和置信度就是衡量指标，是用来描述规则强度的，支持度代表事件发生的频率，支持度很低也就是意味着这种事件只是偶尔发生，是个小概率事件，因此，对于关联分析的第一步，就是用支持度过滤掉那些偶然事件。置信度代表着利用这个规则进行推理的可信程度。置信度越大，表示可能被关联点击的程度越高。

说的简单一点，关联规则就是在给定的事务集中，挖掘出支持度(support)和置信度(confidence)分别大于用户给定的最小支持度(minsupp)和最小置信度(minconf)的规则。

3 实例分析

本文以某电子政务网站为例，利用关联规则算法进行分析。因为系统数据库数量比较大，本文只选取其中的一部分数据进行分析。用户行为路径数据如表1所示，其中ABCDEF分别代表不同信息的路径，设 minsup=0.5，minconf=0.5。关联规则挖掘过程主要包含两个阶段:第一阶段利用支持度寻找频繁项目集，第二阶段再由这些频繁项目集产生关联规则。

首先对表1中的相关数据进行挖掘，得到候选1项集如表2所示。

其中第一条记录A的支持度为0.75，这是因为在表1中共有3条记录包含A，表1中共有4条事件记录，所以A的支持度为3/4=0.75，大于预设的最小支持度0.5，所以保留A作为频繁1项集中的一条记录。表2中的其它记录也可以类似得到。对候选1项集C1的筛选，可得频繁1项集L1。

对频繁1项集分析很简单，却提供了很多有价值的信息，可以对那些初次到访的用户提供热门的内容推荐。除了提供热门信息列表，频繁1项集分析根据支持度过滤掉了非热门信息，减少了做对频繁2项集分析的运算量。

频繁1项集L1经过“连接”和“剪枝”，得到候选2项集C2。如表4所示。

因为最小支持度是0.5，所以舍弃所有支持度小于0.5的项集，只剩下了A－＞C，并且所有出现了A的三个订单中，同时出现C的有两个，因此置信度是2/3=0.67。

表1 用户行为路径数据表

表2 候选1项集C1

表3 频繁1项集L1

表4 候选2项集C2

A－＞C的支持度等于0.5，也就是说在所有的用户行为信息中，至少有50%的行为信息出现了A和C被同时点击。而Confidence=0.67则说明在所有点击A的行为信息中，至少有67%的行为会同时点击C。因此，今后若有某用户点击了A，电子政务系统将同时推荐C。因为历史交易数据告诉我们，大部份点击A的用户行为中，会同时点击C。

5 结论

本文利用数据挖掘的关联规则算法对用户访问信息进行挖掘，有效的实现了电子政务的个性化推荐，达到了预期的效果。

［1］Agrawal R，Imielinski T，Swami A.Mining association rules between sets of items in large database［C］∥In Proc.1993 ACM － SIGMOD Int.conf.Management of Data(SIGMOD’93).Washington，DC:［s.n.］，1993:207-216.

［2］刘晶.基于数据仓库的高校图书馆管理的设计与实现［J］.图书情报工作，2009.15(53).126-128.

［3］刘晶，朱清香，梅群，张蕾.一种基于单处理机的并行关联规则算法及其在数字图书馆中的应用［J］.图书情报工作，2011，7(55):114-117.

［4］刘晶，杨万成.基于简易聚合技术对电子商务个性检索的应用［J］.计算机工程与设计，2008.29(1):173-174.