（三）典型应用

1.生成用户画像

近年来，互联网上网服务营业场所在缩小城乡信息差距、解决流动人口和低收入群体上网问题、丰富人民群众精神文化生活等方面发挥了积极作用，已经成为社会发展中不可或缺的一环。截至2018年底，我国互联网上网服务行业用户规模达到1.19亿。但是，由于移动产业迅速扩张，互联网上网服务营业场所受到不小的冲击。为了摆脱困境，互联网上网服务营业场所需要不断转型与升级，为用户提供个性化服务，提高用户满意度，以此提升用户黏度。为了实现个性化服务，企业必须了解用户的平台特征。互联网上网服务营业场所虽然有用户的各种行为数据，但是不能直观有效地表现出用户特征。^[20]而使用基于数据挖掘的用户画像可以高效地解决这个问题。

用户画像是通过分析与用户相关信息后，抽取有用信息进行标签化和结构化处理，完美地抽取出一个用户全貌的过程（见图2-7）。构建用户画像主要分为标签体系构建和标签匹配两部分。标签体系是用户画像描述用户特征的维度体系，是构建用户画像的基本框架。标签体系的构建要结合业务需求，从不同的维度去刻画用户特征。不同领域的用户画像体系有不同的侧重点。标签匹配的实质是给用户打标签，是用户画像的核心工作。进行标签匹配时，需要对数据进行挖掘，从海量繁杂的数据中提取有用的信息，主要用到的方法包括统计方法、文本挖掘算法、相似度计算方法、分类聚类算法等。对数据进行挖掘后，即可为用户标记标签。标签分为定量标签和定性标签。定量标签使用可量化的数据进行标记，定性标签则使用关键词进行标记。由于定性标签使用关键字，无法量化，所以进行标签标记时，需要为定性标签计算权重。通过使用权重系数，使定性标签能够精准地表达用户特征。

图2-7　用户画像系统构建^[21](https://www.daowen.com)

2.智慧医疗

医疗问题与居民生活息息相关，存在的问题较为突出的有看病难、看病贵和医疗资源不均衡等社会热点问题，这些问题与医疗资源分配不均、医疗机构布局不合理、医疗保障不够充足和医疗体系建设落后于社会需求有直接关系。利用大数据与数据挖掘技术研究解决这些难题，用科学算法分析、挖掘医疗体系中大数据潜在的规律和信息，对完善智慧医疗有积极作用。在智慧医疗中收集的数据主要来源有居民的就医行为数据、居民健康档案数据和医院患者就医信息等。常用于智慧医疗的数据挖掘算法有关联规则、决策树算法、聚类算法等，比如利用关联规则可以分析出医疗资源分配与居民就医的潜在规律；利用决策树算法可以对病人就医流向、治疗费用和病人治疗医院等级进行分类分析，得出医疗资源的分配和医疗保障的信息分类图。医院、健康管理中心以及社区门诊的数据中有大量的就诊信息，这些看似庞大无规律的数据，经过大数据处理、数据挖掘技术分析，能从中找出潜在的规律和有用的信息，能够促进资源的合理分配和区域布局的合理化，推动医疗机构建设的合理优化，提高患者的治愈率，减轻患者的经济负担，解决好医患矛盾，提高医疗效率，提升智慧医疗水平^[22]。

3.智慧交通

智慧交通是智慧城市发展中的重要组成部分，城市经济的发展速度对交通要求越来越高，城市在发展过程中要引进人才、招商引资，交通便利便是重要的参考项，人们生活水平提高也与交通有直接关系，是否有便利的交通条件直接影响到人们的生活。随着交通视频监控、GPS定位和物联网技术应用的发展，智慧交通的水平得到了较大提升。目前的各种导航软件，如高德地图、百度地图等给人们出行带来极大方便，Sinha等提出其利用网络模型和无监督机器学习的方法，实现路径规划算法的改进，采用网络技术、支持向量机，生成风格路由表，从而确定最优的导航路径。但是这些软件只能提示路线和路况，并不能解决交通拥堵问题，也不能提供便利的乘车匹配方案。要想解决交通拥堵问题、提供个性化出行匹配方案，还要从交通系统中收集视频监控数据、GPS定位路线数据和实时车辆出行数据等信息，此外，还可以利用数据挖掘技术，为交通系统运行提供决策支持。此外，还可以利用数据挖掘聚类的方法对交通事故处理数据进行分析，用关联规则对交通事故因素进行评估、预测，找出事故发生的原因，及时制定对策进行相应的预防；通过分析GPS定位或上下班出行数据，提供个性化的交通路况信息服务，提供出行方便的路线，治理交通拥堵；利用大数据技术收集人们出行数据、公交车运营数据、出租车载客数据和网约车数据等，采用决策树、神经网络分类模型对数据进行分析，得出最优化的出行方案，提高城市交通出行效率，充分利用城市交通资源，提供网约车打车策略和个性化出行匹配方案，让市民更加便利、安全地出行，让智慧交通助力智慧城市体系建设^[23]。