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.
(一)实施毕业实习的目的，全面贯彻党的教育方针，加强教育的理论和实践是一个重要的教学质量。要提高毕业实践和调查，这样的实际情况中国的经济发展和广泛的知识，企业改革，并在课堂上的基本理论和专业知识和社会实践中学习，毕业的学生，??和提高的感性大的认识和理解，分析和解决问题的能力，写论文，毕业后，准备必要的材料，为新的工作或学习岗位，打下良好的基础。
(二)本次实习，实习和安排，一些学生实践的重点，其余分散实习，学生和大学学业的学生上山了坚实的实践联系的做法，在其余的学生顶部实习要求，在实习过程中自己的安排。
2，实践八个星期内，直到xx年4月30日，截至xx年2月17日，包括三个星期的社会调查的时间。
1月8-9日，的5,xx,5最后一年学生提供实习机会，潜心修炼的经验教训和共享的经验教训。所有即将毕业的学生必须提交至少有四个：“毕业实习鉴定和分类表”;②实习日记(周日报)(3)毕业实习报告(不少于5000字);④社会调查报告(很多3000字)。
(三)实习内容和实习学生的要求，可以采取的形式的实习教练服务员安排服务员的工作，并根据企业的实际方向。实习生应认真听取介绍，阅读有关材料，了解有关的业务活动的方法和要求，重点掌握的基本过程和企业管理实习的基本方法。可以采取的实践，参与实践和管理研究。参与了这项研究，以便更好地了解在管理实践中的实际情况，实际训练的研究，并做出力所能及的贡献练习。学生使用这种方法可以是行为的社会调查和毕业实习相结合。
3，所有实习学生在实践中期(3月25日 - 4月15日，当地邮戳为准)，你必须作出书面报告(统一发送一般党支部王学圻老师，收到学院工商管理实习工作的领导组)。实习进度和做法，前一段时间安排在后期阶段的书面报告的主要内容。两份报告的撰写毕业实习完成所有实习学生应充分重视。首先，不低于5000字的毕业实习报告。实践，收获，并在实习过程中和与其相关的想法，反映在报告中。学院实习报告必须要首先支付实习分级，不会被评定为“毕业实践第二，不低于3000字，社会调查报告的结果，该研究所将进行社会调查报告根据每个学生的结果进行评估”社会调查显示，在整个实习期间，以确保安全和消除任何人身和财产安全的事件。
6，整个实习期间类必须保持经常性联系(电话号码，及时向班主任)，以确保每一个教师可以在任何时间使用手机上的这一类实习生(四)领导下的实践的组织和领导，医院管??理和党总支，成立由院领导组成，一流的实践领导小组负责，具体工作由王学圻老师，每个老师负责，实习学生在实习期间的所有期必须在领导小组领导下的实习安排，严重顺利完成，在实践中实习的实践中，如果两个或两个以上的学生的做法，应指定一名负责人。
1、数据挖掘技术的概念和实用价值
数据挖掘的概念
所谓数据挖掘，其实就是从大量繁杂的数据中找出对自己发展有益的数据、模型及规律。主要依据事先确定好的商业目标，深入分析和研究各种企业数据，发掘里面隐藏的商业内容，还要在工作中不断提高其科学性。数据挖掘的综合型较强，需要使用诸多专业理论以及技术工具，主要有数据库技术、统计学、机器学习、模型识别、人工智能、神经网络等。
分类
其实质就是对数据进行分门别类。先从数据中挑选出分类完的训练集，然后将其作为依据来设置一个科学的分类模型，还要将杂乱的数据进行综合整理。
估值
估值和分类有很多相同点，其差异在于：分散是对离散型变量进行输出，但估值输出的是连续值，且分类的类别是有数目规定的，但估值却是随意的。
预测
一般情况下，预测要借助分类或估值才能发挥效果，具体说来，就是用分类及估值期间使用的模型来预估未知的变量。检测的目的与其大同小异，但而其结果必须经时间验证，也就是说在很长一段时间后，才可以评估其准确性。
相关性分组或关联规则
要记录好时间类型及发生日期，这样可以为后续的施工提供借鉴。
聚类
就是对各种数据进行整理并且分类，以聚集为类别。两者的主要区别是聚类不需要事先定义好类别，不用借助训练集。
描述和可视化
用归约、概括、图形表示等方式来表示数据。
数据挖掘在电力企业的使用价值
商业领域对于数据挖掘技术的需求较大，因此数据挖掘在多个商业领域得到了大范围的应用。下文便依据电力企业的行业特征来论述一下数据挖掘技术在电力企业中的重要作用。
指导设备更新
在发生了下述两种情况时就要对设备进行更新：首先，电力设施意外毁坏，这便要第一时间更换，一般电力设备监控设施可以检测出这类故障，这样也能够在第一时间进行维修。其次是更换老化的设备，这就需要以经验为依据，例如检查设备的使用年限等，但这种方式并不具有多大的科学性，因为很多设备可能由于保养得当而延长使用年限，如果贸然更换会产生巨大的浪费;还有些设备的使用时间可能不长，但是其性能却已经不满足标准，若不及时更换也会产生巨大的浪费。一般情况下，我们可以借助故障保修、电力耗费及相关电力参数等各种数据来确定电力设备的故障及老化状况，最终确定是否更换设备。
业绩评估
我国的电力企业一直没有一套标准的体系来评价集团公司分公司的成绩。若只评估其所创造的经济利润，则会因各地区的发展有所误差，并且电力行业是与我们的生产生活息息相关的，安全性及其它性能的重要意义远大于利润。但数据挖掘技术却能够综合分析诸多影响因素，通过分析由利润、利润增长率、同行对比、投诉举报、生产成本等数据组成的主题仓库来研究区域或者是自公司的运营情况，并用图表等简洁明了的方式体现出来，为决策提供依据。
