电子政务数据中心的管理研究范文

目前关于不确定性数据的研究非常多，一些在确定性数据领域常规算法被推广应用到不确定性数据领域，例如：通过将不确定性数据图形化处理，得到了不确定图，在不确定图的基础上，一些传统最小生成图算法、关键路径算法等等被一一实现出来，紧接着一些现代的TOP-K查询算法、K最近邻算法、SKYLINE算法等等也被一一提出。这些算法的提出了，解决了大量的不确定数据中的处理问题，从而推动了不确定性数据处理的发展。

一、电子政务数据中心

在所有的管理信息系统中，电子政务系统是最复杂、最庞大的系统之一，数据来源比较复杂，因此容易产生不确定性数据。但是对这些数据进行分析是非常重要的，是进一步进行数据处理和数据挖掘的基础。随着电子政务的发展，每个电子政务系统都采用了数据中心的方式，这样容易对数据进行整理和挖掘，从而为城市的管理和决策提供科学的依据。

近年来，关于电子政务的数据挖掘研究非常多，但是这些研究大部分是针对确定数据，正对WEB数据和不确定性数据却很多，在电子政务中非常容易产生不确定性数据，例如：在城市的公交线路规划上，我们可以通过采用统计刷卡数量的方法轻易的统计多少个人乘坐了公交车，但是却只能在此基础上根据一定的概率和算法来统计实际的人数。另外每个人人大概乘坐的站点数量也是没有办法准确统计的，这些数据又对公交车的设置非常重要，如果有精确的数据，我们可以根据一定的算法来挖掘出相应的线路，在这种情况下，只能根据乘坐的人数对具体的数据进行推论，这样推论的方式导致了数据的不确定性。尽管通过数据中心的方式能够方便数据的管理和处理，但是因为得到的数据不确定，却没有更好的方法进行决策支持。另外，在电子政务中，有大量的数据存在隐瞒、欺诈情况，这些数据也是造成不确定性的主要原因之一，因此这些数据的处理也是一件非常重要的事。

二、数据处理与管理方法

一般来讲，对不确定的数据进行整理之后，采用概率树，或者是半结构化的方法，使之成为一个确定性的数据，然后在对数据通过一定的映射算法进行处理，最终使数据转换成为一个确定性数据，以方便处理。对于多维数据来讲，这种处理方式并不可行，多维的半结构化数据，再采用概率计算，会导致计算量非常巨大，从而使问题变成NP-HARD问题，最终导致了不可计算。可以通过对这些数据剪枝、上卷等方法，消除过多的影响维数，最终使数据变成容易处理的数据。对于比较难处理的数据，可以再多个层次上对数据进行处理，通过一些启发式的算法，最后得出处理的结果。

总而言之，现在不确定数据存在在各个领域中，在电子政务中尤其容易产生，但是不确定数据的处理又比较重要，通过对这些数据的处理和归集，使之能够顺利的和数据中心的已有数据配合，最终产生容易处理的结果。（本文作者：陈守森、耿晓燕单位：山东商务职业学院、烟台市综合信息中心）