最低生活保障系統(tǒng)中數(shù)據(jù)挖掘技術的實現(xiàn)

趙新華，張克柱

（1.蘭州職業(yè)技術學院 電子與信息工程系，甘肅　蘭州　730020；2.蘭州職業(yè)技術學院 現(xiàn)代服務系，甘肅　蘭州　730020）

最低生活保障系統(tǒng)中數(shù)據(jù)挖掘技術的實現(xiàn)

趙新華1，張克柱2

（1.蘭州職業(yè)技術學院 電子與信息工程系，甘肅蘭州730020；2.蘭州職業(yè)技術學院 現(xiàn)代服務系，甘肅蘭州730020）

本論述對低保數(shù)據(jù)的挖掘中，使用了兩種挖掘算法，另外配合SQL Server 2010提供的數(shù)據(jù)挖掘功能對低保數(shù)據(jù)進行了全面的分析，介紹了OLAP技術和數(shù)據(jù)挖掘在低保數(shù)據(jù)分析中的應用。主要內(nèi)容包括：分析了數(shù)據(jù)挖掘技術在低保數(shù)據(jù)分析中的應用意義；研究了關聯(lián)規(guī)則、決策樹算法、聚類分析在低保數(shù)據(jù)分析中的應用。這也是低保信息化工作今后重要的研究目標和發(fā)展方向。

數(shù)據(jù)挖掘技術；數(shù)據(jù)分析；模型

1　低保決策模型的建立

使用SQL Server 2010中的Analysis Services（分析服務），對低保數(shù)據(jù)庫中的數(shù)據(jù)選擇Microsoft決策樹算法，最終建立了決策樹模型。下面對運行的結(jié)果中有指導意義的信息做如下解釋：

（1）在決策樹建立時，選取了性別、年齡、文化程度、健康狀況、債務情況、家庭規(guī)模六個屬性，從最終得到的依賴關系圖中，可以發(fā)現(xiàn)對低保戶貧困狀態(tài)影響最大的屬性是年齡，然后是文化程度，緊跟著是性別，之后是債務情況。債務情況是最不具影響力的因素，因為在依賴關系圖中債務情況沒有顯示出來。

（2）在決策樹結(jié)構中，首先從根節(jié)點根據(jù)文化程度將整個數(shù)據(jù)樣本劃分為5部分，在樹形結(jié)構的第二層中，文化程度中和高的這兩個節(jié)點沒有再進行分支，文化程度為低的節(jié)點按照年齡進行分支；在屬性結(jié)構的第三層中，年齡的中和高這兩個屬性按照性別分支形成了下一級節(jié)點，性別為男和女的分別按健康狀況分支。以下的各級節(jié)點都是按照人均收入分組的，債務情況在分支的建立過程中沒有體現(xiàn)，也就是債務情況在低保金分配的影響因素中是很小的。

2　低保數(shù)據(jù)分析結(jié)果

本論述選取了低保數(shù)據(jù)庫中的樣本數(shù)據(jù)13 772條。為了比較城市和農(nóng)村地區(qū)低保人員的特征差異，在數(shù)據(jù)分析時將數(shù)據(jù)分成兩部分：城市和農(nóng)村，采用Apriori算法對低保數(shù)據(jù)進行關聯(lián)規(guī)則的分析，主要是對低保人員的特征分析，包括年齡、性別、文化程度、健康狀況等方面特征的分析。具體分析過程概括如下：（1）執(zhí)行后臺存儲，過程進行數(shù)據(jù)預處理；（2）Apriori算法實現(xiàn)，找出所有頻繁項集及其支持度；（3）在頻繁集中產(chǎn)生關聯(lián)規(guī)則；（4）分析關聯(lián)規(guī)則，與實際結(jié)合，指導決策。

2.1低保數(shù)據(jù)關聯(lián)規(guī)則項集的生成過程。

本論述選取了低保人員的以下特征實現(xiàn)關聯(lián)分析：年齡、文化程度、性別，目的是為了得到對低保工作有指導意義的規(guī)則。為了應用Apriori算法，使用迭代的方法。下面簡要描述生成項集流程：input：事務數(shù)據(jù)庫D；output：D中的頻繁項集L。

