公共資源的多條件大數據挖掘分析

劉傳蔚

（天津市公共資源交易中心（天津市政府采購中心），天津 300171）

公共資源是一個城市或地區有關公共服務的重要資源，也是具有經濟價值的重要板塊，更是市場經濟體系平穩運行中不可或缺的重要組成部分[1]。目前，公共資源已經成為政府控制且可以進行交易的重要信息化產品，這也推動了公共資源交易的飛速發展。隨著信息化技術浪潮，公共資源交易活動更高效和頻繁[2]。據不完全統計，全國各類公共資源交易平臺達數千個，每年涉及的經濟總額高達數百萬億元。由此可見，推動公共資源交易進一步良性發展是公共資源領域未來的重要發展方向。從目前的情況來看，在公共資源交易過程中主要存在部門多、交易流程繁冗以及資源數據量大等問題，影響了交易的效率和對接的準確性[3]。因此，該文在公共資源中引入大數據挖掘方法，對公共資源信息進行分析，以提高交易效率。

1 公共資源的大數據挖掘方法

公共資源數據量大、信息繁冗，要實現公共資源交易的有效對接，就需要設置多個合理的、客觀的且準確的挖掘條件，以便順利地實施大數據挖掘方法。因此，多個條件配置的過程就是消除公共資源數據冗余性的過程。而當全部數據的冗余性被消除時，就可以挖掘出準確的結果，這也是該文構建大數據挖掘方法的切入點。

根據公共資源數據挖掘的多條件設計思想，給出所有可能條件的數學集合，如公式（1）所示。

式中：E為公共資源挖掘過程中全部條件的集合；e1為公共資源挖掘過程中配置的第一類條件；e2為公共資源挖掘過程中配置的第二類條件；e|E|為公共資源挖掘過程中配置的第|E|類條件；|E|為公共資源挖掘過程中配置的條件總數量。

為了有效解決公共資源數據挖掘過程中的條件配置問題，針對每個條件可以配置1 個具體的挖掘方案，由此形成方案集合，如公式（2）所示。

式中：P為公共資源挖掘過程中全部方案的集合；p1為公共資源挖掘過程中配置的第一類方案；p2為公共資源挖掘過程中配置的第二類方案；p|P|為公共資源挖掘過程中配置的第|E|類方案；|P|為公共資源挖掘過程中配置的方案總數量。

在上述2 類集合的配置情況下，可以進一步構建公共資源大數據挖掘判斷矩陣，如公式（3）所示。

式中：R為公共資源挖掘過程中構建出的判斷矩陣；r11為公共資源挖掘過程中第一類條件和第一類方案構建出的判據；r12為公共資源挖掘過程中第二類條件和第一類方案構建出的判據；r21為公共資源挖掘過程中第一類條件和第二類方案構建的判據。

在公共資源的大數據挖掘過程中，不同方案及對應的判據存在差異，其是否為更佳的判定依賴于大數據挖掘算法后臺支撐的專家知識。大數據挖掘算法會根據算法設定自動為不同的方案配置權重，這些權重的關系如公式（4）所示。

式中：qj為公共資源挖掘過程中第j個權重；|E|為公共資源挖掘過程中的全部權重總數量。

在大數據挖掘方法的使用過程中，如果不同類別的公共資源數據存在較大的數值差異，就無法形成有效的橫向間比對，會影響判據和方案選擇的準確性。因此，對挖掘過程中的同類參數進行歸一化計算是基礎性工作。

