岁月如梭，学业如歌，转眼间，三年的吉林大学研究生求学生活即将结束。此刻，我站在毕业的门槛上回首往昔，感慨万千，那种由奋斗和辛劳汇成的为丝丝的记忆，尤如从天而降的雪花，飘飘洒洒，润我求知如渴的心田。
吉林大学军需学院以其优良的学习风气以及严谨的科研氛围教我求学，以其博大包容的情怀胸襟、浪漫充实的校园生活育我成才。值此毕业之际，我谨向所有关心帮助我的老师、同学、同事们表示最诚挚的感谢和衷心的祝愿!
我要感谢我的导师张立芳副教授，三年师缘虽短，但她那渊博的专业知识、严谨的治学态度、朴实无华和平易近人的人格魅力却对我影响深远，导师不仅授我以文，且教我做人，虽历时三载，却赋予我终身受益的无穷之道。 我要感谢吉林大学军需学院的领导和帮助我的老师们，三年院情，暖如母亲怀抱，德如铸造之遥。
我要感谢我的单位辽宁公安司法管理干部学院以及我的处长卢威对我求学以来的支持与照顾，为我提供宽松的学习坏境与更灵活的学习时间。
最后，祝愿所有的老师身体健康、工作顺利、万事如意!
四年的读书生活在这个季节即将划上一个句号，而于我的人生却只是一个逗号，我将面对又一次征程的开始。四年的求学生涯在师长、亲友的大力支持下，走得辛苦却也收获满囊，在论文即将付梓之际，思绪万千，心情久久不能平静。伟人、名人为我所崇拜，可是我更急切地要把我的敬意和赞美献给一位平凡的人，我的导师。我不是您最出色的学生，而您却是我最尊敬的老师。您治学严谨，学识渊博，思想深邃，视野雄阔，为我营造了一种良好的精神氛围。授人以鱼不如授人以渔，置身其间，耳濡目染，潜移默化，使我不仅接受了全新的思想观念，树立了宏伟的学术目标，领会了基本的思考方式，从论文题目的选定到论文写作的指导，经由您悉心的点拨，再经思考后的领悟，常常让我有“山重水复疑无路，柳暗花明又一村”。
感谢我的爸爸妈妈，焉得谖草，言树之背，养育之恩，无以回报，你们永远健康快乐是我最大的心愿。在论文即将完成之际，我的心情无法平静，从开始进入课题到论文的顺利完成，有多少可敬的师长、同学、朋友给了我无言的帮助，在这里请接受我诚挚谢意!
人生的道路有许多的坎坷，不是一条通往光明之路，有痛苦，有伤心，有无助，也有面对一切所不能忍受的，这就是生活。但是生活中确实有许多美好的东西，有些时候你不会看到它的本身的色彩，如果你用这一种方式感受不到的话，不妨换一种方式去感受，也许它正是你所需要的那种生活方式。千万不要放弃生活，你放弃了它，生活也就放弃了你，人生贵在的是感受，会感受才会有幸福，在生活中如果你感受的`多了，那你才会感受到生活中的美好，你才会知道你在前世所选择的是今生的最正确的人生路。
1电子商务中的数据挖掘简介
电子商务中的数据挖掘即Web挖掘，是利用数据挖掘技术从www的资源(即Web文档)和行为(即Web服务)中自动发现并提取感兴趣的、有用的模式和隐含的信息，它是一项综合技术，涉及到Internet技术学、人工智能等多个领域。当电子商务在企业中得到应用时，企业信息系统将产生大量数据，并且迫切需要将这些数据转换成有用的信息，为企业创造更多潜在的利润，数据挖掘概念就是从这样的商业角度开发出来的。
2Web数据挖掘的流程
Web数据挖掘是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取商业决策的关键性数据，可以使企业把数据转化为有用的信息帮助决策，从而在市场竞争中获得优势地位。在电子商务环境下，Web数据挖掘主要分为以下几步:(1)数据收集。首先数据收集主要针对web数据中的服务器数据、用户数据。其中服务器数据是Web挖掘中的主要对象。服务器中承载着用户访问时产生的对应的服务数据，其中包括了:日志文件、cookie文件、数据流。将这些数据进行初步收集，再针对这些数据进行深度分析挖掘。(2)数据选择和预处理。通过数据收集将数据进行分类，根据所需的信息主题对收集的数据进行选择，通过选择相关的数据项缩小数据处理的范围，挑选其中的有效数据进行数据预处理。数据预处理能够提高挖掘效率，为之后的`数据分析提供有效的数据。Web数据中大多数都是半结构或非结构化的，所以对web数据进行直接处理是不可行的。数据预处理能够把半结构或非结构化的数据处理成标准的数据集方便后期处理。(3)模式发现。模式发现是运用各种方法，发现数据中隐藏的模式和规则。通过模式发现技术对预处理之后的数据进行处理得到相应的事务数据库，利用模式发现对数据进行初步挖掘，将预处理下的事务数据转换成可被挖掘的存储方式，通过数据挖掘模式算法对其中有效的、新奇的、有用的及最终可以理解的信息和知识进行挖掘与总结。(4)模式分析。模式分析主要是采用合适的技术和工具，对挖掘结果进行模式的分析，其目的是根据实际应用，通过观察和选择，把发现的统计结果、规则和模型转换为知识，经过筛选后来指导实际的电子商务行为。