指导电力企业的建设规划
最近，我国的广东频繁发生电力供不应求的情况，其主要原因便是没能很好的掌握市场进步的趋势，在电厂的建设及电网建设方面都没能满足市场的需求，这时数据挖掘工作的重要性便得到了很好的体现。将新增用户(报装)、现有用户、用户位置、用户用电量、国家的建设计划等相关资料实行认真的研究分析便可以制定出电力企业的发展计划，有此为指导，才能促进电力行业的飞速发展。
指导电力的生产和购买
我国推出电力企业改革方案后，广东省电力集团便在积极的践行，到01年底已大体完成厂网分离。改革的逐步深化，而言使得我们面临了一些新的问题。例如在电力购买方面，传统的电厂和电网属一个单位，电厂会供给电网充足的电力。可在如今，电网用电时一定要提前购买，但因为电力的鲜明特征即买多少用多少，使得购买时间和购买量无法准确的确定。而借助数据挖掘技术可以很好的解决这一问题。对有关的主体车库进行深入挖掘便可确定需购买的电力总量，并对发电企业的生产计划进行指导。
减少电力损耗，改善电力质量，减少设备损耗
电力产品具有自身的显著特征，主要体现在它不能进行储存，只有按需供给。可是，发电和用电是有着很大差异的，要想保证电力的质量，就必须不断提高设施的安全性，并对其实施科学的调整。现今使用的主要方式是建设蓄能电厂，若电力有多余则要保存起来，等电力供应不足时则用这部分电力，将其进行安排调度并制定合理的疾患，便能实现电力储存技术的灵活调节，实现降低电力浪费，提高电力质量，避免设备的耗损。
2、使用数据挖掘的必要性和可行性
我国电力企业信息化现状使采用数据挖掘技术成为可能
观察以广电企业的现状可以知道，电网的信息化已经有了很大的进步，也就是不再仅仅借助计算机完成统计报表，管理信息也不是单机单项应用工作的时期，其正处在信息化的中级发展环节，企业有自己的局域网，广电集团也已经实现了光纤网的全省覆盖，企业完成信息化之后，能够使内部的管理工作更加高效，如MIS、OA、物资管理、财务管理以及客户服务中心等。能够获得企业的许多基本数据，并使应用平台更加的科学，而企业在进行数据挖掘工作时，便可以将这众多数据作为有效依据。
我国电力企业改革的趋势使采用数据挖掘技术成为必然
我国党政领导集团在积极的转变行业垄断的现状，促进竞争方式的合理化。我国电力企业中已经使用了“厂网分家”模式，这使得发电竞争有了科学的模式，广电集团也已经结束了这部分的工作。接下来便是向电网运转方向转变。为在将来的竞争中保持优势，电力企业一定要尽可能的降低生产经营的成本，这样有利于更好的为客户提供服务，并熟悉自己及竞争企业的实际情况。上述的所有事情，都要使用现代信息技术来解决，而数据挖掘技术又起着极其重要的作用。
3、展望
作为智能系统的心脏，信息通信系统在今后电网业的进步中有着非常积极的意义。现今，我国电网业早已设立了在国内、国际都很先进的'集成系统。三地集中式数据也开始慢慢运转起来，各企业的一级业务面也越来越广，各种数据中心也都开始运转起来，我国电网的数据和种类都开始步入正轨。其“量类时”特征，也在海量、实时的电网业务内有了更大的作用，所以必须对其进行深入研究。
现今，我们通常把电网业务数据归为三种：首先，单位生产的资料，有发电量、电压稳定性等指标等;其次，单位工作中的数据，包括交易价格、用户的需求方面的数据等;最后是单位的管理资料，如ERP、一体化平台、协同办公等方面的数据。我们要熟练了解这诸多数据的特征，然后开展深入的探究，还能推出很多高附加值的服务，这也能促进电网安全性检测的顺利进行，还可以更好的掌控企业的经营、满足用户的需求，使企业的管理水平得到提高。
比如，在设立电力企业的“大营销”模式时，要以满足顾客需求为目标，建立各种服务平台以第一时间满足客户各种需求，如：95588、114等。为了完善服务模式，提高服务质量，应该详细的分析各种数据，使得服务水平和营销能力得到大幅度的提升和改善;分析型数据是进行服务和开展营销的必要前提和重要基础，应该得到足够的重视，对原有的营销组织模式进行查漏补缺，通过借鉴其他单位的成功经验来弥补自己的不不足和缺陷，对各种服务资源进行合理的配置，尽可能让大多数人满意，为了更好的利用数据并提高营销能力，要建立数据监控分析模型;营销数据之间是存在着隐藏关系的，显而易见，这些隐藏信息不容易被发现，为了增强分析数据的全面性、系统性、直观性、便捷性，建立各种系统性算法模型库不仅是极其有必要的，而且是相当重要的，当然这种系统性的算法模型库是针对营销制定的，这样做可以增强把握市场动态的及时性，我们知道，任何类型的营销必定离不开市场，市场是开展营销主要遵循的依据，脱离了市场，营销就会抓不住头脑，因而，算法模型库的建立可以为企业单位创造更多的经济效益和社会效益，增强企业的核心竞争力，扩大企业单位的市场份额，使企业更稳的立足于竞争激烈的市场之上，甚至是处于领头羊的地位，促进国民经济建设，为人民提供更好的服务。
数据有着很好的增值价值，其他的服务也可以通过数据增值价值得到衍生。所以，加大对数据的利用与研究势在必行。把数据当中重要的依据、基础甚至是纽带，沿着这个纽带进行研究与利用。将数据研究和使用的成果合理的运用起来，例如，将其转化为新型的支付方式和消费形态，使客户感受到非同一般的感觉，突破了以往的业务系统仅仅专注于自己内容的方式，电网的生产效率会得到提高，企业的管理水平也会因此得到大幅度的改善与提高。
