關聯(lián)分析下的房產(chǎn)檔案信息管理
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了關聯(lián)分析下的房產(chǎn)檔案信息管理范文，希望能給你帶來靈感和參考，敬請閱讀。
關鍵詞：高校房產(chǎn)檔案；關聯(lián)分析；Apriori算法
高校房產(chǎn)檔案種類繁多，時間跨度長，載體多樣，在立卷和著錄階段忽視了案卷之間隱含的業(yè)務聯(lián)系，使得數(shù)據(jù)信息呈孤立狀態(tài)，難以挖掘出檔案之間潛在的信息，不利于用戶查詢使用。本文將檔案信息關聯(lián)分析技術應用于高校房產(chǎn)檔案管理，嘗試解決檔案信息孤立分散的問題，充分挖掘檔案之間的隱含聯(lián)系，對檔案進行深層次的二次開發(fā)利用。
一、關聯(lián)規(guī)則分析和Apriori算法
關聯(lián)分析又稱為關聯(lián)規(guī)則挖掘，是在信息載體中查找存在于項目集合之間的頻繁模式、相關性或因果結(jié)構。Apriori算法是最具影響力的挖掘布爾關聯(lián)規(guī)則頻繁項集的算法之一。該算法的基本思想是利用迭代的方法找出數(shù)據(jù)值中頻繁出現(xiàn)的集合，從這些集合中發(fā)現(xiàn)它們之間的關聯(lián)規(guī)則。一般而言Apriori算法使用支持度作為判斷頻繁項集的標準。如果將Arpriori算法用到房產(chǎn)檔案管理中，檔案中有教職工購買房改房資料、申請貨幣補貼資料、基建資料、權籍資料等，這些資料都可以看成一個個的項目集合，可以用關聯(lián)分析找出所有集合中頻繁出現(xiàn)的集合，設定一個支持度閾值α，出現(xiàn)頻率高于閾值α的集合即是我們要找的頻繁集合。算法用逐層迭代的方法實現(xiàn)。第一步，根據(jù)算法對整個數(shù)據(jù)集進行掃描，獲取所有數(shù)據(jù)集，此時還未計算頻繁項集。第二步，計算各數(shù)據(jù)集的支持度，減除支持度低于閾值α的項集，所保留的項集為頻繁k項集。如果得到的k項集為空，則返回頻繁k-1項集的集合作為算法結(jié)果。如果得到的k項集只有一項，則直接返回頻繁k項集的集合作為算法結(jié)果。否則，令k項集為k+1項集，返回第二步，如此往復。最終得到所有頻繁項集，也就是在所歸檔的房產(chǎn)檔案中出現(xiàn)最頻繁的文檔資料。第三步，找出k項頻繁集各項之間的關聯(lián)。例如，教職工購買公有住房審批表的出現(xiàn)極有可能伴隨著購房買賣契約的出現(xiàn)，購房票據(jù)也應該隨之一起出現(xiàn)；或者學校基建項目資料的出現(xiàn)肯定會伴隨著項目審批資料等等。各頻繁項集彼此之間同時發(fā)生的概率就是它們的置信度。下面通過一個虛擬的例子來分析Apriori算法在高校房產(chǎn)檔案中應用的實際意義。
二、Apriori算法在房產(chǎn)檔案中的應用
高校教職工住房改革與福利分房的資料是高校房產(chǎn)檔案中重要的組成部分，也是最能體現(xiàn)房產(chǎn)檔案復雜性的一部分，在日常管理工作中具有較高的查詢利用率。利用Apriori算法在模擬的房產(chǎn)檔案數(shù)據(jù)中進行關聯(lián)分析實驗。實驗數(shù)據(jù)集采用50條教職工房改信息，Apriori算法是基于《機器學習實戰(zhàn)》中python代碼，最小支持度閾值設為0.6，置信度參數(shù)設置為0.85。測試數(shù)據(jù)集中事務ID為數(shù)據(jù)條目，如01條事務數(shù)據(jù)表示教職工A同時有購房申請表、購房審批表、購房買賣契約、購房票據(jù)、貨幣補貼審批表和退款票據(jù)這6種資料。而02條事務數(shù)據(jù)表示教職工B沒有這些資料，只有貨幣補貼審批表、退房協(xié)議和會議記錄上討論的關于住房問題的解決方案，以此類推。數(shù)據(jù)集如表1所示。運行代碼，實驗結(jié)果顯示在測試數(shù)據(jù)中。當支持度閾值α設置為0.6的情況下，共有10個頻繁項集。見表2、表3。它意味著如果用戶來查詢相關檔案，85%的教職工可以查詢到申領過的住房貨幣補貼記錄，70%的教職工有學校分配住房的記錄或者職稱和定級文件，65%的教職工提交過購房申請表，70%的教職工提交過貨幣補貼審批表，70%的教職工提交過購房審批表并簽署過購房買賣契約。