秘书算法
‘壹’ 金融数学的研究内容
金融数学主要的研究内容和拟重点解决的问题包括：
(1)有价证券和证券组合的定价理论
发展有价证券（尤其是期货、期权等衍生工具）的定价理论。所用的数学方法主要是提出合适的随机微分方程或随机差分方程模型，形成相应的倒向方程。建立相应的非线性Feynman一Kac公式，由此导出非常一般的推广的Black一Scholes定价公式。所得到的倒向方程将是高维非线性带约束的奇异方程。
研究具有不同期限和收益率的证券组合的定价问题。需要建立定价与优化相结合的数学模型，在数学工具的研究方面，可能需要随机规划、模糊规划和优化算法研究。
在市场是不完全的条件下，引进与偏好有关的定价理论。
(2）不完全市场经济均衡理论（GEI）
拟在以下几个方面进行研究：
1．无穷维空间、无穷水平空间、及无限状态
2.随机经济、无套利均衡、经济结构参数变异、非线资产结构
3．资产证券的创新（Innovation）与设计（Design）
4．具有摩擦（Friction）的经济
5．企业行为与生产、破产与坏债
6.证券市场博弈。
（3）GEI 平板衡算法、蒙特卡罗法在经济平衡点计算中的应用， GEI的理论在金融财政经济宏观经济调控中的应用，不完全市场条件下，持续发展理论框架下研究自然资源资产定价与自然资源的持续利用。
1.什么是关联规则
在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事："尿布与啤酒"的故事。
在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(FrequentItemsets)，第二阶段再由这些高频项目组中产生关联规则(AssociationRules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(LargeItemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(MinimumSupport)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequentk-itemset)，一般表示为Largek或Frequentk。算法并从Largek的项目组中再产生Largek+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(AssociationRules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(MinimumConfidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组{A,B}所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5%且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则“尿布，啤酒”，满足下列条件，将可接受“尿布，啤酒”的关联规则。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据“尿布，啤酒”关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然数值型关联规则中也可以包含种类变量。例如：性别=“女”=>职业=“秘书”，是布尔型关联规则；性别=“女”=>avg（收入）=2300，涉及的收入是数值类型，所以是一个数值型关联规则。
2.基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。
在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。例如：IBM台式机=>Sony打印机，是一个细节数据上的单层关联规则；台式机=>Sony打印机，是一个较高层次和细节层次之间的多层关联规则。
3.基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。
在单维的关联规则中，我们只涉及到数据的一个维，如用户购买的物品；而在多维的关联规则中，要处理的数据将会涉及多个维。换成另一句话，单维关联规则是处理单个属性中的一些关系；多维关联规则是处理各个属性之间的某些关系。例如：啤酒=>尿布，这条规则只涉及到用户的购买的物品；性别=“女”=>职业=“秘书”，这条规则就涉及到两个字段的信息，是两个维上的一条关联规则。 Apriori算法
2.3关联规则挖掘的相关算法
1.Apriori算法：使用候选项集找频繁项集
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。
该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。
可能产生大量的候选集,以及可能需要重复扫描数据库，是Apriori算法的两大缺点。