为实现自己的计划目标，我会合理安排好时间，用心、用力的学习，努力拼搏，挑战自我！
我们首先应该进行自我分析，我们每天都在学习，可能有的同学没有想过我是怎样学习的这个问题，因此制订计划前首先进行自我分析。分析自己的学习特点、分析自己的学习现状，制定目标。
一、进行自我分析
我们每天都在学习，可能有的同学没有想过我是怎样学习的这个问题，因此制订计划前首先进行自我分析。
1、分析自己的学习特点，找出学习特点。各人的学习特点不一样，所以结合学习比较，你可以全面分析。
2、分析自己的学习现状，一是和全班同学比，确定看自己数学成绩在班级中的位置，还常用_好、较好、中、较差、差_来评价。二是和自己数学成绩的过去情况比，看它的发展趋势，通常用_进步大、有进步、照常、有退步、退步大_来评价。
二、确定学习目标
学习目标是学生学习的努力方向，正确的学习目标能催人奋进，没有学习目标，就象漫步在街头不知走向何处的流浪汉一样，是对学习时光的极大浪费。
学习目标要具有适当、明确、具体的特点。
三、科学安排时间
确定了学习目标之后，就要通过科学地安排。使用时间来达到这些目标。要符合_全面、合理、高效_的要求。
全面在安排时间时，既要考虑学习，也要考虑休息和娱乐，既要考虑课内学习，还要考虑课外学习，还要考虑不同学科的时间搭配。
大学生是国家培养的技术干部和后备干部。大学生应该以学为主，全面发展。在大学里，有很多事要做。大学主要培养学生自学和自律的能力。用心的话，学习是很紧张的，主要靠自己。大学生活应该是丰富多彩的，同时以学本领为主，为就业做准备。学本领包含很多内容：
1专业技能
2自学能力（接受新知识新技术的能力）
3创新能力
4交际协调能力。
5进一步学习的能力（考研）等。
大学生应该是幸运的！要么那么多的人走这条_独木桥_。工程师，经济师，讲师等职位一般只对有大学学历的人开放。大学生生活更应该在勤奋中获得收获。为了毕业时就业的尊严，为了未来的事业，现在的拼搏有什么不值得的
大学相对较自由，时间宽裕，在学习上老师是不会过多的干预你的，所以自律很关键。先给自己定定目标，把时间阶段性、有条不紊的细化，高效的利用有限的时间。知道自己要做什么，这才能很好地去实行。
自学是宽泛的，各种学科、书籍、资源都可以成为你的学习范围，图书馆将会是一个你长时间奋战的地方。为了汲取大量的知识，必须要提高看书效率，学会快速阅读。快速阅读是一种高效的阅读和学习方法，快速阅读不仅体现在阅读速度是上（帮你节约阅读、学习、复习时间），更有利于你抓住文章脉络和重点帮助理解和记忆，活跃思维。快速阅读的具体练习见《精英特全脑速读记忆软件》。用软件每天坚持练习一个多小时，不影响其他安排，一个月的时间就可以提高阅读速度5、6倍，相应的记忆、理解力，注意力，思维等方面的能力也能得到相应的提高，建议你去练习一下。
另外，就是一个坚持的问题了，坚持一天容易，一个星期有点难度，一个月、一年或这个大学阶段就不容易了。所以，养成一个好习惯，坚持学习，莫要荒废青春。
坚信：海大平鱼越，天高任鸟飞！经过高考，才感觉到自己身上的不足。为了日后能更好的在社会上立足，我要通过在大学期间的学习学到更多的本领，提高自己认识事物判断事物的能力。这是我在大学期间的主要目的和任务。
大学的生活不比在家，在大学什么都要靠自己，这也是在锻炼我的生存能力，我会把自己的生活作的井井有条，作的简单而充实，培养自己的生活习惯，锻炼自己的生活意志，提高自己的生活自理能力。大学校园是个大课堂，里面有来自各各省市的同学老师和各种性格的人，来到这我会尽可能的改去自己的缺点，用最短的时间与同学和老师们相处好，处理好自己的人际关系，要在寂寞之时耐得住寂寞，激情之时把握住分寸。大学，是我在进入社会前的最重要的一站，更好的适应这里也是为更好的适应社会的前提，在这里不仅我要努力学习专业课同时也好学好文化课，例如英语，掌握英语是现代人不可或缺的一项能力，它能够提高自身素养和语言能力同时也可以扩大交流范围，是立足于社会的重要能力，虽然我英语差，但在大学期间我会努力提高自己的英语能力，力争顺利通过英语四六级考试，提高自己的口语能力，突破语言难关。这是我大一最主要的任务。
大一除学好英语外，还要学好基础课，增加各种兴趣和爱好！积极参加各种活动。并参加一些必要的劳动，增加收入为不富裕的家减轻负担。专业是我们日后谋生的重要手段，是我们找到工作的重要技能，在今后的学习中我会加强与老师同学的交流，平日里认真研究练习，从各个渠道获取最新的技能知识，我要在大学这四年的学习中学到一身好本领，我步入社会寻找工作增加自己的筹码。关于考试我一定遵守学校的规定。还要做到需要考试的课程不可因参加活动和看课外书而放松，要力争每门功课都考到我所能达到的最高分数。关于考研，从大一做起。时刻把考研作为目标。大三时，放弃一切可以放弃的全力投入到考研的学习上。
在大学期间，我要做到爱自己，珍惜自己所做过的努力，充分发挥自己的长处，树立对自己的绝对的信心，同时也希望学院，老师，同学家长都会支持我，鼓励我，帮助我，但最关键的还是要依靠我自身的努力，忘掉过去的遗憾，抖擞精神，从今迈步从头越。
学习是个积累的过程，既不能放松，也不能急于求成。为了学习我会警惕各种事情的影响。始终坚持自己学习第一的原则。
一、数据挖掘概述
（一）数据挖掘