3电子商务中的数据挖掘技术
(1)路径分析技术。路径分析主要是对web访问路径进行搜索分析，对于频繁访问的路径进行总结。利用Web服务器的日志文件进行数据分析，对访客次数以及对应路径进行分析挖掘出频繁访问路径。通过数据可以分析出大多数访问者的共同喜好，从而能够帮助电子商务改进web设计以及提供更好更符合客户的服务。(2)关联分析技术。关联技术是通过对数据进行分析寻找出隐藏的数据联系，关联分析可是对单纯的web数据与对应的电子商务进行联系。从而可以在web数据挖掘中得到该商务网站的关联原则和信息。从而更好的使得客户和网站数据有之间的相互联系。(3)聚类分析技术。聚类分析是根据对象进行数据分析了之后，对数据的信息和客户对象之间的关系进行总结。对数据对象进行分组成为多个类或簇，按照数据对象之间的相似度进行划分。(4)分类分析技术。分类分析是通过对数据库中样本数据的分析，对每个类别做出准确的描述或分析模型或挖掘分类规则。分类分析是电子商务中一个非常重要的任务，也是应用最广泛的技术。通过分类自动推导给定数据的广义描述，以便对未来数据进行预测。
4Web数据挖掘技术在电子商务中的应用
(1)制定优质个性化服务。电子商务的发展给了人们更多元化的选择，同时，电商网站经营的商品也在不断增加，在这样多元化的网站结构中想要快速找到符合自己的商品必定会是一个繁琐的过程。然而通过数据挖掘对浏览量、购买力、搜索强度进行合理应用，针对数据分析结果对网站进行制定优质的个性化服务设计，更合理的安排网站中的物品摆放，从而为用户提供更个性化的服务。(2)优化站点设计。Web设计者可通过挖掘用户的Web日志文件，对Web站点的结构和外观进行设计和修改。网站网页的内容设置直接影响网站的访问效率。网站管理员按照大多数访问者的浏览模式对网站进行组织，尽量为大多数访问者的浏览提供方便，给客户留下好的印象，增加下次访问的机率。(3)聚类客户。在电子商务中，聚类客户就是主要的运营策略，可以对客户浏览的信息等内容出发，对客户的共性进行分类，从而让电子商务的运营者能更加全面的了解客户的需要，对网页的内容进行适当的调整，并在多方面满足客户的内在需要，尽最大限度的为客户提供优质的、合适的服务。(4)营销效益分析。利用web数据挖掘对商品访问和销售情况进行有效分析，这样能够确定一些营销及消费的生命周期。再者结合目前的市场变化，针对不同的产品进行定制独特的营销策略。数据挖掘能够有助于提高电商的营销效益。
5结语
综上所述，web数据挖掘在电子商务的应用越来越广泛，web数据挖掘能够在海量数据里挖掘出有用的信息。通过数据处理把握客户动态、追踪市场变化，在激烈的市场竞争中，做出正确的决策。Web数据挖掘在电子商务领域中一定会有广阔的应用前景，它将带领电子商务系统走向更加智能化、使客户服务走向更加个性化。
参考文献:
［1］袁鸿雁．Web数据挖掘技术在电子商务中的应用研究［J］．电脑与电信，20xx(3):23～24．
［2］叶小荣．WEB数据挖掘技术在电子商务中的应用研究［J］．北京电力高等专科学校学报，20xx．
［3］马宗亚，张会彦．Web数据挖掘技术在电子商务中的应用研究［J］．现代经济信息，20xx(6X):395．
［4］邰宇．Web数据挖掘技术在电子商务中的应用研究［J］．中国新技术新产品，20xx(2):21．
题目：大数据挖掘在智游应用中的探究
摘要：大数据和智游都是当下的热点, 没有大数据的智游无从谈“智慧”, 数据挖掘是大数据应用于智游的核心, 文章探究了在智游应用中, 目前大数据挖掘存在的几个问题。
关键词：大数据; 智游; 数据挖掘;
1引言
随着人民生活水平的进一步提高, 旅游消费的需求进一步上升, 在云计算、互联网、物联网以及移动智能终端等信息通讯技术的飞速发展下, 智游应运而生。大数据作为当下的热点已经成了智游发展的有力支撑, 没有大数据提供的有利信息, 智游无法变得“智慧”。
2大数据与智游