2.基于划分的算法：Savasere等设计了一个基于划分的算法。这个算法先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。这里分块的大小选择要使得每个分块可以被放入主存，每个阶段只需被扫描一次。而算法的正确性是由每一个可能的频集至少在某一个分块中是频集保证的。该算法是可以高度并行的，可以把每一分块分别分配给某一个处理器生成频集。产生频集的每一个循环结束后，处理器之间进行通信来产生全局的候选k-项集。通常这里的通信过程是算法执行时间的主要瓶颈；而另一方面，每个独立的处理器生成频集的时间也是一个瓶颈。
3.FP-树频集算法：针对Apriori算法的固有缺陷，J.Han等提出了不产生候选挖掘频繁项集的方法：FP-树频集算法。采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。
3.该领域在国内外的应用
3.1关联规则发掘技术在国内外的应用
就目前而言，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。一旦获得了这些信息，银行就可以改善自身营销。现在银行天天都在开发新的沟通客户的方法。各银行在自己的ATM机上就捆绑了顾客可能感兴趣的本行产品信息，供使用本行ATM机的用户了解。如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新信用卡，或者需要一个住房改善贷款，这些产品都可以通过信用卡账单邮寄给客户。当客户打电话咨询的时候，数据库可以有力地帮助电话销售代表。销售代表的电脑屏幕上可以显示出客户的特点，同时也可以显示出顾客会对什么产品感兴趣。
同时，一些知名的电子商务站点也从强大的关联规则挖掘中的受益。这些电子购物网站使用关联规则中规则进行挖掘，然后设置用户有意要一起购买的捆绑包。也有一些购物网站使用它们设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。
但是目前在我国，“数据海量，信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。目前金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能，却无法发现数据中存在的各种有用的信息，譬如对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。可以说，关联规则挖掘的技术在我国的研究与应用并不是很广泛深入。
3.2近年来关联规则发掘技术的一些研究
由于许多应用问题往往比超市购买问题更复杂，大量研究从不同的角度对关联规则做了扩展，将更多的因素集成到关联规则挖掘方法之中，以此丰富关联规则的应用领域，拓宽支持管理决策的范围。如考虑属性之间的类别层次关系，时态关系，多表挖掘等。近年来围绕关联规则的研究主要集中于两个方面，即扩展经典关联规则能够解决问题的范围，改善经典关联规则挖掘算法效率和规则兴趣性。
‘贰’ 秘书学专业怎么样
说起秘书，很多考生和家长，都不感冒，究其原因，可能是认为这个专业出来是“伺候“人的。所以本能的反应就是，学这个专业，不如学一门技术。
所以在我多年的志愿咨询过程中，一提起这个专业，很多考生和家长马上就挥一挥手，一闪而过，拒绝考虑了。
其实这个专业，还是非常不错的，特别适合理科差，数学差的考生！
下面用数据来证明我这个判断。
一、秘书学本科专业的发展历史
开始的秘书学专业，地位并不高，只在中职和专科中设置。专科文秘是全国范围开设最早的专业之一，到2017年止，全国设有文秘专业的高职院校有300-500所，在校学生约为10万人。
2012年秘书学专业由专科，升格为本科招生。
在专业归属上，划归中国文学一级学科下，与汉语言文学并列为二级学科，于是从2012年开始，这个专业的增设速度，好像开了挂一样，在全国各所大学，开花结果，飞速发展。
我之前写过一篇”公共关系学专业“的文章，大家可以对比下两个专业的增设情况。
2012-2013年，开设秘书学本科专业的高校有34所，
2013-2014年，开设秘书学本科专业的高校有37所，
2014-2015年，开设秘书学本科专业的高校有67所，
2016-2017年，开设秘书学本科专业的高校有101所，
2017-2018年，开设秘书学本科专业的高校有116所，
2018-2019年，开设秘书学本科专业的高校有127所，
从2012年创办本科专业以来，从这个专业增设的速度，可以证明这个专业还是非常对市场胃口的。
二、秘书工作，并没有大家想象中的那么简单
1、社会分工和组织管理的复杂性，决定了秘书人才需求的多样性。
秘书并非大家观念中的”伺候“人的专业，不同的行业需要不同类型的秘书，比如党政秘书，企业秘书，商务秘书，医务秘书，科技秘书；根据业务分工，秘书还可以分为政务秘书，文字秘书，机要秘书，事务秘书，公关秘书，信访秘书，会议秘书等。从层次上分，也可以分为初级秘书，中级秘书，高级秘书。
秘书，不仅只是专门为领导干部提供的领导人秘书，还有为各不同机关、部门提供综合服务的机关秘书，事务秘书。
2、秘书学专业，也有硕士、博士。
随着国家改革开放的全面深化，社会对高端秘书人才的需求也随之提速。一些重点高校，敏锐地意识到这种趋势，纷纷开设相关专业并设立秘书学相关的研究生专业。
三、勋哥建议
1、高职秘书学专业，大家尽量少选。
2012年成立秘书学本科以来，截止到2018年，全国一共有146所高校开办了秘书学本科专业，这肯定会对高职秘书学专业的毕业生就业产生重大的冲击。据不完全统计，到2018年底，高职院校撤销最多专业中，就包括文秘专业，累计一共有51所高职院校撤销了文秘专业。