数据挖掘(DataMining)指的是，在大量的、不规则的、随机的、复杂的、有噪声的实际应用数据中，获得一些信息和知识，能够对用户祈祷潜在作用的效果的过程。将数据挖掘用通俗的话来描述就是在数据库中发现潜在有用的知识发现(KDDKnowledgeDiscoveryinDatabase)。在这个定义中主要包含了以下几方面的含义：首先数据源的特性是大量、随机、不规则、噪声；信息是客户所感兴趣的对象；选取的知识必须是在可接受、可理解、可运用的范围内的，并不是全部符合要求的都可以，对于问题要有一定的针对性。也就是说对于所发现的知识的筛选是有一定的约束和限制条件的，同时也要符合用户的理解和学习能力，最好还能够用通俗的语言来表达最终的结果。
（二）Web数据挖掘
Web数据挖掘实际上是属于数据挖掘的范畴的。概括的来说，Web数据挖掘的数据库特定的就是Web服务器上的数据文件，从中发现用户感兴趣并有所应用潜能的知识。Web数据挖掘主要针对的就是页面内容、页面之间的结构、用户访问信息、电子商务等内在信息，通过数据挖掘技术来获得有价值的信息。Web数据和传统数据库存在着很大的差异，传统的数据库都是在一定的数学模型范围之内的，通过模型来描述其中的数据；但是web数据库相对来讲就要复杂许多，没有通用的模型来描述数据，每个网页都有其独特的数据描述方式，丙炔数据自身都是可变的、动态的。因而，Web数据虽然具有一定的结构性，不能用架构化的形式来表达，也可以称其为半结构化的数据。Web数据的最大特点就是半结构化，加上Web数据的信息量极大，导致整一个数据库成为一个巨大的异构数据库。
二、网络数据挖掘的类型
（一）网络内容挖掘
网络内容挖掘的对象是网页的内容、数据、文档,这通常也是网页在急性搜索的时候需要考察的访问对象。由于网络信息繁多，按照信息源的不同可以划分为Gopher、FTP、Usenet等已经隐藏到WWW形式之后的资源,我们称之为WWW信息资源,存储于数据库管理信息系统中的数据,以及不能直接访问的私人数据。按照网络资源的形式又可以划分为文本、图像、音频、视频等数据。
（二）网络结构挖掘
网络结构挖掘的对象就是Web潜在的链接结构模式。这种类型最早出现在引文分析,在建立web自身的链接结构模型的时候借鉴了网页链接和被链接数量以及对象。在网页归类的时候往往会采用这种模式,还能够得到不同网页间相似度及关联度的相关数据。网络结构挖掘能够帮助用户在相关领域中找到最有分量的网站。
（三）网络用法挖掘
网络用法挖掘的目的在于掌握用户的一系列网络行为数据。网络内容挖掘、网络结构挖掘针对的都是网上的原始数据,而网络用法挖掘针对的是用户在上网过程中的人机交互的第二手数据,主要有用户的网页游览记录、代理服务器日志记录、网页维护信息、用户简介、注册信息、聊天记录、交易信息等等。
三、网络经济环境下数据挖掘在工商管理中的运用步骤
（一）识别网站访问者的特征信息
企业对电子商务网站的`数据进行挖掘的第一步，就是要明确访问者的特点，找出访问者使用的条款特征。访问者特征主要有入口统计、心理状态和技术手段等要素。人口统计并不是一成不变的，比如家庭地址、收入、购买力等因素都会不断改变。心理状态指的是在心理调研中展现出的个性类型，比如对商品的选择去世、价格优惠心理、技术兴趣等。随着访问者数量的增加，相关数据也会不断累积。条款的交互信息主要包括购买历史、广告历史和优选信息。网站统计信息是指每次会话的相关要素。公司信息主要包括访问者对接的服务器所包含的一系列要素信息。
（二）制定目标
开展网上交易的最大优势在于企业对于访问者的反应有着更好的前瞻性。当厂商的目标是明确且具象的时候，就能够通过数据挖掘技术得到较好的效果。企业通常可以设定以下的目标:网页访问者的增加量；类此网页访问的浏览时间增加；每次结账的平均利润;退换货的减少；品牌知名度效应；回头客的数量等等。
（三）问题描述
开展电子商务的企业最关键要面对的一个问题就是如何进行商品的传播，要实现网页的个性化又要将商品的信息完整的展现给顾客，就需要了解同一类访问者的共有特征、估计货物丢失的数据并预测未来行为。所有这一切都涉及寻找并支持各种不同的隐含模式。
（四）关联分析
对顾客大量的交易数据进行关联规则分析，能够发现顾客购买组合商品的趋势。关联分析指的是在一次浏览或者会话中所涉及到的商品，也叫做市场分析。若电子商务网站能够将这些商品放在同一个网页中，就能够提高顾客同时购买这些商品的概率。如果在关联的一组商品中有某一项商品正在进行促销，就能够带动其他组合产品的销量。关联也能够用在静态的网站目录网页。在这种情况下，网站排序的主要依据是厂商选择的且是网站所要查看的第一页内容，将其以及其相关的商品信息放在网页的首页。
（五）聚类
聚类指的是将具有相同特征的商品归为一类，将特征平均，以形成一个“特征矢量”。聚类技术能够确定一组数据有多少类，并用其中一个聚类来表示其余大多数数据。通常在企业分析访问者类型的时候使用聚类技术。
（六）决策树
决策树描绘的是都想决定在做出的一系列过程中的问题或数据点。比如做出购买电视机这一决定就要经历对于电视机的需求、电视机的品牌、尺寸等等问题，最终确定好买哪一台电视机为止。决策树能够较一个决策过程进行系统的排序，以便选出最优的路径来尽可能减少决策的步骤，提高决定的质量和速度。许多企业将决策树体系添加到自己的产品选择系统中，能够帮助访问者解决特定问题。