旅游业是信息密、综合性强、信息依存度高的产业[1], 这让其与大数据自然产生了交汇。2010年, 江苏省镇江市首先提出“智游”的概念, 虽然至今国内外对于智游还没有一个统一的学术定义, 但在与大数据相关的描述中, 有学者从大数据挖掘在智游中的作用出发, 把智游描述为:通过充分收集和管理所有类型和来源的旅游数据, 并深入挖掘这些数据的潜在重要价值信息, 然后利用这些信息为相关部门或对象提供服务[2]。这一定义充分肯定了在发展智游中, 大数据挖掘所起的至关重要的作用, 指出了在智游的.过程中, 数据的收集、储存、管理都是为数据挖掘服务, 智游最终所需要的是利用挖掘所得的有用信息。
3大数据挖掘在智游中存在的问题
2011年, 我国提出用十年时间基本实现智游的目标[3], 过去几年, 国家旅游局的相关动作均为了实现这一目标。但是, 在借助大数据推动智游的可持续性发展中, 大数据所产生的价值却亟待提高, 原因之一就是在收集、储存了大量数据后, 对它们深入挖掘不够, 没有发掘出数据更多的价值。
信息化建设
智游的发展离不开移动网络、物联网、云平台。随着大数据的不断发展, 国内许多景区已经实现Wi-Fi覆盖, 部分景区也已实现人与人、人与物、人与景点之间的实时互动, 多省市已建有旅游产业监测平台或旅游大数据中心以及数据可视化平台, 从中进行数据统计、行为分析、监控预警、服务质量监督等。通过这些平台, 已基本能掌握跟游客和景点相关的数据, 可以实现更好旅游监控、产业宏观监控, 对该地的旅游管理和推广都能发挥重要作用。
但从智慧化的发展来看, 我国的信息化建设还需加强。虽然通讯网络已基本能保证, 但是大部分景区还无法实现对景区全面、透彻、及时的感知, 更为困难的是对平台的建设。在数据共享平台的建设上, 除了必备的硬件设施, 大数据实验平台还涉及大量部门, 如政府管理部门、气象部门、交通、电子商务、旅行社、旅游网站等。如此多的部门相关联, 要想建立一个完整全面的大数据实验平台, 难度可想而知。
大数据挖掘方法
大数据时代缺的不是数据, 而是方法。大数据在旅游行业的应用前景非常广阔, 但是面对大量的数据, 不懂如何收集有用的数据、不懂如何对数据进行挖掘和利用, 那么“大数据”犹如矿山之中的废石。旅游行业所涉及的结构化与非结构化数据, 通过云计算技术, 对数据的收集、存储都较为容易, 但对数据的挖掘分析则还在不断探索中。大数据的挖掘常用的方法有关联分析, 相似度分析, 距离分析, 聚类分析等等, 这些方法从不同的角度对数据进行挖掘。其中, 相关性分析方法通过关联多个数据来源, 挖掘数据价值。但针对旅游数据, 采用这些方法挖掘数据的价值信息, 难度也很大, 因为旅游数据中冗余数据很多, 数据存在形式很复杂。在旅游非结构化数据中, 一张图片、一个天气变化、一次舆情评价等都将会对游客的旅行计划带来影响。对这些数据完全挖掘分析, 对游客“行前、行中、行后”大数据的实时性挖掘都是很大的挑战。
数据安全
2017年, 数据安全事件屡见不鲜, 伴着大数据而来的数据安全问题日益凸显出来。在大数据时代, 无处不在的数据收集技术使我们的个人信息在所关联的数据中心留下痕迹, 如何保证这些信息被合法合理使用, 让数据“可用不可见”[4], 这是亟待解决的问题。同时, 在大数据资源的开放性和共享性下, 个人隐私和公民权益受到严重威胁。这一矛盾的存在使数据共享程度与数据挖掘程度成反比。此外, 经过大数据技术的分析、挖掘, 个人隐私更易被发现和暴露, 从而可能引发一系列社会问题。
大数据背景下的旅游数据当然也避免不了数据的安全问题。如果游客“吃、住、行、游、娱、购”的数据被放入数据库, 被完全共享、挖掘、分析, 那游客的人身财产安全将会受到严重影响, 最终降低旅游体验。所以, 数据的安全管理是进行大数据挖掘的前提。
大数据人才
大数据背景下的智游离不开人才的创新活动及技术支持, 然而与专业相衔接的大数据人才培养未能及时跟上行业需求, 加之创新型人才的外流, 以及数据统计未来3~5年大数据行业将面临全球性的人才荒, 国内智游的构建还缺乏大量人才。
4解决思路
在信息化建设上, 加大政府投入, 加强基础设施建设, 整合结构化数据, 抓取非结构化数据, 打通各数据壁垒, 建设旅游大数据实验平台;在挖掘方法上, 对旅游大数据实时性数据的挖掘应该被放在重要位置;在数据安全上, 从加强大数据安全立法、监管执法及强化技术手段建设等几个方面着手, 提升大数据环境下数据安全保护水平。加强人才的培养与引进, 加强产学研合作, 培养智游大数据人才。
参考文献
[1]翁凯.大数据在智游中的应用研究[J].信息技术, 2015, 24:86-87.
