浅析基于数据挖掘的数字档案信息管理研究
数据挖掘，实际上就是从大量不明确、模糊、随机的数据之中进行隐含的数据提取，并且这部分数据是人们事先所不了解的但是自身又是有用的数据处理过程。这部分数据自身可以是以结构化的方式呈现，也同样可以是半结构化的方式呈现，甚至还能够通过异构型方式来呈现。通过这一方式所发掘的知识，能够使用在决策支持、优化查询、信息管理等多个不同的方面，这是世界上目前所进行的数据库领域研究关键项目。下文主要针对基于数据万巨额的数字档案信息管理进行了全面详细的研究。
一、数据挖掘的功能
数据挖掘在实际操作的过程中，主要是针对未来的数据发展趋势以及具体行为进行预测性的决策制定。数据挖掘所涉及到的挖掘目标，通常情况下都是在数据库之中所发现的具有隐含知识以及相关意义的一项有效知识，按照不同是知识所呈现出的不同功能，主要可以划分成为以下几个方面：
1、关联分析
关联分析是能够直接找到数据库之中大量不同数据之间的互相联系性方式，通常情况下，该技术分为序列模式以及关联规则这两个方面来加以应用、执行。从本质上来说，关联规则实质上就是发现某个事物与其他组成部分之间所存在的关联性、依赖性等因素。
2、聚类
所输入的数据本身没有任何形式的标记存在，而聚类则是对不同的数据类型进行规划、集合，也就是将多个不同的对象组成多个不同的类，或者是形成簇，通过该方式能够直接使得同一个簇的数据拥有极高的相似度，不同的簇与簇之间存在着较大的差异性。聚类方式的存在，不但使得人们本身对于各个环节的认识进行了强化，同样还是对于概念以及偏差进行分析的一个必要条件。
3、自动预测趋势和行为
数据挖掘自动在大型数据库中进行分类和预测，寻找预测性信息，自动地提出描述重要数据类的模型或预测未来的数据趋势，这样以往需要进行大量手工分析的问题如今可以迅速直接由数据本身得出结论。
1、资源类实数据主要包含了档案馆在进行数据馆藏过程中，对数据进行的数字化加工所产生的各种不同类型的电子档案，而在对于这类档案信息进行处理的过程中，便必须要对于多方面的档案信息加以重视，以档案用户的实际需求来作为出发点，促使数据挖掘能够为档案馆全面掌握各方面信息提供了良好的参考依据以及执行方法。
（1）通过WEB信息访问方式的挖掘技术，来找出各项数据之中所存在的序列模式、关联模式以及WEB访问趋势等多方面问题，从而构建起完善的用户思维兴模型。从而可以确定档案信息或服务受欢迎的程度，发现用户访问模式和用户需求的趋势，从不同侧面来研究用户的信息需求，为优化档案馆的档案信息资源建设提供了科学依据。
（2）收集大学档案网web服务器保留的用户注册信息、访问记录，以及有关用户与系统交互的信息等原始数据，经过清洗、浓缩和转换形成便于统计分析的用户查阅数据库、日志数据库、用户定制信息库、用户反馈信息等各种数据集合。
2、从建设大学档案馆馆藏信息资源出发，数据挖掘为大学档案馆提供了选择一条科学发展道路的重要依据。
（1）利用档案网和档案管理软件访问信息的挖掘分析出档案资源的利用率，将利用率高、需求量大的传统载体档案优先数字化。例如：通过对档案信息的访问记录、检索请求中用户请求失败的数据进行分析，按类统计档案拒用集和频繁利用集，结合聚集算法发现馆藏资源的缺漏，有针对性地补充和丰富档案信息资源。
（2）在大学档案馆藏管理过程中利用文本挖掘，运用关联、分类、聚类等方法，从海量档案信息中按照相关专题进行挖掘、分类、加工、整理和有序化重组，构建特色档案信息库及各类专题档案信息库等。
三、数据挖掘在管理类数据中的应用
大学档案馆的管理类数据包括：智能监控系统、消防系统、温湿度控制系统、智能密集架、数据管理系统、数据利用系统等在日常工作产生大量的管理类数据。我们得用数据挖掘工具在这类看似无用的数据中提取有价值的知识并运用到大学档案馆工作中，并在大学档案馆的现代化建设中发挥作用。
大学档案馆档案工作的重点是为师生服务，以服务为中心开展各项工作，如何使用先进的工具，提高服务的质量是一直困扰我们的难题。数据挖掘为大学档案馆档案工作的智能化、个性化、精品化提供了行之有效的方法。在智能检索系统可调用用户兴趣模型，自动修正检索策略并可依用户兴趣将检索结果迅速聚类和分类，并条理化地排序出来；对于设计院、社科院等科研型档案用户，可借助数据挖掘开展针对性的档案信息挖掘，并将研究成果以概述、成果报告等形式提供给用户。
四、结语
综上所述，在我国当前科技技术飞速发展的过程中，人们开始越发重视数据挖掘所具有的重要性，尤其是利用数据挖掘技术在数字档案信息管理工作中所起到的便利性，对于我国当前的档案信息管理工作来说，起到了极其重要的作用。但是，必须要加以重视的是，在数字档案信息中对数据挖掘技术进行应用的过程中，务必要针对其中所涉及到的多个方面进行协调性研究，这对于网络档案的建设和运行来说，起到了极其重要的作用。