从这个专业未来的发展趋势来看，本科专业毕业的学生，在就业市场上将会抢占更多的份额。所以从这个意义上来说，考生如果是专科层次，还是尽量少选。毕竟本科院校开设秘书学专业的速度太快了。
2、选择秘书学专业，尽可能选择成立时间比较早的大学，在秘书学专业设置比较多的省份，也是重点考虑的主要因素。
据相关数据统计，2018年我国设有文秘专业大学，最多的省份是广东省，有37所大学设置了秘书学专业，其次是河南省24所，江苏省22所，湖南省22所，浙江17所。如果要选择大学，建议考生优先考虑广东、江苏和浙江三个省份。其他省份，优选考虑省会城市的大学。
原因很简单，越是经济发达地区，对秘书人才的需求越大，发展空间越好。
3、端正认识，排除偏见，发现适合，不要放过！
秘书学培养的是一个人的综合素质，不仅要有口才，而且还要有才艺，更重要的还要会写。擅长写作，速记，还要有纪律观念，保密意识，守口如瓶！看似简单的工作，其实对于一个人的情商，组织协调能力，都有很高的要求。在企事业单位中，秘书所处的位置，以及所得到的锻炼机会，都是非常稀缺的，也是非常有前途的职位。
如果你家孩子，不喜欢搞技术，又符合上面职位所要求的性格特质和特长，就可以考虑这个专业。
‘叁’ 金融数学会涉及到哪些方面
金融数学是一门新兴学科，是“金融高技术 ”的重要组成部分。研究目标是利用我国数学界某些方面的优势，围绕金融市场的均衡与有价证券定价的数学理论进行深入剖析，建立适合国情的数学模型，编写一定的计算机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究，为实际金融部门提供较深入的技术分析咨询。核心内容就是研究不确定随机环境下的投资组合的最优选择理论和资产的定价理论。套利、最优与均衡是金融数学的基本经济思想和三大基本概念。
金融数学主要的研究内容和拟重点解决的问题包括：
(1)有价证券和证券组合的定价理论
发展有价证券（尤其是期货、期权等衍生工具）的定价理论。所用的数学方法主要是提出合适的随机微分方程或随机差分方程模型，形成相应的倒向方程。建立相应的非线性Feynman一Kac公式，由此导出非常一般的推广的Black一Scholes定价公式。所得到的倒向方程将是高维非线性带约束的奇异方程。
研究具有不同期限和收益率的证券组合的定价问题。需要建立定价与优化相结合的数学模型，在数学工具的研究方面，可能需要随机规划、模糊规划和优化算法研究。
在市场是不完全的条件下，引进与偏好有关的定价理论。
(2）不完全市场经济均衡理论（GEI）
拟在以下几个方面进行研究：
1．无穷维空间、无穷水平空间、及无限状态
2.随机经济、无套利均衡、经济结构参数变异、非线资产结构
3．资产证券的创新（Innovation）与设计（Design）
4．具有摩擦（Friction）的经济
5．企业行为与生产、破产与坏债
6.证券市场博弈。
（3）GEI 平板衡算法、蒙特卡罗法在经济平衡点计算中的应用， GEI的理论在金融财政经济宏观经济调控中的应用，不完全市场条件下，持续发展理论框架下研究自然资源资产定价与自然资源的持续利用。
1.什么是关联规则
在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事："尿布与啤酒"的故事。
在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(FrequentItemsets)，第二阶段再由这些高频项目组中产生关联规则(AssociationRules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(LargeItemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(MinimumSupport)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequentk-itemset)，一般表示为Largek或Frequentk。算法并从Largek的项目组中再产生Largek+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(AssociationRules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(MinimumConfidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组{A,B}所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5%且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则“尿布，啤酒”，满足下列条件，将可接受“尿布，啤酒”的关联规则。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据“尿布，啤酒”关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然数值型关联规则中也可以包含种类变量。例如：性别=“女”=>职业=“秘书”，是布尔型关联规则；性别=“女”=>avg（收入）=2300，涉及的收入是数值类型，所以是一个数值型关联规则。
