在信息化时代,随着大数据应用的发展,大数据分析和数据挖掘为社会管理问题的研究提供了解决方法,对建设社会管理信息化、促进城市安全发展具有重要意义。面对社会管理事件数据量的不断增长,如何有效和准确地应用数据分析和数据挖掘技术探究社会管理事件潜在的规律成为研究者需要考虑的问题。本文以武汉市社会管理与服务信息系统为分析对象,利用武汉市数百万条社会管理事件数据、人口结构信息、房价信息等多源数据,基于文本分类、关联挖掘、空间分析等研究方法,对武汉市社管事件的各种数据源之间的联系进行研究。本文的主要研究工作如下:首先,针对社管事件数据库中网格员及群众叙述报告的非结构化的特性,采用TF-IDF算法提取关键词,并利用C4.5决策树分类方法对系统中文本数据进行文本分类,获得武汉市危害社会管理和维护社会管理事件的基本信息及数量情况;同时为了评估C4.5决策树分类器对该系统中自由文本分类的结果好坏,本文比较了C4.5决策树与贝叶斯分类方法的分类精度,证明在本实验中C4.5决策树的性能优于贝叶斯分类方法。其次,为了探究社会管理服务事件与对应区域的社会经济因素及地理环境之间是否存在一定的关联关系,本文采用基于相对支持度的模糊规则挖掘技术探索社会管理事件与多种要素的相关性,发现贫困程度、学历、人口密度、婚姻状况、社区矫正人员等人口统计数据与负能量社会管理事件的发生存在直接关系。最终,本文通过Moran’I指数统计分析武汉市社管事件的空间自相关性,探究社会管理事件在街道单元间聚集分布情况,为社会管理部门人员加强对特定热点地区的实时监督,并为管理人员资源分配和策略制定提供了有效的依据;结合社会管理事件与多种因素的相关程度,本文利用理想解法(TOPSIS)对各街道的社会管理水平进行综合评价,为加强维护社会管理提供了新的解决方案。针对社会管理事件的海量递增,本文通过数据挖掘和GIS技术来研究社会管理事件数据的相关性,为社会管理研究提供了新思路。依据社会管理数据深入分析得到的隐含关系,对街道社会管理水平进行综合评价,为城市管控提供了科学的数据依据,完善了社会管理评估体系。