Page 119 - 新时期档案管理理论与实践探析

第四章 大数据在档案管理中的应用

析，从而挖掘潜在有价值的信息。在档案行业，随着信息社会的发展，无纸化政
策的推进，数字档案的产生量不断递增，加之大部分为非结构化数据，使得档案
管理工作难度加大，而档案数据挖掘即是从大量数字档案中发现有益于档案管理

活动的可被利用信息，改善档案管理者的工作现状，为普通公众提供更优质的档
案服务。
2. 机器学习
机器学习是一门研究人工智能的科学，特别是如何改善经验学习中算法的

性能。机器学习最早可以追溯到对人工神经网络的研究，Warren Mc Culloch 和
Walter Pitts 早在 1943 年就提出了神经网络层次结构模型，确立为神经网络的计
算模型理论，从而为机器学习的发展奠定了基础。在之后的 1950 年，“图灵测试”
的提出标志着人工智能开始成为一个重要的研究课题，从此以人工智能为核心的

机器学习也正式迈入研究殿堂。学习与人的参与密不可分，根据人参与程度的不
同可将机器学习的学习形式分为监督学习、无监督学习和半监督学习等几类，其
中监督学习是根据数据训练集产生的函数来预测新数据对应的结果，训练集的目
标是由人为标注产生的；无监督学习与监督学习相比，训练集不包括人为标注的

数据，整个过程由计算机自主完成；半监督学习介于监督学习与无监督学习之间，
是两者相结合产生的一种学习方法，它运用了大量的未标记数据，同时使用少量
标记数据进行模式识别，进而来完成任务。
3. 数据库管理

数据库管理顾名思义就是对数据库进行管理，其核心是数据库。根据不同的
结构，数据库可分为很多类型，其中关系型数据库是最常见的。关系型数据库是
建立在关系模型基础上的数据库，借助于数学方法来处理数据，绝大多数档案机
构使用的就是这种类型的数据库。由于档案数据挖掘过程中涉及的异构数据加多，

因此还需要非关系数据库的参与，特别是文档型数据库。与关系型数据库相比，
非关系型数据库在使用前不需要定义相关的表结构，使用时也具有较大的灵活性。
具体来说，数据库的管理应根据数据挖掘过程的任务进行及时调整，满足其系统
需求，由于数据挖掘更偏向于探索性分析，意在从数据中寻找出有价值的信息，

且这类信息经常不在预定的设计结构之内，因此在档案数据挖掘的过程中，常会
带来数据类型等变量的不确定性，从而加剧已定义结构的不稳定性。随着数据挖
掘技术的不断发展，结构需要不断调整，为此需要采用关系型数据库与非关系型

·105·