论文部分内容阅读
摘 要：在信息技术快速发展的背景下，数据挖掘技术已在科技查新工作中得到了广泛的应用，不仅可以为科技查新工作或科研项目分析和管理提供准确详实的数据信息，还可以为科技查新咨询机构提供科学的数据服务和技术支撑。同时，数据挖掘技术的广泛应用也促进了信息技术的进一步发展，并在科技查新及相关业务工作中具有重要的应用价值。
关键词：数据挖掘技术 科技查新 应用
随着信息技术的发展，计算机挖掘技术已经成为重要的工具和分析方法。数据挖掘技术不仅能够使用户获得自己需要的数据，而且还能将数据按照要求进行分析和整理，从而为用户的决策提供科学的参考和支持。数据挖掘技术以广泛的应用优势受到用户的欢迎，并最大范围地满足用户的各种需求。
一、数据挖掘技术概述
数据挖掘技术是指在海量的、不确定的大规模数据中，可以提取到人们无法直接获得的但又具有重要作用的有效信息的过程。数据挖掘技术在科技查新工作的运用是用户从包含大量科技信息内容的数据库或相关的科技信息系统中提取出符合查找要求的相关资料，并对获取的信息资料进行深入分析，从而帮助用户获得更加丰富有效的知识资料，综合所有信息数据，加工整理形成新的科技查新知识点的过程。在实际科技查新工作中会运用到数据挖掘技术的各种方法，包括分类分析、关联分析、聚类分析等，涉及到统计学、信息获取、人工智能、神经网络等不同领域的技术。
二、数据挖掘在科技查新中的应用现状
对科技查新工作者而言，在科技查新工作中运用数据挖掘技术的目的是得到相关的分析报告。当前科技信息检索平台众多，主要的中文检索平台包括维普、万方、中国知网等，这些数据库为数据挖掘提供了有利条件。在这些大型科技文献数据库中，可以利用记录模式对文献内容进行分析，利用主题词/关键词的形式挖掘数据信息。数据挖掘技术的使用不仅可以扩大检索范围、确定检索方向，还可以增加检索的准确率、提高检索效率。另外，随着业务需求的不断增加，科技查新机构也纷纷开始建立服务于自己查新业务流程的信息管理系统，当用户进行检索时，可以通过项目名称、技术要点、查新点和关键词等进行检索。数据挖掘信息技术在这些小型数据库中的应用，可以深化科技查新工作的开展，分析掌握查新行业内的信息，从而促进科技查新业务的拓展。
三、数据挖掘技术在科技查新工作中的应用意义
科技查新工作主要目的就是为科研单位或个人提供专业的信息咨询服务，不同领域的科研项目，无论是课题立项或是项目鉴定，都需要海量的专业数据做为支撑，这关系到科技查新工作的科学性、公平性和公正性。
数据挖掘技术在科技查新工作的运用，首先是对包含科技文献的数据库进行有效挖掘，可以针对某一科研项目中的主要技术特点或者重点关注领域等进行明确分类，并对其发展方向进行预测，通过建立相关分析模型，生成分析报告，向用户提示相关技术的各种影响因素之间的关系。同时，数据挖掘技术还可以对分类后得到的数据进行聚类分析或关联分析，并将分析后的结论与专家咨询情况相结合，从而得出研究项目所领域未来的重点发展方向，以此帮助相关机构或人员确定投融资目标。针对不同的发展层面，数据挖掘技术可以分层级对不同的文献数据库进行数据挖掘，为用户提供客观的数据参考，帮助其做出正确决策，从而为科研项目顺利开展提供保障。
另外，数据挖掘技术在科技查新工作中的运用还可以实现对科研项目的科学管理。科技查新机构在长期的科研项目咨询服务工作中积累了丰富的相关科研机构客户提供的数据信息，并建立了相关的业务流程服务信息管理系统。数据挖掘技术的使用，可以实现科技查新业务管理与科研项目管理的关联，更好地帮助查新机构管理者发现业务工作中存在的问题，并提出解决问题的方法，从而促进科技查新工作的进步和发展。
数据挖掘技术在科技查新工作中的运用还有助于实现个性化信息咨询服务。原有的科研信息服务多以初始信息为主，提供的信息服务比较单一，在当前用户信息需求量呈现不断增长趋势的大背景下，现有服务已不能完全满足客户对信息咨询服务的需求。为改善这一状况，应当在详细了解用户的需求基础上，丰富服务内容和健全服务体系，实现全方位服务和管理，并根据用户需求制定针对性和个性化服务，为用户提供有效的信息咨询服务。这种服务模式将成为科技查新机构新的业务发展方向。
四、数据挖掘技术在科技查新中的应用模式