退房協(xié)議和會議記錄上提及到住房解決方案的資料歸檔的數(shù)量不太多，支持度沒有達到閾值0.6。將支持度閾值α調(diào)整為0.5查看結(jié)果，發(fā)現(xiàn)頻繁項集增加了許多，從表2所示結(jié)果可知55%的查詢者可以檢索到自己的購房票據(jù)。多次調(diào)整支持度閾值可準確定量地知曉數(shù)據(jù)集中各類案卷的分布情況。另外，從表2中可以看出，購房申請表和購房審批表及購房買賣契約同時出現(xiàn)的概率為60%，表示提交過購房申請的教職工中60%的人最后都購買了公房。購房申請表和購房買賣契約同時出現(xiàn)的概率為70%，說明大部分教職工這兩樣材料都齊全。根據(jù)這些結(jié)論，檔案管理人員可以快速知悉數(shù)據(jù)庫中各類資料的數(shù)量比例，做到心中有數(shù)，查詢有的放矢。實驗第二部分計算了各頻繁項集的置信度，置信度定量地估算出所分析得到的關聯(lián)規(guī)則的準確度，也即可信度。見表4。由表4所示的實驗結(jié)果可知，上一步得出的購房審批表和購房買賣契約的共現(xiàn)概率70%（支持度），其置信度為100%，可信度非常高。購房申請表和購房審批表共現(xiàn)概率60%的置信度為92.3%。置信度的計算可以提供使用關聯(lián)規(guī)則的依據(jù)，首先使用置信度高的關聯(lián)規(guī)則，提高檔案查詢效率。
在實際房產(chǎn)檔案管理工作中，檔案管理人員可以利用關聯(lián)分析規(guī)則提高檔案檢索效率和查全率。例如，需要查詢教職工A十幾年前的住房記錄，但是在分房記錄的數(shù)據(jù)里沒有找到該資料，是否就意味著這份資料遺失或沒有歸檔呢？依據(jù)規(guī)則，貨幣補貼審批表對分房記錄的支持度為0.65，意味著檢索到A的貨幣補貼審批表就有65%的概率可以查詢到A的分房記錄材料，這一推測的置信度為92.9%，可信程度很高，因此可以從貨幣補貼審批表作為突破口做新的嘗試。查詢A的貨幣補貼審批表發(fā)現(xiàn)當年所填寫的房屋地址與現(xiàn)在所用的地址名稱不一致，是變更前的地址，因為時間間隔久遠不少人已經(jīng)不知道原來的地址名稱。檢索舊地址最后找到A的分房記錄，問題迎刃而解。可見關聯(lián)分析規(guī)則的應用能為某些檢索難題提供思路和捷徑。同樣，對于很多歷史悠久的高校來說，不少建筑經(jīng)歷過更名、改造、擴建等變動，在查閱老舊圖紙或資料時常常遇到困難，輸入的關鍵字與當時著錄的關鍵字不匹配，檢索不到想要的檔案。利用關聯(lián)分析找到關聯(lián)緊密的材料，很大程度上可以提高檔案檢索的查全性。最后，檔案檔案管理人員可以依據(jù)實驗結(jié)果發(fā)現(xiàn)管理中的疏漏。購房票據(jù)的支持度明顯小于購房審批表和購房買賣契約，說明不少購房者的購房票據(jù)沒有檢索到，這就需要檔案管理人員查驗是否由于票據(jù)遺失，或是著錄過程中重要信息沒有提取導致沒有檢索到，找到問題所在，完善檔案管理。綜上所述，關聯(lián)分析算法的應用可以提高高校房產(chǎn)檔案信息化建設的效益。但是，現(xiàn)階段高校房產(chǎn)檔案管理信息化亟待解決的一個困難是將多源異構的數(shù)據(jù)信息化，以便能從不同的數(shù)據(jù)庫信息中挖掘潛在信息，提高檔案的利用價值。
參考文獻：
[1]（美）PeterHarrington.機器學習實戰(zhàn)[M].李銳，李鵬，曲亞東，王斌，譯.人民郵電出版社,2013.
[2]郭雪薇，董晶.基于特征關聯(lián)分析的檔案信息關聯(lián)分析模型[J].電子設計工程，2019(27):47-52.
[3]呂元智.數(shù)字檔案資源知識“關聯(lián)”組織研究[J].檔案學研究，2012（6）：44-48.
[4]梁麗燕.關聯(lián)規(guī)則挖掘Apriori算法在數(shù)字檔案系統(tǒng)中的應用研究[J].現(xiàn)代計算機，2011(13):7-10.
[5]許惠瑋.基于數(shù)據(jù)挖掘的數(shù)字檔案信息管理研究[J].北京檔案，2012(9):29-30.
[6]左娜，張衛(wèi)東，賈瓊.基于關聯(lián)數(shù)據(jù)的檔案文化資源整合研究[J].蘭臺世界，2018(2):21-25.
[7]陳源.數(shù)據(jù)挖掘在高校檔案管理中的應用研究[J].辦公室業(yè)務,2012(22):144-145.
作者：曹晨 單位：蘇州大學檔案館