[2]梁昌勇, 马银超, 路彩虹.大数据挖掘, 智游的核心[J].开发研究, 2015, 5 (180) :134-139.
[3]张建涛, 王洋, 刘力刚.大数据背景下智游应用模型体系构建[J].企业经济, 2017, 5 (441) :116-123.
[4]王竹欣, 陈湉.保障大数据, 从哪里入手?[N].人民邮电究, 2017-11-30.
０引言
随着我国信息化建设进程的不断推进，许多高校都已经建立起各类基于业务的数据库用于日常管理，作为应用广泛的新兴学科，数据挖掘技术在高校教育信息化中的应用前景较好，为高校的管理、建设、服务过程的绝学提供了全新而科学的分析途径。在新形势下，高校学生思政管理工作面临着巨大挑战，所以适时不断调整思想工作的途径，加强先进经验的交流，可以有效的提高高校思政工作的效果，对此，本文借助数据挖掘技术进行尝试，通过聚类结果分析，所挖掘到的信息对学生工作具有一定的参考价值。
１数据挖掘技术在思想政治教育中的实际应用
２数据挖掘技术在思政教育工作中具体方案实施
２．１确定数据挖掘对象收集并整理某大学２０１７年“辅导员工作考核量化表”，整理其中关于辅导员教育管理的１２０张考核量化表，尝试解答高校思政教育中存在的问题，经过对有价值数据的挖掘，得出结论为教学管理带来有效的指导价值。２．２数据采集从学校学生工作处，搜集２０１７年度“辅导员工作考核量化表”。２．３数据预处理“辅导员工作考核量化表”要求辅导员在“坚持标准，奖惩分明，客观公正的对待每一位学生。”“认真做好勤工助学活动。”“正确分析学生的思想动态”等几个指标项目中，根据辅导员的实际工作表现，划分为“优秀、良好、合格、较差、差”五等类型等级。最终获得比较完整的考核记录工作考核量化表１１７张。２．４数据转换在工作考核量化表中考核等级的`项目共１５项，如何将数据合成到一个聚类分析的模式中非常关键，按照“管理态度”“管理能力”“管理方法”“管理效果”四方面属性来对工作考核量化表中的数据进行重新组合：其中“管理态度”＝（坚持标准＋与同学之间感情融洽＋言谈得体＋办事客观）／４“管理能力”＝（准确掌握贫困生情况＋准确掌握特殊群体＋严格教育与查出违纪学生＋胜任工作＋组织学生做好评优工作）／５“管理方法”＝（每周３次以上探入班级宿舍＋积极参加检查学生早操＋学生奖学金发放到位＋有准备的与学生谈话＋检查宿舍卫生）／５“管理效果”＝（积极参加团活班会＋课下了解学生思想状况＋评论与建议）／３通过以上处理，可以将工作考核量化表关系到的十五个考评等级统一演化到四个属性中。然后针对１１７份数据样本信息的４个属性采取聚类挖掘的方法进行研究。通过样本预处理得到数据样本.２．５数据聚类挖掘数据的聚类挖掘采用划分方法中的经典算法Ｋ均值以及Ｋ中心点算法，其中Ｋ代表类别个数（Ｋ＝３），主要挖掘思路为：将ｎ个对象划分为Ｋ个簇，使同一簇中的对象具有较高的相似度，Ｋ均值算法主要是使用簇中对象的平均值作为参考值。Ｋ均值算法的复杂度可以通过进一步计算得出Ｏ（ｎｋｔ），ｎ代表簇的数量，ｔ代表反复迭代的次数，在一般情况下，ｋ与ｔ都会远小于ｎ。针对所要分析的数据样本，四类属性都是通过数据转换而得到的，所要的数据都是算术平均值，所以产生孤立点的可能性非常小，最终选用Ｋ均值的算法来运用于本研究的数据聚类中。一般情况下，Ｋ均值算法当局部取得最优解时会终止，所以一定要对数据样本进行改进，考察数据样本信息的综合比例分布情况，采取进一步措施对Ｋ均值算法进行改进得到三个等级样本，３数据挖掘算法流程３．