1.分类分析模式。分类用于描述类别并构建该类别的模型，通常用于规则法则的泛化和预测。分类总结了数据的泛化，可以使用多模式，如决策树、公式定义以及分类规则来表达。分类通过人工智能学习技术和特定算法使用已知的分类数据集获取规则。在数据挖掘过程中，将大量搜索到的新数据库中的数据按照一定级别分为几类，可以快速将新的检索项目分类至专门的领域中，并与最近的检索结果进行比较，从而得出可靠的结论。
2.聚类分析模式。聚类分析用于发现海量数据与数据之间的维度关系和位置分布状况等，从而辅助使用者建立大众数据集的总体感官。它将数据分类为相似性或空间位置的类别，其中划分为相同类别的数据在某些特定属性中是相互关联的或者相似的，反之亦然。聚类可以通过对新数据的分析得出创新领域的发展趋势、学科发展程度、热点等，可以帮助企业统计科技成果的前沿发展趋势，为相关科研拓展提供依据。
3.关联分析模式。关联分析模式可以分为简单关联、因果关联以及时间关联等三种形式，不同的关联形式可以帮助查新工作者获得大规模数据信息中相关联的信息，而数据信息的关联程度可以用置信度和支持度进行判断。此外，还可以采用兴趣度和关联性等指标衡量数据之间的关系，从而更好地满足客户的需求。关联分析模式利用了数据之间的相互影响特点，并以量化的概念，展现一个对象出现时对另一个对象的影响，利用关联分析模式可以更好地帮助查新工作者了解在检项目在科研领域的影响力，以及其它相关研究对该研究项目产生的关联影响。
五、结语
随着信息技术的发展，计算机数据挖掘技术得到了广泛应用，并且数据挖掘技术也为科技查新工作提供了重要的研究方法和分析工具。通过采用数据挖掘技术，不仅能够使科技查新工作者获得所需的数据信息，而且经过其系统内数据处理技术对数据的分析而得出的分析报告也会为查新咨询服务的用户提供科学的决策参考。计算机数据挖掘技术以广泛的应用优势受到欢迎，未来也将会得到更大力的推广和应用，从而更好地促进信息化技术的发展。
參考文献：
[1]张秀妮.数据挖掘技术在科技查新中的应用[J].科技创新与应用，2013，24.
[2]刘永照.基于Web数据挖掘技术的科技查新系统设计[J].硅谷，2012，12.
[3]李明江，唐颖，周力军.数据挖掘技术及应用[J].中国新通信，2012，22.
[4]王晓丽，刘洁，孙洁.科技查新信息资源共享探讨[J].中国科技资源导刊，2016，01.
[5]姜峰.基于数据挖掘技术的科技创新服务工作研究[J].科技资讯，2010，03.
[6]舒正渝.浅谈数据挖掘技术及其应用[J].中国西部科技，2010，05.
关键词：数据挖掘技术 科技查新 应用
随着信息技术的发展，计算机挖掘技术已经成为重要的工具和分析方法。数据挖掘技术不仅能够使用户获得自己需要的数据，而且还能将数据按照要求进行分析和整理，从而为用户的决策提供科学的参考和支持。数据挖掘技术以广泛的应用优势受到用户的欢迎，并最大范围地满足用户的各种需求。
一、数据挖掘技术概述
数据挖掘技术是指在海量的、不确定的大规模数据中，可以提取到人们无法直接获得的但又具有重要作用的有效信息的过程。数据挖掘技术在科技查新工作的运用是用户从包含大量科技信息内容的数据库或相关的科技信息系统中提取出符合查找要求的相关资料，并对获取的信息资料进行深入分析，从而帮助用户获得更加丰富有效的知识资料，综合所有信息数据，加工整理形成新的科技查新知识点的过程。在实际科技查新工作中会运用到数据挖掘技术的各种方法，包括分类分析、关联分析、聚类分析等，涉及到统计学、信息获取、人工智能、神经网络等不同领域的技术。
二、数据挖掘在科技查新中的应用现状
对科技查新工作者而言，在科技查新工作中运用数据挖掘技术的目的是得到相关的分析报告。当前科技信息检索平台众多，主要的中文检索平台包括维普、万方、中国知网等，这些数据库为数据挖掘提供了有利条件。在这些大型科技文献数据库中，可以利用记录模式对文献内容进行分析，利用主题词/关键词的形式挖掘数据信息。数据挖掘技术的使用不仅可以扩大检索范围、确定检索方向，还可以增加检索的准确率、提高检索效率。另外，随着业务需求的不断增加，科技查新机构也纷纷开始建立服务于自己查新业务流程的信息管理系统，当用户进行检索时，可以通过项目名称、技术要点、查新点和关键词等进行检索。数据挖掘信息技术在这些小型数据库中的应用，可以深化科技查新工作的开展，分析掌握查新行业内的信息，从而促进科技查新业务的拓展。
三、数据挖掘技术在科技查新工作中的应用意义
科技查新工作主要目的就是为科研单位或个人提供专业的信息咨询服务，不同领域的科研项目，无论是课题立项或是项目鉴定，都需要海量的专业数据做为支撑，这关系到科技查新工作的科学性、公平性和公正性。
