1数据挖掘在电子政务中的作用
1.1舆情管控能力
政务舆情是指在一定的社会空间内，围绕与政府相关的中介性社会事件的发生、发展和变化，作为主体的民众对作为客体的政府及其管理者所持有的社会政治态度。做到舆情管控，核心就是通过数据挖掘技术，对海量网络舆论信息进行实时的自动采集、分析、汇总，一旦发现危机信息，第一时间进行舆情处理与引导。
1.2业务创新能力
创新是政府部门向知识型政府转变的基本要求，它不仅局限在行政方法和政务处理流程层面上的创新，也包括政府制定发展战略和公共政策的创新。大数据时代政府职能要进行转变，更多地从用户角度出发，提供公共服务，实施公共管理。政府需要借助数据挖掘手段对以往教训、先进经验进行挖掘、归纳、采集和利用，最终指导政府的战略与政策的制定。
2待挖掘的电子政务数据
2.1互联网数据
通过对新闻、论坛、贴吧、电子报、视频、博客、微博等互联网信息资源，重点对领导、意见领袖的信息进行采集，尤其关注社区、微博、个人主页等网站上的发言，同时对民生信息进行采集，如拆迁、环保、社保、教育、医疗、贪腐等信息进行侧重采集，满足对民生信息的全面掌握。再通过K-means、C4.5等数据挖掘算法实现分类、聚类、正负面判断等数据结果，最终形成热点分析、专题分析、重点事件、重点人分析等多种高价值专栏。
2.2政府自身数据
政府自建数据主要包括门户网站数据、内网办公数据以及专业数据库数据。多年以来，政务门户网站提供了政务公开、网上互动与在线服务这三大功能的公众服务，我们可以通过分析访问习惯挖掘出潜在的规律，进行数据关联性分析，指导网站进一步优化。对于机关内部办公网数据，通过比对行政运营行为的历史数据重新梳理工作业务流，实现内网办公效率的提升。对专业数据库进行挖掘，可实现社会运行重大指标的预言和估值，从而为政府重大政策出台提供决策支持。
3常用的数据挖掘方法
常用的数据挖掘方法主要有：关联分析、聚类分析、预测、时序模式分析和偏差分析等。
3.1传统分析方法
抽样技术、多元统计分析和统计预测方法等。
3.2决策树
对数据进行划分建立树状图，用树形结构来表示决策集合，可用于分类和预测，常用的算法有CART、CHAID、ID3、C4.5、C5.0等。
3.3人工神经网络
模拟人的神经元功能，经过输入层、隐藏层、输出层的处理对数据进行计算，最后得到结果。是一种通过训练来学习的非线性预测模型，可以完成分类、聚类、特征挖掘、回归分析等多种数据挖掘任务。
3.4关联规则挖掘算法
关联规则是描述数据之间存在关系的规则。首先求出频繁数据项集，再对频繁数据项集求出关联规则。
3.5最近邻技术
通过已辨别历史记录的组合来辨别新的记录，可以用来做聚类和偏差分析。
4电子政务下的数据挖掘难点
4.1涉及部门广、协调难度大
电子政务建设是一项复杂的系统工程，牵涉的数据范围广、来源多。要保证数据挖掘的质量，就要提高数据的准确性与全面性，这就需要不同的行政系统间、不同的职能单位间以及不同的业务部门间建立强有力的工作机制，打破隔阂、高效配合，分享自身的关键数据，通力合作，实现大部门下的整体数据挖掘。
4.2数据规模大、技术难度高
电子政务飞速发展使数据挖掘需要面对着的数据规模更加庞大、数据种类更多、数据之间关系更复杂。目前采用技术手段，通过并行技术处理大规模的数据，可以获得较高的挖掘效率。目前数据挖掘工具能处理的数据形式非常有限，一般只能对结构化数据进行处理，对于电子政务系统中复杂的数据形式进行处理难度很大。
4.3维护成本高，见效周期长
电子政务建设中，数据挖掘不是“一锤子买卖”，需要长时间的数据积累才能见效。随着数据热点的不断变换、数据分析技术的不断发展以及数据存储设备的更新换代，数据的维护成本高，且动辄需要数月乃至数年的积累数据才有更大的利用价值，直接导致数据挖掘的见效周期长，需要领导与专业人员具备足够的耐心。
作者：李宇博 张晶 单位：天津工业大学
相关专题：常熟理工学院图书馆 全国生态功能区划附图