同類參數的歸一化計算如公式（5）所示。

式中：tji為歸一化后的結果；rji為原參數值；為最大參數值；i為方案序號；j為條件序號。

上述處理采用正向的歸一化計算，結果都是0～1 的小數。也可以采用反向歸一化計算，如公式（6）所示。

式中：為最小參數值。

至此，可以得到該文提出的大數據挖掘方法的流程圖，如圖1 所示。

圖1 公共資源大數據挖掘方法流程圖

由圖1 可知，該文提出的公共資源大數據挖掘方法一共包括5 個步驟，分別是生成條件矩陣、生成方案矩陣、生成判斷矩陣、權重歸一化以及生成挖掘結果。

2 公共資源交易對接中的條件設置

針對公共資源和公共資源交易問題構建了大數據挖掘方法。這些方法必須進行充分的條件設置才能達到更好的挖掘效果。

當采用大數據挖掘方法進行公共資源數據處理時，首先要對其進行分類，分類過程可以看成第一次去冗余的過程。而公共資源的數據板塊在很多城市或地區已經有了比較明確的劃分或切割。該文抽取一部分公共資源數據的分類問題進行說明，該分類關系如圖2 所示。

圖2 公共資源數據的分類

由圖2 可知，該文選取了公共資源數據的6 個分類，包括基礎設施數據、公共項目數據、材料交易數據、經濟發展數據、金融服務數據以及專家服務數據。分類只是第一次去除冗余的過程，如果需要得到更理想的數據挖掘結果，就需要進行更多的條件設置，該文進一步的條件設置見表1。

表1 公共資源數據挖掘中的條件設置

由表1 可知，針對從公共資源中所抽取的6 種類別分別設置了6 個條件，為了保證在數據挖掘過程中的各類公共資源數據具有相同的維度進行對等設計。當然，各類數據所屬領域不同，其特征條件也存在很多差異。

3 公共資源的數據挖掘試驗結果及分析

為了便于公共資源大數據挖掘過程的展開，對挖掘方法執行過程中獲取結果的等級進行分類，結果如圖3 所示。

圖3 公共資源大數據挖掘結果的等級

在圖3 中，將公共資源大數據挖掘結果準確性設置為6 個等級，為了便于進一步實施算法，對其進行對應量化，見表2。

表2 圖3 中各等級的量化結果

在進一步的大數據挖掘試驗中，要從海量的公共資源數據中找到與要求匹配的3 類數據，分別是A 型公共資源數據、B 型公共資源數據、C 型公共資源數據。根據公式（1）～公式（6）的大數據挖掘方法流程，得到了A 型公共資源數據挖掘過程的判斷矩陣，見表3。

表3 A 型公共資源數據挖掘過程的判斷矩陣

根據公式（1）～公式（6）的大數據挖掘方法流程，得到了B 型公共資源數據挖掘過程的判斷矩陣，見表4。

表4 B 型公共資源數據挖掘過程的判斷矩陣

根據公式（1）～公式（6）的大數據挖掘方法流程，得到了B 型公共資源數據挖掘過程的判斷矩陣，見表5。

表5 C 型公共資源數據挖掘過程的判斷矩陣

為了更直觀地展示上述過程的挖掘效果，用柱狀圖來表達表3～表5 的結果，如圖4 所示。

圖4 表3～表5 的圖形表達

通過圖4 的形象對比，就可以選取更合適的公共資源數據，這也體現了大數據挖掘方法的優勢。例如如果想選擇條件2 配置較好的公共資源，就應該選擇A 型公共資源數據。如果想選擇條件1 配置較好的公共資源，就應該選擇B 型公共資源數據。如果想選擇條件4 配置較好的公共資源，就應該選擇C 型公共資源數據。

4 結語

隨著公共資源及公共資源交易快速發展和適用范圍越來越廣，對其進行大數據挖掘處理、找到更適合對接的公共資源數據就成為時代發展所需要的重要技術。針對該實際問題，該文提出了一種大數據挖掘方法，該方法根據公共資源交易的需求設定多種類型、多個數量的條件，達到數據冗余的最佳去除效果，進一步形成方案集合的配置，并實現不同判據的權重設置和歸一化處理。在試驗過程中，以基礎設施數據、公共項目數據、材料交易數據、經濟發展數據、金融服務數據以及專家服務數據6 類公共資源數據為挖掘對象，形成了A 型公共資源數據、B 型公共資源數據以及C 型公共資源數據的差異化分析，可以為不同的需求者提供更有針對性的挖掘結果。