数据挖掘技术在科技查新工作的运用，首先是对包含科技文献的数据库进行有效挖掘，可以针对某一科研项目中的主要技术特点或者重点关注领域等进行明确分类，并对其发展方向进行预测，通过建立相关分析模型，生成分析报告，向用户提示相关技术的各种影响因素之间的关系。同时，数据挖掘技术还可以对分类后得到的数据进行聚类分析或关联分析，并将分析后的结论与专家咨询情况相结合，从而得出研究项目所领域未来的重点发展方向，以此帮助相关机构或人员确定投融资目标。针对不同的发展层面，数据挖掘技术可以分层级对不同的文献数据库进行数据挖掘，为用户提供客观的数据参考，帮助其做出正确决策，从而为科研项目顺利开展提供保障。
另外，数据挖掘技术在科技查新工作中的运用还可以实现对科研项目的科学管理。科技查新机构在长期的科研项目咨询服务工作中积累了丰富的相关科研机构客户提供的数据信息，并建立了相关的业务流程服务信息管理系统。数据挖掘技术的使用，可以实现科技查新业务管理与科研项目管理的关联，更好地帮助查新机构管理者发现业务工作中存在的问题，并提出解决问题的方法，从而促进科技查新工作的进步和发展。
数据挖掘技术在科技查新工作中的运用还有助于实现个性化信息咨询服务。原有的科研信息服务多以初始信息为主，提供的信息服务比较单一，在当前用户信息需求量呈现不断增长趋势的大背景下，现有服务已不能完全满足客户对信息咨询服务的需求。为改善这一状况，应当在详细了解用户的需求基础上，丰富服务内容和健全服务体系，实现全方位服务和管理，并根据用户需求制定针对性和个性化服务，为用户提供有效的信息咨询服务。这种服务模式将成为科技查新机构新的业务发展方向。
四、数据挖掘技术在科技查新中的应用模式
1.分类分析模式。分类用于描述类别并构建该类别的模型，通常用于规则法则的泛化和预测。分类总结了数据的泛化，可以使用多模式，如决策树、公式定义以及分类规则来表达。分类通过人工智能学习技术和特定算法使用已知的分类数据集获取规则。在数据挖掘过程中，将大量搜索到的新数据库中的数据按照一定级别分为几类，可以快速将新的检索项目分类至专门的领域中，并与最近的检索结果进行比较，从而得出可靠的结论。
2.聚类分析模式。聚类分析用于发现海量数据与数据之间的维度关系和位置分布状况等，从而辅助使用者建立大众数据集的总体感官。它将数据分类为相似性或空间位置的类别，其中划分为相同类别的数据在某些特定属性中是相互关联的或者相似的，反之亦然。聚类可以通过对新数据的分析得出创新领域的发展趋势、学科发展程度、热点等，可以帮助企业统计科技成果的前沿发展趋势，为相关科研拓展提供依据。
3.关联分析模式。关联分析模式可以分为简单关联、因果关联以及时间关联等三种形式，不同的关联形式可以帮助查新工作者获得大规模数据信息中相关联的信息，而数据信息的关联程度可以用置信度和支持度进行判断。此外，还可以采用兴趣度和关联性等指标衡量数据之间的关系，从而更好地满足客户的需求。关联分析模式利用了数据之间的相互影响特点，并以量化的概念，展现一个对象出现时对另一个对象的影响，利用关联分析模式可以更好地帮助查新工作者了解在检项目在科研领域的影响力，以及其它相关研究对该研究项目产生的关联影响。
五、结语
随着信息技术的发展，计算机数据挖掘技术得到了广泛应用，并且数据挖掘技术也为科技查新工作提供了重要的研究方法和分析工具。通过采用数据挖掘技术，不仅能够使科技查新工作者获得所需的数据信息，而且经过其系统内数据处理技术对数据的分析而得出的分析报告也会为查新咨询服务的用户提供科学的决策参考。计算机数据挖掘技术以广泛的应用优势受到欢迎，未来也将会得到更大力的推广和应用，从而更好地促进信息化技术的发展。
參考文献：
[1]张秀妮.数据挖掘技术在科技查新中的应用[J].科技创新与应用，2013，24.
[2]刘永照.基于Web数据挖掘技术的科技查新系统设计[J].硅谷，2012，12.
[3]李明江，唐颖，周力军.数据挖掘技术及应用[J].中国新通信，2012，22.
[4]王晓丽，刘洁，孙洁.科技查新信息资源共享探讨[J].中国科技资源导刊，2016，01.
[5]姜峰.基于数据挖掘技术的科技创新服务工作研究[J].科技资讯，2010，03.
[6]舒正渝.浅谈数据挖掘技术及其应用[J].中国西部科技，2010，05.