2.基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。
在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。例如：IBM台式机=>Sony打印机，是一个细节数据上的单层关联规则；台式机=>Sony打印机，是一个较高层次和细节层次之间的多层关联规则。
3.基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。
在单维的关联规则中，我们只涉及到数据的一个维，如用户购买的物品；而在多维的关联规则中，要处理的数据将会涉及多个维。换成另一句话，单维关联规则是处理单个属性中的一些关系；多维关联规则是处理各个属性之间的某些关系。例如：啤酒=>尿布，这条规则只涉及到用户的购买的物品；性别=“女”=>职业=“秘书”，这条规则就涉及到两个字段的信息，是两个维上的一条关联规则。 Apriori算法
2.3关联规则挖掘的相关算法
1.Apriori算法：使用候选项集找频繁项集
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。
该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。
可能产生大量的候选集,以及可能需要重复扫描数据库，是Apriori算法的两大缺点。
2.基于划分的算法：Savasere等设计了一个基于划分的算法。这个算法先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。这里分块的大小选择要使得每个分块可以被放入主存，每个阶段只需被扫描一次。而算法的正确性是由每一个可能的频集至少在某一个分块中是频集保证的。该算法是可以高度并行的，可以把每一分块分别分配给某一个处理器生成频集。产生频集的每一个循环结束后，处理器之间进行通信来产生全局的候选k-项集。通常这里的通信过程是算法执行时间的主要瓶颈；而另一方面，每个独立的处理器生成频集的时间也是一个瓶颈。
3.FP-树频集算法：针对Apriori算法的固有缺陷，J.Han等提出了不产生候选挖掘频繁项集的方法：FP-树频集算法。采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。
3.该领域在国内外的应用
3.1关联规则发掘技术在国内外的应用
就目前而言，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。一旦获得了这些信息，银行就可以改善自身营销。现在银行天天都在开发新的沟通客户的方法。各银行在自己的ATM机上就捆绑了顾客可能感兴趣的本行产品信息，供使用本行ATM机的用户了解。如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新信用卡，或者需要一个住房改善贷款，这些产品都可以通过信用卡账单邮寄给客户。当客户打电话咨询的时候，数据库可以有力地帮助电话销售代表。销售代表的电脑屏幕上可以显示出客户的特点，同时也可以显示出顾客会对什么产品感兴趣。
同时，一些知名的电子商务站点也从强大的关联规则挖掘中的受益。这些电子购物网站使用关联规则中规则进行挖掘，然后设置用户有意要一起购买的捆绑包。也有一些购物网站使用它们设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。
但是目前在我国，“数据海量，信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。目前金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能，却无法发现数据中存在的各种有用的信息，譬如对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。可以说，关联规则挖掘的技术在我国的研究与应用并不是很广泛深入。
3.2近年来关联规则发掘技术的一些研究
由于许多应用问题往往比超市购买问题更复杂，大量研究从不同的角度对关联规则做了扩展，将更多的因素集成到关联规则挖掘方法之中，以此丰富关联规则的应用领域，拓宽支持管理决策的范围。如考虑属性之间的类别层次关系，时态关系，多表挖掘等。近年来围绕关联规则的研究主要集中于两个方面，即扩展经典关联规则能够解决问题的范围，改善经典关联规则挖掘算法效率和规则兴趣性。
‘肆’ 有4名同学到一家公司参加三个阶段的面试：公司要求每个同学都必须首先找公司秘书初试，然后到部门主管处复
此问题可以转化为网络优化中的关键路径问题，但不同的是需要确定甲乙丙丁四人的先后顺序，顺序不同，关键路径就不同，所以需要穷搜索四个人一共24种顺序，然后用关键路径算法算出每一种顺序的关键路径，这24条关键路径中时间最短一条就是最快离开公司所用的时间，所对应的顺序就是甲乙丙丁面试的先后顺序。
代码如下：
----------------------------------------------------------------------
Title 面试问题;
!有4名同学到一家公司参加三个阶段的面试,公司要求:每个同学都必须首先找公司秘书初试，然后到部门主管处复试，中间休息20分钟，最后到经理处参加面试，