（七）估计和预测
估计是对未知量的判断，预测是根据当前的趋势做出将来的判断。估计和预测使用的算法类似。估计能够对客户空白的项目做到预判。如果网站想知道某个访问者的收入，就可以通过与收入密切相关的量估计得到，最后通过与其有相同特征的访问者的收入来衡量这个访问者的收入和信用值。预测是对未来事项的判断。尤其是在某些个性化网页中显得尤为重要。企业通过数据的汇总增进对客户的了解。即使是对以往事件的分析中也可以得到有效的信息。预测能够对访问者的特征作出总结和汇总，以便企业能够找出更有针对性的组合商品来满足客户的需求。Web数据和传统数据库存在着很大的差异，最大特点就是半结构化，加上Web数据的信息量极大，导致整一个数据库成为一个巨大的异构数据库。能够帮助用户在特性是大量、随机、不规则、噪声的信息中发现感兴趣的对象。
[1]刘莹.基于数据挖掘的商品销售预测分析[J].科技通报.20xx(07)
[2]姜晓娟,郭一娜.基于改进聚类的电信客户流失预测分析[J].太原理工大学学报.20xx(04)
[3]李欣海.随机森林模型在分类与回归分析中的应用[J].应用昆虫学报.20xx(04)
[4]朱志勇,徐长梅,刘志兵,胡晨刚.基于贝叶斯网络的客户流失分析研究[J].计算机工程与科学.20xx(03)
[5]翟健宏,李伟,葛瑞海,杨茹.基于聚类与贝叶斯分类器的网络节点分组算法及评价模型[J].电信科学.20xx(02)
[6]王曼,施念,花琳琳,杨永利.成组删除法和多重填补法对随机缺失的二分类变量资料处理效果的比较[J].郑州大学学报(医学版).20xx(05)
[7]黄杰晟,曹永锋.挖掘类改进决策树[J].现代计算机(专业版).20xx(01)
[8]李净,张范,张智江.数据挖掘技术与电信客户分析[J].信息通信技术.20xx(05)
[9]武晓岩,李康.基因表达数据判别分析的随机森林方法[J].中国卫生统计.20xx(06)
[10]张璐.论信息与企业竞争力[J].现代情报.20xx(01)
[11]杨毅超.基于Web数据挖掘的`作物商务平台分析与研究[D].湖南农业大学20xx
[12]徐进华.基于灰色系统理论的数据挖掘及其模型研究[D].北京交通大学20xx
[13]俞驰.基于网络数据挖掘的客户获取系统研究[D].西安电子科技大学20xx
[14]冯军.数据挖掘在自动外呼系统中的应用[D].北京邮电大学20xx
[15]于宝华.基于数据挖掘的高考数据分析[D].天津大学20xx
[16]王仁彦.数据挖掘与网站运营管理[D].华东师范大学20xx
[17]彭智军.数据挖掘的若干新方法及其在我国证券市场中应用[D].重庆大学20xx
[18]涂继亮.基于数据挖掘的智能客户关系管理系统研究[D].哈尔滨理工大学20xx
[19]贾治国.数据挖掘在高考填报志愿上的应用[D].内蒙古大学20xx
[20]马飞.基于数据挖掘的航运市场预测系统设计及研究[D].大连海事大学20xx
[21]周霞.基于云计算的太阳风大数据挖掘分类算法的研究[D].成都理工大学20xx
[22]阮伟玲.面向生鲜农产品溯源的基层数据库建设[D].成都理工大学20xx
[23]明慧.复合材料加工工艺数据库构建及数据集成[D].大连理工大学20xx
[24]陈鹏程.齿轮数控加工工艺数据库开发与数据挖掘研究[D].合肥工业大学20xx
[25]岳雪.基于海量数据挖掘关联测度工具的设计[D].西安财经学院20xx
[26]丁翔飞.基于组合变量与重叠区域的SVM-RFE方法研究[D].大连理工大学20xx
[27]刘士佳.基于MapReduce框架的频繁项集挖掘算法研究[D].哈尔滨理工大学20xx
[28]张晓东.全序模块模式下范式分解问题研究[D].哈尔滨理工大学20xx
[29]尚丹丹.基于虚拟机的Hadoop分布式聚类挖掘方法研究与应用[D].哈尔滨理工大学20xx
[30]王化楠.一种新的混合遗传的基因聚类方法[D].大连理工大学20xx
[31]杨毅超.基于Web数据挖掘的作物商务平台分析与研究[D].湖南农业大学20xx
[32]徐进华.基于灰色系统理论的数据挖掘及其模型研究[D].北京交通大学20xx
[33]俞驰.基于网络数据挖掘的客户获取系统研究[D].西安电子科技大学20xx
[34]冯军.数据挖掘在自动外呼系统中的应用[D].北京邮电大学20xx
[35]于宝华.基于数据挖掘的高考数据分析[D].天津大学20xx
[36]王仁彦.数据挖掘与网站运营管理[D].华东师范大学20xx
[37]彭智军.数据挖掘的若干新方法及其在我国证券市场中应用[D].重庆大学20xx
[38]涂继亮.基于数据挖掘的智能客户关系管理系统研究[D].哈尔滨理工大学20xx
[39]贾治国.数据挖掘在高考填报志愿上的应用[D].内蒙古大学20xx
[ 40]马飞.基于数据挖掘的航运市场预测系统设计及研究[D].大连海事大学20xx
摘要：橡胶是一种重要的战略物资, 其种植受到土地资源、地理环境、橡胶机械化的影响, 产量波动很大。本文对农垦橡胶产业种植、生产加工引入数据挖掘技术的必要性进行了初步探究, 指出通过提取土壤图像的特征, 用支持向量机的算法可以发现橡胶种植、生产加工的规律, 进而制定精准的橡胶产业相关策略, 以提高橡胶产量、节约成本、提高利润。
关键词：橡胶种植; 数据挖掘; 特征提取; 支持向量机.
