{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2023,11,18]]，“日期-时间”：“2023-11-18T00:39:10Z”，“时间戳”：1700267950436}，“引用-计数”：0，“发布者”：“可扩展计算：实践与经验”，“问题”：“4”，“内容-域”：{“域”：[]，“交叉标记限制”：false}，”short-container蒂尔”：[“SCPE”]，“摘要”：“本文提出了一种基于决策树的信息系统数据挖掘方法，以提高数据挖掘的准确性和效率。提出了一种基于余弦相似性的增强C4.5决策树方法来评估特征的信息增益率及其值的信息熵。当任意两个属性值之间的信息熵方差在阈值范围内时，确定合并属性值的余弦相似度，并重新计算属性的信息增益率。传统数据处理方法无法成功处理的大规模数据集，引发了数据挖掘领域。主要目的是研究数据挖掘技术如何在计算机管理信息系统中使用。本研究从多个角度研究了数据挖掘技术在计算机管理信息系统中的优势。为了分析和理解巨大的数据集，并获取可用于增强计算机管理信息系统决策过程的知识，建议的解决方案使用了多种数据挖掘技术，包括聚类、分类和关联规则挖掘。实验分析表明，所提方法构建决策树所需的时间小于GBDT、P-GBDT方法和C5.0决策树Hyperion图像森林类型精细分类方法所需时间。与其他两种方法的最短时间节省相比，最短时间不超过15秒。与C5.0决策树节省的最小时间相比，C5.0决策树Hyperion图像森林类型精细分类方法所需的时间总是最大的。该方法对各种数据集的分类准确率超过95%，数据挖掘效率高。该方法提高了数据挖掘的精度和效率，以发现隐藏在大量数据背后的有价值信息，并使其价值最大化<\/jats:p>“，”DOI“：”10.12694\/scpe.v24i4.2147“，”type“：”journal-article“，”created“：{”date-parts“：[2023,11,17]]，”date-time“：”2023-11-17T13:26:38Z“，”timestamp“：1700227598000}，”page“：10.12694“，”卷“：”24“，”作者“：[{”给定“：”小红“，”家庭“：”董“，”序列“：”第一“，”从属“：[]}，{”给出“：”兵“，”家族“：”祥“，”顺序“：”附加“，”隶属“：[]}]，”成员“：”4965“，”在线发布“：title“：[]，”链接“：[{”URL“：”https:\/\/www.scpe.org\/index.php\/scpe\/article\/download\/2147\/811“，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\//www.scpeorg\/index.php\/scpe\/article \/down load\/2141\/811”，“内容类型”：“未指定”，“content-version“：”vor“，”intended-application“：”类似算术检查“}]，”存放“：{“date-parts”：[[2023,11,17]]，“date-time”：“2023-11-17T13:27:38Z”，“timestamp”：1700227658000}，“score”：1，“resource”：{”primary“：{”URL“：”https:\\/www.scpe.org\/index.php\/scpe\/article\/view\/2147“}，”subtitle“：[]，”shortitle“:[]，“issued”：{“date-ports”：[2023,11,17]]}，s-count“：0，”journal-issue“：{”issue“：”4“，”published-on-line“：”date-parts“：[[2023,11,17]]}}，”URL“：”http://\/dx.doi.org\/10.12694\/scpe.v24i4.2147“，”关系“：{}，“ISSN”：[“1895-1767”]，“ISSN-type”：[{“value”：“1895-176”，“type”:“electronic”}]，“subject”：【】，“published”：{“date-part”：[2023,11,17]}}}}