并且不允许插队（即在任何一个阶段 4 名同学的顺序是一样的，其中中间休息必须休满20分钟，可以一起休息），由于 4 名同学的专业背景不同，所以每人在三个阶段的面试时间也不同，如表所示。
这 4 名同学约定他们全部面试完以后一起离开公司，请问他们最快需多长时间能离开公司？
秘书初试 主管复试 中间休息 经理面试
同学甲 13 15 20 20
同学乙 10 20 20 18
同学丙 20 16 20 10
同学丁 8 10 20 15 ;
SETS:
s/1..4/:a,b,c;
PX(s,s):w,x,y;
ENDSETS
DATA:
w=13 15 20 20
10 20 20 18
20 16 20 10
8 10 20 15;
ENDDATA
min=b(4)+y(4,4);
@for(s(i):@sum(s(j):x(i,j))=1);
@for(s(j):@sum(S(i):x(i,j))=1);
@for(PX:@bin(x));!矩阵x是矩阵w的行交换矩阵，用来调整甲乙丙丁的先后顺序，比如：要让丙第一个面试，甲最后一个面试，则需交换矩阵w第1和4行，
此时只需让x=0 0 0 1
0 1 0 0
0 0 1 0
1 0 0 0，然后用x乘以w就可以达到交换w的行向量的目的了;
@for(PX(i,j):y(i,j)=@sum(s(k):x(i,k)*w(k,j)));!矩阵y就是矩阵w进行了行交换后的矩阵，y=x*w;
c(1)=y(1,1);
@for(s(i)|i#GT#1 #and# i#LE#3:c(i)=c(i-1)+y(i,1));!记录第i人秘书初试的结束时间;
a(1)=y(1,1);
a(4)=a(3)+y(4,2);
@for(s(i)|i#GT#1 #and# i#LE#3:a(i)=c(i-1)+@smax(y(i+1,1),y(i,2)));!记录第i个人主管面试的开始时间;
b(1)=a(1)+y(1,3)+y(1,2);
@for(s(i)|i#GT#1:b(i)=@smax(a(i)+y(i,3)+y(i,2),b(i-1)+y(i-1,4)));!记录第i个人经理面试的开始时间;
end
‘伍’ 文秘基础知识与技能
文秘是指经过学习，掌握公关与文秘专业的基本理论与基本知识，熟悉现代文书学、秘书学的原理和方法、具有较强的写作能力。下面是我分享的文秘基础知识与技能，欢迎大家阅读！
文书工作是一项科学的严肃的工作，它要求从事这项工作的文书工作人员应具备以下基本素质：
(一)有较高的政治觉悟、政策水平，较强的法制观念(文书工作人员政策水平的高低，决定文书工作质量的优劣;文书工作人员既要懂法，又要守法)
(二)热爱本职，忠于职守，埋头苦干，严谨精细，遵守纪律，严守秘密
1、作为文书工作人员，只有热爱本职工作和忠于职守，才能搞好文书工作。
2、埋头苦干和严谨精细，是文书工作人员应有的工作态度和工作精神。
3、遵守纪律，就是严格按照工作的职责行事，不以工作之便谋取私利。
(三)应有必备的专业基础知识、操作知识和相关学科的基本知识
文书工作人员的专业基础知识，主要是指与他们所从事的文书工作密切相关的基本原理性的知识。大体包括以下几个方面：
一是基础理论知识。包括文书学、应用写作、秘书学、信息学、行政管理学等。基础理论知识带有一定综合性、概括性和基础性，是文书工作的实际操作知识、操作技能的理论指导。
二是实际操作知识。文书工作人员必备的专业基础知识不但包括基础理论知识，还应包括实际操作知识。也就是说，文书工作人员不能只了解和掌握文书工作的各个环节及其工作内容，还要熟悉和掌握它的操作程序、操作方法。
三是其他基本知识。主要是指与文书工作业务相关的某些基本知识。
(四)掌握熟练的业务技能，不断提高综合运用能力
文书工作的业务技能，主要有以下一些：
1、文字综合处理能力
2、书写能力
3、速记能力
4、印制能力
5、校对能力
6、运用现代化办公设备的能力
秘书部分观点
(一)秘书的知识结构
秘书的知识结构就是秘书工作所需要的知识，就是秘书工作能力形成需要以之为基础的知识及其构成状况。
秘书工作的综合性，要求秘书具有较宽广的知识面;秘书工作的专业性，要求秘书具有较扎实的专业知识。
1、基础知识层次
基础知识层次是秘书知识结构的根底，是秘书知识结构中起基础性作用的那部分知识，是构建秘书知识结构的基本条件。基础知识不仅要扎实，而且要宽广。
(1)文化基础知识
秘书具有的文化基础知识，一方面是社会科学基础知识，另一方面是自然科学知识。高中文化程度，是国家对所有政府机关干部的共同要求，也是秘书人员应有知识的最低层次。如汉语知识、科学知识、历史知识、外语知识等;
(2)理论基础知识
掌握基础理论知识，是提高秘书素质的基本条件。如马克思主义基本理论、经济学知识、党的基本政策;
(3)法律基础知识
法律基础知识是秘书从事秘书工作的重要依据。秘书工作要规范化，首先要求秘书人员掌握基本的法律知识。
2、辅助知识层次
辅助知识层次指的是虽非秘书专业知识但又与秘书专业知识相关的知识，是一种带有辅助性的知识。
(1)传统学科，主要包括文学、美学、法学、新闻学、伦理学方面的知识和心理学知识
(2)新兴学科，主要有管理科学知识、社会交际知识、软科学知识及其他相关学科。
3、专业知识层次
专业知识层次是秘书知识结构的核心部分和基本层次，指的是从事秘书工作所需要的专门业务知识，是一种带有一定方向性的知识，是形成秘书职业特色、与秘书工作目标密切联系的部分。它由两个部分组成：