１算法实现的流程算法实现流程。在Ｋ均值算法中，函数ＬｏａｄＰａｔｔｅｒｎｓ的作用主要是将数据信息装载到程序中，目的是为了从数据库文件中读取相关信息，并且将文件中的数据转换成样本数组。函数ＲｕｎＫ－Ｍｅａｎｓ（）的作用是算法的主程序，将所有对象同簇中心距离进行对比，然后将对象划分到最近的簇中。函数Ｓｈｏｗ－Ｃｅｎｔｅｒｓ（）代表算法所描述的聚类中心。函数ＳｈｏｗＣｌｕｓｔｅｒｓ（）表示样本的标识符号［４］。３．２主控程序ＲｕｎＫＭｅａｎｓ（）的调用从而找到最短距离的簇，然后运用ＤｉｓｔｒｉｂｕｔｅＳａｍ－ｐｌｅｓ（）将所有对象划分到最近的簇当中，算出所有簇中对象的平均值，作为新的质心，如果所有新的质心不发生改变，则聚类结束。
3聚类结果分析
本文运用Ｋ均值算法对１２０个数据通过数据转换得到的样本数据进行分析，对管理态度、管理能力、管理方法、管理效果４个属性进行数据挖掘聚类，设置初始ｋ值为３，最终挖掘到的结果.根据以上结果，每个簇所包括的数据样本最后的比例分布范围如下：簇１（较好）共计３６个样本，删除定义样本，剩余３５个数据样本，占３５／１１７＝３０％。簇２（中等）共计７４个样本，删除一个标准样本，剩余７３个数据样本，占７３／１１７＝６２％。簇３（较差）共计１０个样本，删除一个标准样本，剩余９个数据样本，占９／１１７＝８％“管理态度”＝０．７７＊３０％＋０．６１＊６２％＋０．３１＊８％＝０．６３４“管理能力”＝０．７７＊３０％＋０．５７＊６２％＋０．３１＊８％＝０．６０９２“管理方法”＝０．７４＊３０％＋０．５４＊６２％＋０．２８＊８％＝０．５７９２“管理效果”＝０．７９＊３０％＋０．５６＊６２％＋０．３０＊８％＝０．６０８２从总体得分由高到低排序为：管理态度、管理能力、管理效果、管理方法。总体上证明该校的思政管理水平属于中等偏上的。
４总结
参考文献
［１］刘强珺，丁养斌．基于数据挖掘技术的高校思政教育管理研究［Ｊ］．电子测试，２０１５（１）：１０１－１０３．
［２］范宸西，韩松洋．思想政治教育在高校内涵式发展中的重新定位［Ｊ］．_珠海市委党校珠海市行政学院学报，２０１５（４）：５０－５４．
［３］吴小龙，张丽丽．大数据视角下高校思想政治理论教育创新［Ｊ］．江西理工大学学报，２０１７（８）：２０－２３．
［４］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（５）：１５９．
［５］舒正渝．浅谈数据挖掘技术及其应用［Ｊ］．中国西部科技，２０１０（２）：１４８－１５０．
首先我要感谢我的两位导师——周晶教授和慕洪生副总工程师。周老师严谨的治学态度、渊博的理论知识、深厚的学术造诣以及平易近人的作风让我心怀感恩，是我工作和学习的榜样!同时我要感谢吉林省水利水电勘测设计研究院的副总工程师慕洪生教高给予我的耐心指导，慕总对我的关怀和教诲我将铭记在心。在此，向两位恩师表示我最诚挚的敬意和感谢!
此外，感谢参与论文评审和答辩的各位老师，他们给了我一个审视三年来学习成果的机会，祝愿你们工作顺利。
最后，我要感谢我的父母，他们是我求学路上的坚强后盾，他们对我无私的爱与照顾是我人生不断前进的动力，感谢父母对我的包容和支持!我将在日后的学习和生活中把感恩之心化作动力，回报社会。祝福我的亲人、老师和同学们，一生幸福。