基金：广东农工商职业技术学院校级课题“基于数据挖掘技术的橡胶产业的数字化研究” (xykt1601)橡胶是一种重要的战略物资, 与石油、钢铁、煤炭并称为四大工业原料。我国是全球最大的天然橡胶消费国和进口国, 国内天然橡胶长期处于缺口状态, 需求的2/3依赖进口来满足[1]。天然橡胶产业属于资源约束型、劳动密集型产业, 相对其他农作物来说, 具有周期长、收益长等特点。农垦橡胶业的产生、发展与壮大实际上是中国橡胶业发展的一个缩影, 一直是学术界研究的热点。根据农垦橡胶产业种植、生产加工的历史数据进行数据挖掘, 发现其种植、生产加工的规律, 进而制定精准的橡胶产业相关策略, 以提高橡胶产量、节约成本、提高利润的数字化研究, 目前国内还比较少。
1 引入数据挖掘技术的必要性
天然橡胶以其独具的高弹性、高强度、高伸长率、耐磨、耐撕裂、耐冲击、耐酸碱、耐油、耐腐蚀、耐高低温和绝缘性好、粘合性、密封性强等特点, 始终处于不可替代的地位。我国天然橡胶需求量大, 近几年一直处于供不应求的状态。造成这种局面的原因主要有以下两点:一、国内轮胎工业迅猛发展;二、天然橡胶的种植条件苛刻。其种植条件苛刻主要体现在对种植地要求高, 如对土地的含碳、含氮、湿度等要求都很严格;容易受到寒害、虫害、台风的袭击。橡胶的供应不足阻碍了我国经济 (特别是轮胎行业) 的发展。基于此背景下, 本文通过数据挖掘技术对橡胶树生长地的土壤进行评价研究, 为寻找出最适合橡胶树生长的.土壤和寻找橡胶树种植地提供依据, 一方面可以降低种植橡胶的成本, 另一方面可以让新的橡胶农更容易掌握种植橡胶技巧, 让更多的人加入种植橡胶的队伍中。
2 数字化流程图
样本采集
研究的橡胶林可以分为4种不同林龄胶林:幼林早期 (0~2龄) 、幼林晚期 (2~7龄) 、开割数 (7~16龄) 、老龄即将更新数 (>16龄) 。取土壤样本的时间要在晴天上午, 如果遇雨天, 则等2个晴天后再进行取样。每个林龄段中随机设置n个样地:每个样地的面积a (m) ×b (m) , 分0~15cm、15~30cm、30~45cm、45~60cm4个层次拍摄土壤样品, 每个层次拍摄m张。每张土壤样品图片的命名规则为“胶林-层次.jpg”。
特征提取
通过拍摄得到的土壤图像, 由于图像的维度过大, 不容易分析, 需要从中提取土样图像的特征, 提取反应图像本质的一些关键指标, 以达到自动进行图像识别的目的。
图像的特征主要包括颜色特征、纹理特征、形状特征等。本文主要运用图片的颜色特征和纹理特征建立图片自动识别模型。
颜色特征
图片的颜色特征用颜色矩表示。基于颜色矩提取图像特征的数学基础在于图像中任何的颜色分布均可以用它的矩来表示。颜色的矩包含各个颜色通道的一阶矩、二阶矩和三阶矩, 对于一幅RGB颜色空间的图像, 具有R、G和B三个颜色通道, 共有9个分量。
纹理特征
图片的纹理特征主要灰度共生矩阵里面中提取。因为纹理是由灰度分布在空间位置上反复交替变化而形成的, 因而在图像空间中相隔某距离的两个像素间一定存在一定的灰度关系, 称为是图像中灰度的空间相关特性。
其中L表示图像的灰度级, i, j分别表示像素的灰度。d表示两个像素间的空间位置关系。不同的d决定了两个像素间的距离和方向。元素Pd (1, 0) 代表了图像上位置关系为d的两个像素灰度分别为1和0的情况出现的次数。
在建模中一般不直接用图片的灰度共生矩阵建模, 往往要从灰度共生矩阵中提取它的特征参数用户建模。灰度共生矩阵的特征参数有二阶距、对比度、相关、熵。
3 模型构建
特征提取完之后, 用支持向量机算法对图像进行图片识别。根据识别出的结果就可以有针对性的对土壤做些有利于橡胶树生长的干预工作, 如:如果识别出土壤缺少氮元素, 可以给土壤适当的施些氮肥;如果识别出土壤的水分较少, 就要给土壤浇水, 给农垦橡胶产业提供数学指导意义。
4 结论
本文分析了橡胶种植中引入数据挖掘技术的必要性, 对橡胶种植数字化研究做了初步阐述。可以给橡胶业提供一定的参考意义。
参考文献
[1]黄冠, 吴红宇.广东农垦天然橡胶种植现状及“走出去”战略实践.中国热带农业, 20xx, 3 (4) , 18-21.
[2]李炜.广东农垦“走出去”做强做大橡胶产业.今日热作, 20xx, 19 (1) , 52-53.
[3]Rapepun Wititsuwannakul, Piyaporn Pasitkul, latex lectin binding protein in C-serum as an anti-latex coagulating factor and its role in a proposed new model for latex coagulation, Phytochemistry 20xx, 69 (1) , 656–662.
[4]勒碧.数据挖掘算法及其生产优化应用中的研究.浙江大学硕士学位论文, 20xx.