(1)业务知识
主要指秘书业务知识，这是区别于其他专业的重要标志。大体包括：普通秘书学;分支秘书学(如行政秘书学、企业秘书学、科技秘书学、涉外秘书学、基层秘书学、高级秘书学);秘书写作学;秘书心理学;文书学、档案学、公文写作学等方面的知识;调查研究、会务工作、信访工作、机要保密、组织协调、办公自动化等方面的知识。
(2)行业知识
秘书必须掌握以下必要的行业知识：了解所属行业知识的总体构成和知识门类;了解所属部门工作的任务和特点;深入掌握工作中使用频率较多的知识;懂得行业的管理知识
注意：A、当今比较合理的秘书知识结构，应该具有以下几个特性：中心性;宽阔性;动态性;层次性。
B、建立合理知识结构的方法和途径是：勤奋好学是成功的前提。另外，要注意知识的积累，要注意知识的更新，要注意知识的充实。
(二)秘书的能力结构
秘书能力是指秘书人员在实践中完成秘书工作的本领，也就是说秘书能力只能通过秘书的一系列活动才能显示和发展。
1、基础能力
指秘书从事秘书活动所需要的能力，是从事秘书工作的基本条件。
(1)秘书的观察力
一个人所获得的信息有80%—90%是经过视觉而来的。秘书的观察力应重点置于领导和社会两个方面。良好的观察力要求：要有目的性、条理性、敏锐性。
(2)秘书的记忆力
良好的记忆力表现为：记得快、记得准、记得多、记得牢。良好的记忆方法：编组法、提要法、推算法、形象法等。
(3)秘书的思维力
思维力在秘书的基础能力中居核心地位。思维力强的表现在于：思维要宽阔、要深刻、要灵活、要新颖。
(4)秘书的想象力
想象力在秘书工作中尤其是创造性的工作中意义十分重要。良好的想象力，其要求有：要具有现实性、丰富性、新颖性。秘书要有良好的想象力，首先要丰富大脑的表象和知识储备，其次要勤于思考，此外要注意想象的'方式：如类比、联想等。
2、专业能力
(1)阅读能力
秘书阅读能力的一般要求是：要准确、要快速。秘书阅读能力的培养，首先要有较好的知识结构，其次要注意其他能力的发展，最后要有科学的阅读方法。
(2)写作能力
即书面表达能力，这是秘书的基本功，是文字秘书的“看家本领”。秘书写作能力，主要是指各种应用文的写作能力。秘书写作能力的一般要求是：要准确、简洁、规范。
(3)说话能力
即口头表达能力，秘书说话能力的一般要求是：要发音正确，要表达简练，要语气措辞得体。提高说话能力的途径：首先要多说，其次要多想，此外要注意其他方面的修养和磨练。
(4)办事能力
秘书的基本职能就是办事。秘书一般办事能力的一般要求如下：要熟谙办事之道，要善于相机行事，要善于接人待物。
3、特殊能力
指秘书从事一些专门秘书工作所需要的能力，它带有个性特色，是造成秘书能力结构个性差异的重要方面。
(1)协调能力
指运用协调原理和方法使各方面保持秩序化、科学化的能力。一般要求是：要掌握协调依据，熟悉政策法规，不搞“随意性”;要掌握协调原则，使协调有根有据;要选择协调方法，针对不同的情况和对象运用各种不同的协调方法。
(2)调研能力
一般要求是：要有计划;有科学的方法;有较强的洞察力;要善于与被调查者迅速沟通，取得对方的信任。
(3)操作能力
主要包括打字、复印、微缩、摄影、录音、录像、编辑、校对、速记、驾驶等。
(三)秘书的心理素质
秘书的心理素质，指秘书在心理过程、心理倾向和心理品质等方面表现出来的稳定心理特点的总和，它影响着秘书的辅助行为、人际关系和自我修养。
1、秘书心理素质的构成
(1)秘书的兴趣
即认识倾向，常说的爱好。秘书的兴趣应具有以下几种品质：广泛性、中心性、持久性
(2)秘书的情感与情绪
情感是人们对客观事物是否符合其需要而产生的内心体验。秘书情感的品质是：要有道德感;要有理智感;要有审美感。
情绪是情感的基本形式，是人们对客观事物的态度体验。情感比较稳定而持久，情绪容易变化而不稳定。秘书的情绪按性质分为两类：即愉快的情绪;不愉快的情绪。按发生强度、速度和持续时间分为三类：心境、激情、应激。
(3)秘书的意志
良好的意志是秘书工作取得成效的保证，是自我修养不断提高的动力。
良好的意志应该具备的特征：要具有自觉性、果断性、坚持性、自制性。(相反的分别是：受示性、独断性;寡断性、武断性;顽固性、动摇性;任性)
(4)秘书的气质
气质是指人们比较稳定的心理活动动力特征。人的所有心理活动和行为都受气质影响，气质具有稳定性，但人的气质是千差万别的。气质的主要类型有：多血质(活泼型)的人、胆汁质(兴奋型)的人、粘液质(安静型)的人、抑郁质(抑制型)的人。
注意：
上述四种气质既有积极的因素，也有消极的方面，并不能决定一个人成就的大小。工作成就的大小主要是由一个人的工作态度和努力程度决定的。在实际工作中，对不同气质类型的秘书安排工作可以有不同的考虑。
秘书进行气质修养的途径：自我控制、职业环境影响、有意识地做一些与自己气质相反的工作。
(1)秘书的性格
秘书性格是秘书心理素质的核心部分。性格主要表现在两个方面：对现实的态度上和行动的方式上。
秘书健全的性格主要包括：要坚强执着而不固执;要敏捷灵活而不冒失;要开朗随和而不轻佻;要幽默诙谐而不尖刻。健全的性格，有利于搞好人际关系，有利于适应环境，有利于身心健康。
2、秘书的心理健康
(1)影响秘书心理健康的因素
负担过重;舆论压力;关系复杂。
(2)秘书心理健康的标准
一个心理健康的秘书应具有以下的主要标志：智力正常;情绪成熟;行为协调;工作专注;关系和谐。
(3)秘书常见的心理障碍及消除