（1）在第一次掃描中，對D中的每一個數(shù)據(jù)項計算其支持度，確定出滿足最小支持度的一頻繁項集集合Ll：｛年齡＜60｝、｛性別=男｝、｛文化程度＜=小學｝、｛范圍=城市｝。

（2）利用已經(jīng)生成的1項集L1進行自連接，得到候選2項集的集合L2：｛年齡＜60，性別=男｝、｛年齡＜60，文化程度＜=小學｝、｛年齡＜60，范圍=城市｝、｛性別=男，文化程度＜=小學｝、｛性別=男，范圍=城市｝。

（3）然后掃描數(shù)據(jù)庫，計算這些候選集的支持度。

（4）因為對低保數(shù)據(jù)進行關聯(lián)分析的目的是得到低保人員在各個屬性中的分布，最終通過對比支持度來得出結(jié)論，所以不需要對L2進行剪枝處理。通過L2自身的連接，得到候選3項集，然后掃描數(shù)據(jù)庫，得到3項集的支持度。

（5）對3項集L3進行自連接，得到4項集L4：｛年齡＜60，性別=男，文化程度＜=小學，范圍=城市｝，掃描數(shù)據(jù)庫計算支持度。

（6）對4項集L4進行自連接，得不到5項集，即L5為空，掃描結(jié)束。最終的頻繁項集就是L1到L4。

對于城市低保人員信息抽取同樣數(shù)量的樣本信息，進行支持度計算，比較城市和農(nóng)村支持度分布狀態(tài)，對城市和農(nóng)村的低保人員的特征和它們之間的差異有一個詳細的掌握，為城市和農(nóng)村采取不同的低保措施提供科學的依據(jù)。

2.2低保數(shù)據(jù)的聚類分析

要求每個模型都必須包含一個數(shù)值或文本列，用于唯一標識每個記錄，不允許復合鍵，且每個模型有一個或多個輸入列，這個輸入列關系到生成分類的值。輸入列的數(shù)目由每個列中值的數(shù)量來決定，添加額外的列會使定型模型的時間延長。

聚類分析在構造模型時不需要可預測列，但是可以添加可預測列，而且預測列的數(shù)據(jù)類型幾乎沒有限制，將列的值作為對聚類分析模型的輸入，或者規(guī)定只用于預測。例如，如果需要通過對人口統(tǒng)計信息（如地區(qū)或年齡）進行分類來預測客戶的收入，則可將收入指定為PredictOnly，然后將所有其他列（如地區(qū)和年齡）添加為輸入。

挖掘結(jié)構建立好后啟動調(diào)試，可以選擇Microsoft分類查看器瀏覽模型。查看聚類分析模型時，Analysis Services將在一個關系圖中顯示分類（該關系圖描繪了分類之間的關系），還提供了每個分類的詳細配置文件、將每個分類與其他分類區(qū)分開來的屬性列表以及整個定型數(shù)據(jù)集的特征。

如果希望了解更多詳細信息，可在Microsoft一般內(nèi)容樹查看器中瀏覽該模型。該模型存儲的內(nèi)容包括每個節(jié)點中所有值的分布、每個分類的概率以及其他信息。

本論述中的數(shù)據(jù)源是Excel表格，先利用SQL Server2008的導入導出工具將低保數(shù)據(jù)導入到數(shù)據(jù)庫“低保管理”中。為了讓SQL Server服務器能夠連接到需要進行挖掘的數(shù)據(jù)，首先需要對數(shù)據(jù)源進行設置，具體步驟如下：

步驟l：啟動SQL Server Business Intell igence Development Studio，在“文件”菜單中選擇新建“項目”，在出現(xiàn)的［新建項目］對話框中選擇類型［商業(yè)智能項目］。在本次數(shù)據(jù)挖掘中將項目命名為dibao。選擇現(xiàn)有的數(shù)據(jù)連接；