一、实习目的
毕业实习是美术组20xx级专业教学、教育工作的重要组成部分，是贯彻党和国家教育方针，巩固学生专业思想、培养合格的专业人才的重要环节，目的在于培养学生的综合素质，独立承担产品设计，课外活动和一般艺术实践的工作能力；培养学生高度的社会责任感，事业心和积极的工作态度，并深入调查研究企业生产的现状，从而深化教育教学研究和改革，努力培养出适合于企业需要的实用型人才。
二、实习要求
1.在实习指导老师和原技师的严格要求和指导下，通过钻研教材，跟班学习，初步熟悉工艺制作的全过程并能独立完成制作流程。
2.在原班主任的指导下，参与思想教育和管理工作，协助组织集体活动，当好见习管理人员。
3.实习老师必须自觉遵守实习工作条例和实习企业的规章制度。
4.实习生和带队老师一般不准请假离岗，只有在极特殊的情况下，经过严格的审批手续方可离开实习岗位，实习教师请假一天由实习队领导批准，一天以上的上报学校批准，带队老师请假一律经学校领导批准。
5.服从领导，虚心好学，友爱队友，尊敬师长。
6.为人师表，讲究礼貌，仪表端庄，举止大方。
7.对实习企业有意见或建议，一定要通过带队老师有组织的提出，并协调解决。
8.刻苦钻研教材，深入了解工作流程，工作认真负责，克服困难，全面完成实习计划规定的各项任务。
9.不准下河，下塘洗澡，干各种违规违纪事件。
三、实习时间和实习单位
1.实习时间：20xx年9月15日——20xx年元月20日
2.实习单位：XX县一痕广告公司、XX县金鑫广告公司、神画玻璃工艺公司、方圆装饰工程公司、鹏程平面设计制作公司。
四．具体工作安排
（一) 实习单位实习阶段
a)、实习前召开实习动员大会，宣读实习计划，宣布实习纪律，明确实习目的要求。
b)、请实习单位领导介绍公司的概况和对实习生的要求及工作安排。
c)、请实习单位的有关老师介绍有关制作经验和管理经验。
d)、听原技师示范课或跟班听课，请管理人员介绍工作情况，制定管理人员见习计划。
e)、在指导老师指导下分析教材，设计方案与试验。
（二）、实践实习阶段
a). 实习生在独立钻研教材的基础上撰写详细方案，于制作前两天请指导老师审批签字，否则不准动手制作。
b). 在指导老师的指导下，普遍进行试验，指导老师和带队老师应逐一指导，组织学生认真进行评审。
c). 同年级的实习生必须相互观摩，观摩后由课题组长召开评审会，认真听取指导老师的意见。
d).实习两周后召开一次实习经验交流会，每实习小组确立一人上一堂汇报课，按实习人数选取2名优秀者参加工艺制作比武。
e).每个实习生完成四个以上设计方案，上交四个标准设计方案。
（三）、管理人员实习工作
a). 实习生制定管理人员工作计划，要指导老师审批，在原管理人员的指导下开展管理人员见习工作，要坚持向原管理人员请求汇报。
b). 按照实习单位要求，抓好员工日常管理，关心员工，热爱员工，学会做员工深入细致的思想工作。
c). 实习结束前召开一次实习管理人员工作交流会。
（四）、总结鉴定
1、实习结束前两天实习生向原管理人员和原技师交回工作，征求意见。
2、写好个人总结，课题组评定意见，于实习结束前两天分别交原技师，原管理人员，单位签署实习评语。
3、返校前一天打扫住室，归还物品，向实习单位领导和教师致谢。
题目：数据挖掘技术在神经根型颈椎病方剂研究中的优势及应用进展
关键词：数据挖掘技术; 神经根型颈椎病; 方剂; 综述;
1 数据挖掘技术简介
数据挖掘技术[1] (Knowledge Discovery in Datebase, KKD) , 是一种新兴的信息处理技术, 它融汇了人工智能、模式别、模糊数学、数据库、数理统计等多种技术方法, 专门用于海量数据的处理, 从大量的、不完全的、有噪声的、模糊的、随机的数据集中, 提取隐含在其中的、人们事先不知道的、但又是潜在的有用的信息和知识, 其目的是发现规律而不是验证假设。数据挖掘技术主要适用于庞大的数据库的研究, 其特点在于:基于数据分析方法角度的分类, 其本质属于观察性研究, 数据来源于日常诊疗工作资料, 应用的技术较传统研究更先进, 分析工具、理论模型与传统研究区别较大。其操作步骤包括[2]:选择数据, 数据处理, 挖掘分析, 结果解释, 其中结果解释是数据挖掘技术研究的关键。其方法包括分类、聚类、关联、序列、决策树、贝斯网络、因子、辨别等分析[3], 其结果通常表示为概念、规则、规律、模式、约束、可视化等形式图[4]。当今数据挖掘技术的方向主要在于:特定数据挖掘, 高效挖掘算法, 提高结果的有效性、确定性和表达性, 结果的可视化, 多抽象层上的交互式数据挖掘, 多元数据挖掘及数据的安全性和保密性。因其优势和独特性被运用于多个领域中, 且结果运用后取得显着成效, 因此越来越多的中医方剂研究者将其运用于方剂中药物的研究。
2 数据挖掘术在神经根型颈椎病治方研究中的优势
中医对于神经根型颈椎病的治疗准则为辨证论治, 从古至今神经根型颈椎病的中医证型有很多, 其治方是集中医之理、法、方、药为一体的数据集合, 具有以“方-药-证”为核心的多维结构。方剂配伍本质上表现为方与方、方与药、药与药、药与剂量, 以及方药与证、病、症交叉错综的关联与对应[5], 而中医方剂讲究君臣佐使的配伍, 药物有升降沉浮, 四气五味及归经之别, 对于神经根型颈椎病的治疗, 治方中药物的种类、炮制方法、用量、用法等都是千变万化的, 而这些海量、模糊、看似随机的药物背后隐藏着对临床有用的信息和规律, 但这些大数据是无法在可承受的时间范围内可用常规软件工具进行捕捉、管理和处理的, 是需要一个新处理模式才能具有更强的决策力、洞察力和流程优化能力, 而数据挖掘技术有可能从这些海量的的数据中发现新知识, 揭示背后隐藏的关系和规则, 并且对未知的情况进行预测[6]。再者, 中医辨治充满非线性思维, “方-药-证”间的.多层关联、序列组合、集群对应, 形成了整体论的思维方式和原则, 而数据挖掘技术数据挖掘在技术线路上与传统数据处理方法不同在于其能对数据库内的数据以线性和非线性方式解析, 尤善处理模糊的、非量化的数据。例如赵睿曦等[7]在研究张氏骨伤治疗腰椎间盘突出症的用药规律时, 选取了100张治方, 因该病病因病机复杂, 证候不一, 骨伤名师张玉柱先生对该病的治则治法、药物使用是不同的。因此他们利用Excel建立方证数据库, 采用SPPS 软件对这些数据的用药频次、药物关联规则及药物聚类进行分析, 最后总结出张氏骨伤治疗腰椎间盘突出症遵循病从肝治、病从血治、标本兼治的原则, 也归纳出治疗三种不同证型的腰突症的三类自拟方。由此看出数据挖掘技术在方剂研究中的应用对数据背后信息、规律等的挖掘及名家经验的推广具有重大意义, 因此数据挖掘技术在神经根型颈椎病的治方研究中也同样发挥着巨大的作用。