嫉妒：要正视自己的差距，停止与别人的比较，要有通过努力赶上或超过别人的积极心态，从病态的自卑或自尊中解脱。
焦虑：要增强自信，对未来充满信心，不为一时一事所困扰，不为一得一失而计较，努力去实现一个有意义的目标，
急躁：遇事冷静，处变不惊。
厌烦：树立正确的理想信念和工作目标，要有正确是思维方法，懂得厌烦是无济于事的。
自傲和自卑：树立正确的自我表现意识，从而保持心理平衡。
‘陆’ 文秘岗位所要求的素质
作为领导身边的人，秘书有更多的沟通和展示自我的机会，也和领导有更多的非工作性质的社交活动机会，那么对于这份工作你是不是倾慕已久，那么你感觉自己有没有胜任磁粉工作的能力，对于这份工作所要求的相关素质你有了解吗？我这里帮你整理出来，希望对您有所帮助。
文秘岗位所要求的素质
（一）有较高的政治觉悟、政策水平，较强的法制观念（文书工作人员政策水平的高低，决定文书工作质量的优劣；文书工作人员既要懂法，又要守法）
（二）热爱本职，忠于职守，埋头苦干，严谨精细，遵守纪律，严守秘密
1、作为文书工作人员，只有热爱本职工作和忠于职守，才能搞好文书工作。
2、埋头苦干和严谨精细，是文书工作人员应有的工作态度和工作精神。
3、遵守纪律，就是严格按照工作的职责行事，不以工作之便谋取私利。
（三）应有必备的专业基础知识、操作知识和相关学科的基本知识
文书工作人员的专业基础知识，主要是指与他们所从事的文书工作密切相关的基本原理性的知识。大体包括以下几个方面：
一是基础理论知识。包括文书学、应用写作、秘书学、信息学、行政管理学等。基础理论知识带有一定综合性、概括性和基础性，是文书工作的实际操作知识、操作技能的理论指导。
二是实际操作知识。文书工作人员必备的专业基础知识不但包括基础理论知识，还应包括实际操作知识。也就是说，文书工作人员不能只了解和掌握文书工作的各个环节及其工作内容，还要熟悉和掌握它的操作程序、操作方法。
三是其他基本知识。主要是指与文书工作业务相关的某些基本知识。
（四）掌握熟练的业务技能，不断提高综合运用能力
文书工作的业务技能，主要有以下一些：
1、文字综合处理能力
2、书写能力
3、速记能力
4、印制能力
5、校对能力
6、运用现代化办公设备的能力
◆秘书部分观点
（一）秘书的知识结构
秘书的知识结构就是秘书工作所需要的知识，就是秘书工作能力形成需要以之为基础的知识及其构成状况。
秘书工作的综合性，要求秘书具有较宽广的知识面；秘书工作的专业性，要求秘书具有较扎实的专业知识。
1、基础知识层次
基础知识层次是秘书知识结构的根底，是秘书知识结构中起基础性作用的那部分知识，是构建秘书知识结构的基本条件。基础知识不仅要扎实，而且要宽广。
（1）文化基础知识
秘书具有的文化基础知识，一方面是社会科学基础知识，另一方面是自然科学知识。高中文化程度，是国家对所有政府机关干部的共同要求，也是秘书人员应有知识的最低层次。如汉语知识、科学知识、历史知识、外语知识等；
（2）理论基础知识
掌握基础理论知识，是提高秘书素质的基本条件。如马克思主义基本理论、经济学知识、党的基本政策；
（3）法律基础知识
法律基础知识是秘书从事秘书工作的重要依据。秘书工作要规范化，首先要求秘书人员掌握基本的法律知识。
2、辅助知识层次
辅助知识层次指的是虽非秘书专业知识但又与秘书专业知识相关的知识，是一种带有辅助性的知识。
（1）传统学科，主要包括文学、美学、法学、新闻学、伦理学方面的知识和心理学知识
（2）新兴学科，主要有管理科学知识、社会交际知识、软科学知识及其他相关学科。
3、专业知识层次
专业知识层次是秘书知识结构的核心部分和基本层次，指的是从事秘书工作所需要的专门业务知识，是一种带有一定方向性的知识，是形成秘书职业特色、与秘书工作目标密切联系的部分。它由两个部分组成：
（1）业务知识
主要指秘书业务知识，这是区别于其他专业的重要标志。大体包括：普通秘书学；分支秘书学（如行政秘书学、企业秘书学、科技秘书学、涉外秘书学、基层秘书学、高级秘书学）；秘书写作学；秘书心理学；文书学、档案学、公文写作学等方面的知识；调查研究、会务工作、信访工作、机要保密、组织协调、办公自动化等方面的知识。
（2）行业知识
秘书必须掌握以下必要的行业知识：了解所属行业知识的.总体构成和知识门类；了解所属部门工作的任务和特点；深入掌握工作中使用频率较多的知识；懂得行业的管理知识
注意：A、当今比较合理的秘书知识结构，应该具有以下几个特性：中心性；宽阔性；动态性；层次性。
B、建立合理知识结构的方法和途径是：勤奋好学是成功的前提。另外，要注意知识的积累，要注意知识的更新，要注意知识的充实。
（二）秘书的能力结构
秘书能力是指秘书人员在实践中完成秘书工作的本领，也就是说秘书能力只能通过秘书的一系列活动才能显示和发展。
1、基础能力
指秘书从事秘书活动所需要的能力，是从事秘书工作的基本条件。
（1）秘书的观察力
一个人所获得的信息有80％—90％是经过视觉而来的。秘书的观察力应重点置于领导和社会两个方面。良好的观察力要求：要有目的性、条理性、敏锐性。
（2）秘书的记忆力
良好的记忆力表现为：记得快、记得准、记得多、记得牢。良好的记忆方法：编组法、提要法、推算法、形象法等。
（3）秘书的思维力
思维力在秘书的基础能力中居核心地位。思维力强的表现在于：思维要宽阔、要深刻、要灵活、要新颖。
（4）秘书的想象力
