數據挖掘技術在高校網站信息的實踐應用研究

□何文東

高等教育信息化是教育現代化的重要形式之一，由于計算機網絡技術、大數據技術在教育領域得到廣泛應用，高校網站紛紛進行轉型，以形象建設窗口轉變為高校信息的載體，旨在為高校的內外用戶提供針對性的、個性化的信息，并通過數據發掘技術來適配多元化的數據需求。在實踐應用層面理論也層出不窮，本文在這一趨勢下結合數據挖掘技術的發展情況及技術特性，針對其在高校網站信息的實踐應用進行研究。

一、相關概念綜述

(一)數據發掘技術概念。數據挖掘技術一般是指在大量數據中利用算法搜索隱藏的、隱含的信息的技術，與計算機科學緊密相關，例如統計技術、在線分析技術、情報檢索技術、智能學習技術、模式識別等技術。

數據挖掘技術是從大量的數據集中識別有效的、新穎的、潛在有用的過程叫做數據挖掘技術。它涉及面很廣，包括機器學習、數據庫、模式識別、粗糙集、模糊數學等相關技術。通過對計算機系統內的數據進行分析、分類，找到數據在運行和存儲時的規律，數據挖掘技術主要包含三個步驟，目標數據、提煉規律、規律體現。第一步整理目標數據，從相關數據源中選取必要的數據整合成用于數據挖掘的數據集合；第二步是通過統計技術、在線分析技術等方法將數據集合中所蘊含的規律找出來；第三步將數據結合用戶需求，借助用戶可理解的形式，將規律可視化。數據挖掘技術按任務特點進行分類，主要分為關聯數據分析、聚類數據分析、分類數據技術、異常數據分析、特異群組數據分析及演變數據分析等。根據數據挖掘技術處理對象差異，共有3種結構挖掘、內容挖掘、使用挖掘為常見的運用模式方式，在高校網站中也得到普遍運用，在數據挖掘過程中一般關聯數據技術、分類數據技術使用較多，網站數據相對于傳統數據庫，具有內容龐雜、呈現復雜的特點，這就要求對每個站點都需要獨立設計結構。

由于數據挖掘技術是一種綜合技術，通常用在網站數據采集上，也就是通過數據技術獲取網站數據，并進行初步篩選和整理，在一定程度上數據挖掘可通過歸納單個用戶及眾多用戶的行為數據針對用戶的后續行為進行預測，在一定程度上有助于數據使用者作出決策和判斷，并且有助于優化網站使用者的使用體驗。

(二)高校網站信息重要技術環節分析?，F在高校網站技術普遍使用半結構化數據結構，半結構數據化數據模型是一種適于數據庫集成的數據模型，通常適合于描述包含在兩個或多個數據庫中的數據，作為一種標記服務的基礎模型，通常用于Web上共享信息。構建適用于半結構化數據源模型，在高校網站信息數據服務中是亟待解決的問題之一，這是數據挖掘中最重要的技術環節。

二、數據挖掘技術在高校網站信息的實踐應用

(一)關于數據的篩選及整理。數據發掘技術的應用基礎是對數據進行搜集和初步篩選，需要明確的是需要研究用戶的表達方式，由于表達方式的差異在通常會造成數據量的不確定性和顯著差異性。因此在數據挖掘前需要針對數據做一定的預先處理，處理用戶針對網站進行訪問時的最初原始數據，以此保證算法能夠有效提取相應數據，同時，在網站設計時就需要一并將數據預處理及數據挖掘考慮在內，從而有針對性提升數據的使用效率。

一般而言高校網站服務器具有網站日志記錄功能，而這也是數據最基礎、最簡單、最直接的來源，具體是根據用戶的訪問頻次、訪問時長、訪問習慣等相應訪問數據會被網站日志記錄。將網站日志充分利用并有意識的存儲使用，與此同時，也需要將收集到的信息進行預處理，從而降低數據的失真程度。并且針對瀏覽頁面及用戶設定頁面的訪問路徑進行完善。

(二)構建完整的數據挖掘模式。通過運用成熟的數據發掘算法針對高校網頁流量數據分析來構建完整的數據模式。尤其是要著重挖掘時間序列相關數據，時間序列建模及時間預測是構建完整的數據模式的基礎目標，針對高校網站訪問量的整體趨勢和訪問規律特點的把握是具體數據測量的重要節點。此外，數據模式的構建需要參考整體網站的結構，在高校網站首頁的訪問中首頁是最高頻的訪問頁面，而且大部分高校內用戶如教師、學生們因為便利性普遍將首頁加載在各類瀏覽器的收藏夾，但是在首頁的停留時間普遍較低，首頁起到的是導航和分配流量的作用，這需要在構建及數據挖掘模式時充分考慮到首頁的作用。