步驟2：定義Analysis Services可以使用哪種Windows憑據(jù)來連接數(shù)據(jù)源，這里選擇“使用服務賬戶”選項。

其次設置數(shù)據(jù)源視圖，步驟如下：

步驟1：新建“數(shù)據(jù)源視圖”，打開“數(shù)據(jù)源視圖向?qū)А保瑔螕粝乱徊剑?/p>

步驟2：選擇表和視圖，選擇“包含的對象”單擊下一步；

步驟3：在名稱框中輸入名稱：低保數(shù)據(jù)視圖，單擊“完成”按鈕。

最后建立數(shù)據(jù)挖掘結(jié)構，步驟如下：

步驟1：新建“數(shù)據(jù)挖掘結(jié)構”，打開“數(shù)據(jù)挖掘向?qū)А?，選擇定義方法：“從現(xiàn)有關系數(shù)據(jù)庫或數(shù)據(jù)倉庫”，此方法基于現(xiàn)有關系數(shù)據(jù)庫中的表和列定義挖掘結(jié)構；

步驟2：選擇“Microsoft聚類分析”挖掘方法；

步驟3：指定分析時要是使用的表的類型；

步驟4：為挖掘模型結(jié)構指定鍵、輸入列和可預測列，指定列的內(nèi)容類型和數(shù)據(jù)類型；

步驟6：挖掘結(jié)構命名“低保數(shù)據(jù)聚類分析”，挖掘結(jié)構創(chuàng)建完成。

通過上面的聚類分析情況，可以得出這樣的結(jié)果：低保人群大部分是文化程度在小學以下（包括小學），而且大多數(shù)是年齡偏大。因此，在低保工作的過程中，應對這些人員更加重視，需要在政策等方面加大扶持力度，解決低保人群的根本性問題。

3　結(jié)束語

通過對低保數(shù)據(jù)采用幾種數(shù)據(jù)挖掘技術進行挖掘，筆者對數(shù)據(jù)挖掘的功能和實現(xiàn)方法有了比較深刻的理解。在對低保數(shù)據(jù)的挖掘中，筆者使用了兩種挖掘算法，另外配合SQL Server 2008的提供的數(shù)據(jù)挖掘功能對低保數(shù)據(jù)進行了全面的分析。

介紹了OLAP技術和數(shù)據(jù)挖掘在低保數(shù)據(jù)分析中的應用，主要內(nèi)容包括：分析了數(shù)據(jù)挖掘技術在低保數(shù)據(jù)分析中的應用意義；研究了關聯(lián)規(guī)則、決策樹算法、聚類分析在低保數(shù)據(jù)分析中的應用。這也是低保信息化工作今后重要的研究目標和發(fā)展方向。隨著計算機技術與應用的發(fā)展，以及各種海量信息數(shù)據(jù)的不斷產(chǎn)生和保存，數(shù)據(jù)挖掘技術的研究與應用越來越具有基礎條件。

［1］ 楊光，張雷．OLAP技術及其發(fā)展［J］．計算機應用研究，1999 （22）：7-10．

［2］ 李慧，聞豪．基于數(shù)據(jù)倉庫的0LAP技術研究［J］．電腦知識與技術，2005（2）：77-81．

［3］ 印勇．決策支持分析新技術——數(shù)據(jù)挖掘［J］．重慶郵電學院學報，2001增刊：70-74.

［4］ 姚家奕，等．多維數(shù)據(jù)分析原理與應用［M］．北京：清華大學出版社，2004.

［5］ 張維明，等．數(shù)據(jù)倉庫原理與應用［M］．北京：電子工業(yè)出版社，2002．

［6］ 陳京民．數(shù)據(jù)倉庫原理、設計與應用［M］.北京：中國水利水電出版社，2004：21-35.

TP311

A

10.3969/j.issn.1672-6375.2016.04.002

2016-3-4

趙新華（1980-），女，漢族，甘肅蘭州人，碩士研究生，講師，主要從事大數(shù)據(jù)研究工作。