想象力在秘书工作中尤其是创造性的工作中意义十分重要。良好的想象力，其要求有：要具有现实性、丰富性、新颖性。秘书要有良好的想象力，首先要丰富大脑的表象和知识储备，其次要勤于思考，此外要注意想象的方式：如类比、联想等。
2、专业能力
（1）阅读能力
秘书阅读能力的一般要求是：要准确、要快速。秘书阅读能力的培养，首先要有较好的知识结构，其次要注意其他能力的发展，最后要有科学的阅读方法。
（2）写作能力
即书面表达能力，这是秘书的基本功，是文字秘书的“看家本领”。秘书写作能力，主要是指各种应用文的写作能力。秘书写作能力的一般要求是：要准确、简洁、规范。
（3）说话能力
即口头表达能力，秘书说话能力的一般要求是：要发音正确，要表达简练，要语气措辞得体。提高说话能力的途径：首先要多说，其次要多想，此外要注意其他方面的修养和磨练。
（4）办事能力
秘书的基本职能就是办事。秘书一般办事能力的一般要求如下：要熟谙办事之道，要善于相机行事，要善于接人待物。
3、特殊能力
指秘书从事一些专门秘书工作所需要的能力，它带有个性特色，是造成秘书能力结构个性差异的重要方面。
（1）协调能力
指运用协调原理和方法使各方面保持秩序化、科学化的能力。一般要求是：要掌握协调依据，熟悉政策法规，不搞“随意性”；要掌握协调原则，使协调有根有据；要选择协调方法，针对不同的情况和对象运用各种不同的协调方法。
（2）调研能力
一般要求是：要有计划；有科学的方法；有较强的洞察力；要善于与被调查者迅速沟通，取得对方的信任。
（3）操作能力
主要包括打字、复印、微缩、摄影、录音、录像、编辑、校对、速记、驾驶等。
（三）秘书的心理素质
秘书的心理素质，指秘书在心理过程、心理倾向和心理品质等方面表现出来的稳定心理特点的总和，它影响着秘书的辅助行为、人际关系和自我修养。
1、秘书心理素质的构成
（1）秘书的兴趣
即认识倾向，常说的爱好。秘书的兴趣应具有以下几种品质：广泛性、中心性、持久性
（2）秘书的情感与情绪
情感是人们对客观事物是否符合其需要而产生的内心体验。
秘书情感的品质是：要有道德感；要有理智感；要有审美感。
情绪是情感的基本形式，是人们对客观事物的态度体验。情感比较稳定而持久，情绪容易变化而不稳定。
秘书的情绪按性质分为两类：即愉快的情绪；不愉快的情绪。
按发生强度、速度和持续时间分为三类：心境、激情、应激。
（3）秘书的意志
良好的意志是秘书工作取得成效的保证，是自我修养不断提高的动力。
良好的意志应该具备的特征：要具有自觉性、果断性、坚持性、自制性。（相反的分别是：受示性、独断性；寡断性、武断性；顽固性、动摇性；任性）
（4）秘书的气质
气质是指人们比较稳定的心理活动动力特征。人的所有心理活动和行为都受气质影响，气质具有稳定性，但人的气质是千差万别的。气质的主要类型有：多血质（活泼型）的人、胆汁质（兴奋型）的人、粘液质（安静型）的人、抑郁质（抑制型）的人。
注意：
上述四种气质既有积极的因素，也有消极的方面，并不能决定一个人成就的大小。工作成就的大小主要是由一个人的工作态度和努力程度决定的。
在实际工作中，对不同气质类型的秘书安排工作可以有不同的考虑。
秘书进行气质修养的途径：自我控制、职业环境影响、有意识地做一些与自己气质相反的工作。
（1）秘书的性格
秘书性格是秘书心理素质的核心部分。性格主要表现在两个方面：对现实的态度上和行动的方式上。
秘书健全的性格主要包括：要坚强执着而不固执；要敏捷灵活而不冒失；要开朗随和而不轻佻；要幽默诙谐而不尖刻。健全的性格，有利于搞好人际关系，有利于适应环境，有利于身心健康。
2、秘书的心理健康
（1）影响秘书心理健康的因素
负担过重；舆论压力；关系复杂。
（2）秘书心理健康的标准
一个心理健康的秘书应具有以下的主要标志：智力正常；情绪成熟；行为协调；工作专注；关系和谐。
（3）秘书常见的心理障碍及消除
嫉妒：要正视自己的差距，停止与别人的比较，要有通过努力赶上或超过别人的积极心态，从病态的自卑或自尊中解脱。
焦虑：要增强自信，对未来充满信心，不为一时一事所困扰，不为一得一失而计较，努力去实现一个有意义的目标，
急躁：遇事冷静，处变不惊。
厌烦：树立正确的理想信念和工作目标，要有正确是思维方法，懂得厌烦是无济于事的。
自傲和自卑：树立正确的自我表现意识，从而保持心理平衡。
‘柒’ 经济日报评算法！这为何变成了经营者算计消费者的工具
因为这样一来，消费者可能消费更多，这样企业的利润就会更高。因此，它已成为运营商计算消费者的工具。打开购物软件，你看到的产品是由算法推出来的；打开信息软件，你看到的新闻是由算法推出来的；打开旅游软件，你看到的酒店是由算法推出来的，价格很可能比别人贵——这样的算法真的让消费者又爱又怕。中国消费者协会举办网络消费领域算法监管与消费者保护论坛。中国消费者协会秘书长朱康桥根据近期消费者投诉、相关调查和相关媒体报道，将网络消费领域的算法问题归纳为六大类，包括未知的网络游戏抽奖概率、熟悉的大数据、，复杂的网上促销规则、网上搜索竞价推荐、网上直播推送违反法律法规、公共秩序和良好习惯、刷好评和隐藏不良评论，使得评价结果呈现失真等。算法已经成为运营商计算消费者的工具。
因此，该算法需要严格的监督。在《个人信息保护法》、《反垄断法》、《反不正当竞争法》、《价格法》等相关法律中，应增加算法应用的相关规定，特别是要保证算法应用的透明度、公平性和完整性。很明显，操作人员应该使用算法的可知性、可搜索性和可逆性。如有争议，有义务向有关行政部门、司法机关和第三方机构提供算法、背景资料、有关材料和说明。该算法具有可验证性、可解释性和可解释性。