以高校網站信息在高校招生的作用為實例，建立高校招生數據虛擬倉模型時，旨在通過數據及數據挖掘優化招生決策及效率，需要利用概念模型、邏輯分析模型及物理模型構建招生系統、教務系統及學生管理、院系系統四位一體的綜合數據倉，從而構建起完整的招生數據挖掘模式。

(三)選擇合理的關聯規則算法。仍以高校招生舉例，在高校招生期間，高校網站傳達出的信息在一定程度上決定了招生工作的成敗。而需要大量的數據分析來佐證高校網站信息透傳的有效程度，不僅要充分考慮到學生、學生家長的信息數據需求，還要給其擇校擇專業提供信息支持，并將挖掘出來的信息和現有的院系專業情況及社會就業前景等信息相結合給予其全面的參考，幫助高校在招生期間有的放矢地宣傳招生政策，為學生及家長給予較為專業的擇校擇專業指導。這就需要綜合運用關聯規則算法，從用戶提供的各種數據找出數據間的關聯點，以此為起點構建圖形，從而給予其可視化的數據呈現和有效信息。

(四)高校網站信息不斷迭代。對于高校網站的不斷優化和改進，一般在數據挖掘維度需要使用模式分析法來分析，針對已有的數據模型不斷迭代，在原有的數據基礎上，針對新收集的信息進行整理和統計，將新的模式融入到高校網站信息的迭代中去，用挖掘出來的數據更好地服務用戶。不斷了解高校網站的內部及外部用戶的真實需求及使用趨勢，將固有的數據挖掘模式不斷擴充，完善原有的模式，并從不同的數據挖掘模式中將最有價值的模式加以利用。例如在高校招生中，研究發現高校的校外用戶以某城市人群較為集中，則學?？稍谡猩陂g聯合該城市政府在相關網站上采取一定的廣告及媒介推介措施增加高校在當地的曝光力度，以最大限度吸引當地學生，從而實現信息的價值化。

(五)提升高校網站信息的有效性。此外還需要意識到高校網站本身是一個對外展示的窗口及教育資源平臺，因此數據挖掘在高校網站自身功能的提升上也具有重要的作用。另外，數據挖掘技術要做好數據保密加密工作，同時，將學校師生納入到其中，通過數據傳輸的保密性來提升高校資源的利用效率，針對例如實驗數據、資源數據等進行有效保護和綜合利用。

(六)數據挖掘技術在高校網站信息安全的應用。高校計算機網絡病毒在傳播過程中具有一定的規律性，通過數據挖掘可以獲得相關數據進行分析，找到一些蛛絲馬跡，從而進行處理。數據挖掘技術的應用非常復雜，需要分為多個步驟和模塊來進行。創建計算機網絡病毒防御系統，對數據進行篩選，從數據源和數據流中獲得樣本，然后尋找網絡病毒的入侵特點，將找到的數據存入數據庫中，進行實時記錄和分析，從中找出入侵行為，防止病毒的攻擊。保證數據庫中的數據充足，全面收集數據和數據包。在數據庫數據相互匹配時再應用。如果匹配度較低，說明數據庫中存在某種新型病毒，則要將其形成新的數據病毒類別，加入數據庫。數據挖掘模塊是數據挖掘系統的核心部分，主要由數據挖掘算法和事件庫構成。通過構建模塊，采集需要的數據，再將數據整理歸納放入事件庫中。然后對事件庫中的數據進行深度挖掘，提升病毒防范的透明性。檢測到入侵計算機網絡的病毒后，還要再進一步進行防御處理，將入侵的具體情況反饋給用戶。此外，后續處理模塊還能夠如實監控系統實時數據，向管理員發送郵件進行反饋，方便管理人員進行實時管理和處理。管理員在接到反饋后，可以分析網絡病毒的類型及其特點，及時更新病毒數據庫，逐漸提升計算機系統防御效果。

三、結語

數據挖掘技術是實踐高校網站信息化的重要舉措之一，將此項技術和高校網站建設積極融合其中，并針對實踐運用中出現的問題需求技術化的整套解決方案是其核心重點。高等教育信息化是教育現代化的重要形式之一，由于計算機網絡技術、大數據技術在教育領域得到廣泛應用，高校網站紛紛進行轉型，以形象建設窗口轉變為高校信息的載體，旨在為高校的內外用戶提供針對性的、個性化的信息，并通過數據發掘技術來適配多元化的數據需求。在實踐應用層面理論也層出不窮，本文在這一趨勢下結合數據挖掘技術的發展情況及技術特性，針對其在高校網站信息的實踐應用進行研究，共有五大實踐應用方向：一是關于數據的篩選及整理，數據挖掘前需要針對數據做一定的預先處理，處理用戶針對網站進行訪問時的最初原始數據；二是構建完整的數據挖掘模式，構建完整的時間序列；三是選擇合理關聯規則算法，需要通盤考慮；四是有利于高校網站信息不斷迭代；五是提升高校網站信息的有效性。