3 数据挖掘技术在神经根型颈椎治方中的应用进展
神经根型颈椎病在所有颈椎病中最常见, 约占50%~60%[8], 医家对其治方的研究也是不计其数。近年来数据挖掘技术也被运用于其治方研究中, 笔者通过万方、中国知网等总共检索出以下几篇文献, 虽数量不多但其优势明显。刘向前等[9]在挖掘古方治疗神经根型颈椎病的用药规律时, 通过检索《中华医典》并从中筛选以治疗颈项肩臂痛为主的古方219首并建立数据库, 对不同证治古方的用药类别、总味数、单味药使用频数及药对 (组) 出现频数进行统计, 总结出风寒湿痹证、痰湿阻痹证、寒湿阻滞证、正虚不足证的用药特点, 得出解表药、祛风湿药、活血化瘀药、补虚药是治疗颈项肩臂痛古方组成的主要药物。古为今用, 该研究对于现代医家在治疗该病中有很好的借鉴和参考意义。齐兵献等[10]检索CNKI (1980-20xx年) 相关文献中治疗神经根型颈椎病的方剂建立数据库, 采用统计软件这些治方常用药物使用频次频率、性味频率、归经频率分析比较, 治疗神经根型颈椎病的中药共计99味, 使用频次479味次;所用药物种类依次以补益药、活血化瘀药、祛风湿药运用最多, 其中药味以辛、苦为主, 药性以温、寒为主, 归经以肝、脾、心为主, 而本病以肝肾亏虚, 气血瘀滞为主, 临床以补益药、活血化瘀药、祛风湿药等中药运用最多。这对于医家治疗该病选用药物的性味、归经等具有指导意义。陈元川等[11]检索20xx年1月至20xx年3月发表的以单纯口服中药治疗神经根型颈椎病的有关文献, 对其中的方剂和药物进行统计、归类、分析, 最终纳入32首方剂, 涉及111味中药, 补气药、发散风寒药、活血止痛药、补血药等使用频次较高;葛根、白芍、黄芪、当归、桂枝等药物使用频次较高, 证实与古方桂枝加葛根汤主药相同, 且该方扶阳解表的治法与该研究得出的扶正祛邪的结果相吻合, 同时也证实石氏伤科强调治伤科病当“以气为主, 以血为先”等正确性。所以大数据背后的规律和关系在很多方面古今是一致的, 同时数据依据的支持也为现代神经根型颈椎病治疗提供有力的保障。谢辉等[12]收集20xx至20xx年10月3日的166张治疗神经根型颈椎病的治方建立数据库, 采用关联规则算法、复杂系统熵聚类等无监督数据挖掘方法, 利用中医传承辅助平台 (TCMISS) 软件分析处方中各种药物的使用频次、药物之间的关联规则、核心药物组合和新处方, 从中挖掘出治疗该病中医中的常用药物、药对, 阐明了治疗该病以解肌散寒药、补气活血药、祛风胜湿药和温经通络药为主, 治法主要包括解肌舒筋、益气活血和补益肝肾, 这一方面很清晰明了地展示了药物使用频率、药物之间的联系, 证实其与很多古代经典中治疗神经根型颈椎病的治则、治法及用药规律是吻合的, 是临床用药的积累和升华, 可有效地指导临床并提高疗效;另一方面也为中药新药的创制提供处方来源, 指导新药研发[13]。
4 小结
数据挖掘技术作为一种新型的研究技术, 在神经根型颈椎病的治方研究中的运用相对于其他领域是偏少的, 并且基本上是研究文献资料上出现的治方, 在对名老中医个人治疗经验及用药规律的总结是缺乏的, 因此研究范围广而缺乏针对性, 同时使用该技术的相关软件种类往往是单一的。现在研究者在研究中医方剂时往往采用传统的研究方法, 这就导致在大数据的研究中耗时、耗力甚则无能为力, 同样也难以精准地提取大数据背后的隐藏的潜在关系和规则及缺乏对未知情况的预测。产生这样的现状, 一方面是很多研究者尚未清楚该技术在方剂研究中的优势所在, 思维模式尚未更新;另一方面是很多研究者尚未清楚该技术的操作技能及软件种类及其应用范围。故以后应向更多研究者普及该技术的软件种类、其中的优势及操作技能, 让该技术在临床中使用更广, 产生更大的效益。
参考文献
[1]舒正渝.浅谈数据挖掘技术及应用[J].中国西部科技, 20xx, 9 (5) :38-39.
[2]曹毅, 季聪华.临床科研设计与分析[M].杭州:浙江科学技术出版社, 20xx:189.
[3]王静, 崔蒙.数据挖掘技术在中医方剂学研究中的应用[J].中国中医药信息杂志, 20xx, 15 (3) :103-104.
[4]陈丈伟.数据仓库与数据挖掘[M].北京:清华大学出版社, 20xx:5.
[5]杨玉珠.数据挖掘技术综述与应用[J].河南科技, 20xx, 10 (19) :21.
[6]余侃侃.数据挖掘技术在方剂配伍中的研究现状及研究方法[J].中国医药指南, 20xx, 6 (24) :310-312.
[7]赵睿曦.方证数据挖掘分析张氏骨伤对腰椎间盘突出症的辨证用药规律[J].陕西中医药大学学报, 20xx, 39 (6) :44-46.
[8]李曙明, 尹战海, 王莹.神经根型颈椎病的影像学特点和分型[J].中国矫形外科杂志, 20xx, 21 (1) :7-11.
[9]刘向前, 陈民, 黄广平等.颈项肩臂痛内治古方常用药物的统计分析[J].中华中医药学刊, 20xx, 30 (9) :42-44.
[10]齐兵献, 樊成虎, 李兆和.神经根型颈椎病中医用药规律的文献研究[J].河南中医, 20xx, 32 (4) :518-519.
[11]陈元川, 王翔, 庞坚, 等.单纯口服中药治疗神经根型颈椎病用药分析[J].上海中医药杂志, 20xx, 48 (6) :78-80.
[12]谢辉, _, 潘建科, 等.基于数据挖掘方法的神经根型颈椎病用药规律研究[J].世界中西医结合杂志, 20xx, 10 (6) :849-852.
[13]唐仕欢, 杨洪军.中医组方用药规律研究进展述评[J].中国实验方剂学杂志, 20xx (5) :359-363.
