logo资料库

大数据知识图谱:概念、特征、应用与影响.pdf

发布时间：2022-06-20 发布人：admin 分类：说明书 资料大小：1.59M 资料格式：pdf 举报 版权申诉
第1页 / 共6页
第2页 / 共6页
第3页 / 共6页
第4页 / 共6页
第5页 / 共6页
第6页 / 共6页
资料共6页，全文预览结束
    DOI:10.13833/j.cnki.is.2013.09.018 · · 专专专专专专专专专专专专专专专专专专专专专专专专专专专专专专专 论论论论论论论论论论论论论论论论论论论论论论论论论论论论论论论 情报科学 第第 3131 卷卷 第第 99 期期 20132013 年年 99 月月 大数据知识图谱：概念、特征、应用与影响 王新才，丁家友 （武汉大学 信息管理学院，湖北 武汉 430072 ） 摘 要：近年来“大数据”的理念与实践活动迅速拓展和渗透到社会的各个领域。本文采用可视化 工具 Gephi，借助知识图谱的理念，在文献调研的基础上，初步探索大数据的发展脉络、应用范围以 及对人类社会产生的影响。 关键词：大数据；数据科学；可视化；知识图谱 中图分类号：G250.7 Mapping Knowledge Domain of Big Data: Concept, Feature, Application 1007-7634 09-10-05 文献标识码： 文章编号： 2013 A （ ） and Impact WANG Xin-cai, DING Jia-you 430072 ，China) big data (School of Information Management, Wuhan University, Wuhan Recent years, the concept and practice of rapidly expand and penetrate into all fields and levels of the society. With the visualization tool Gephi and mapping knowledge domain, based Abstract： on extensive research of literature, this paper explored the development, application range and impact on human society of big data. Key words： big data; data science; visualization; mapping knowledge domain 1 2 “ ” 引 言 大数据知识图谱 ，并将在 2020 1.8ZB IDC 95% 2011 35ZB ）的数字宇宙研究报告称， 年攀升到 数字时代，种类繁多的数据源定期或不定期地 产生大量的结构化和非结构化的数据。据国际数 年全球 据公司（ 数据总量为 。其 中约有 的数据量因受限于人类数据分析解释 能力和数据分析手段而被闲置，严重阻碍了科学研 1 究的进展【 】。数据可视化技术在此背景下应运而 生，由美国计算机成像专业委员会于 年率先提 出。作为最有效的大量数据解释手段，它最初被科 学与工程计算领域采用，目前已发展成为一个热门 的研究领域——科学可视化。 1987 知识图谱在图书情报界也称为知识域可视化 或知识领域映射地图，是通过可视化技术，描述知 识资源及其载体，挖掘、分析、构建、绘制和显示知 识及知识发展进程和结构关系的一系列图形化方 法。该方法是一种多学科融合研究方法，它将应用 数学、图形学、信息可视化技术、信息科学等学科的 理论与方法与计量学引文分析、共现分析等方法结 合，用可视化的图谱形象地展示学科的核心结构、 发展历史、前沿领域以及整体知识架构，从而为学 科研究提供切实的、有价值的参考（见图 ）。 1 Gephi 本文所采用的可视化工具 是一款开源免 收稿日期：2012-12-25 作者简介：王新才（1965-），男，湖北汉川人，教授，博士，主要从事档案及政府信息资源管理研究. - 10 -
    · · 专专专专专专专专专专专专专专专专专专专专专专专专专专专专专专专 论论论论论论论论论论论论论论论论论论论论论论论论论论论论论论论 JVM , 的复杂网络分析软件 费跨平台基于 其主要用 于各种网络和复杂系统，动态和分层图的交互可视 化与探测开源工具。可用作：探索性数据分析，链 接分析，社交网络分析，生物网络分析等。 3 图1 大数据知识图谱 大数据概念的发展历程 Peter Naur Datalogy 60 上世纪 3.1 数据科学 data science computer science 90 S. Cleveland 科 学（ （ 年代， 、 首次提议要用“数据 ）”替 代“ 计 算 机 科 学 ）”，国际分类社团联盟在上世纪 William 2001 2 年代中期采用了这一建议【 】。 Visualizing Data 年， 在其《 》一书中提议将数 据科学作为一个新的学科，吸收计算机在数据处理 方面取得的进展作为统计学的延伸。侧重于互联 网数据和音像数据的《数据科学（ Data Science Jour⁃ The ）》期刊以及侧重于统计方法大规模应用的《 2002 2003 nal Journal of Data Science 始发行。2005 》分别于 年与 年开 Web 前后，数据科学开始由学术向行业大规模 公司开始开发大数据技术，并对其 迁移，一些 年，美国国家 收集的海量数据进行挖掘利用。 科学委员会发表了《数字数据收集万岁：促进 世 纪的研究与教育》，文中定义了数据科学家一词。 2005 21 Jeff Greylock Partners Hammerbacher 一起在 上建立了 数据与分析小组，这一举动被视为是数据科学走向 职业化的标志。伴随而来的是， 年首次提及“数据科学家”这一职业。 月， 数字化数据跨机构工作组发表的名为《驾驭科学与 社会数字化数据之力》的报告也提到“数据科学家” 2009 1 于 年 D.J. Patil LikedIn Natahn Yau 2009 Facebook 的 数 据 科 学 家 和 跟 情报科学 第第 3131 卷卷 第第 99 期期 20132013 年年 99 月月 6 2009 Troy Sadkowsky 年 LinkedIn 一词。 利亚人 科学家小组，作为其 成为数据科学职业化的正式标志（见图 月，一个在学术性岗位工作的澳大 建立了一个数据 网站的辅佐， datasceintists.com ）。 2 在 图2 数据科学概览图 Bill Inmon 3.2 大数据概念与特征 90 被誉为“数据仓库之父”的 在上个世 纪 年代开始关注大数据，当时它被称作海量数 据。近几年，由于互联网、移动设备、物联网和云计 算等相关技术的迅猛发展，使得海量数据的产生呈 指数增长，已有的数据库、数据仓库管理系统不再 胜任数据管理的需求，因此使得大数据的概念和问 题得到产业界和学术界的广泛关注。例如目前相 对成熟的 年 硬盘”都是目前人类 系列解决方案和哈佛大学 月的一项研究成果——“ Hadoop DNA 2012 8 3 对大数据问题的积极探索（见图 ）。 但是大数据被学术界正式提出始于 图3 大数据概念概览图 9 Big Data: Science in the pet⁃ 2008 年 月《自然》杂志发表的“ abyte era ”系列专题文章。该系列文章的主题是“怎 样处理现代科学面临的数据洪流挑战”，具体内容 涉及到数据的收集，资金的投入等方面。要解决大 - 11 -
    · · Special Subject Research 数据的获取、存储、处理、检索和使用，首先必须科 学地理解大数据的概念及特性，以下是具有代表性 的观点：IDC ：“‘大数据’是为了更经济地从高频率获取 的、大容量的、不同结构和类型的数据中获取价值， 而设计的新一代架构和技术。”人们普遍将该定义 概括为四 包括 结构化、半结构化和非结构化数据 、更快的生成速 3 度以及其组合带来的第四个因素——价值【 】。 ：即更大的容量、更复杂的多样性 V ( ) 维基百科：互联网企业日常运营所生成和积累 用户网络行为数据量的增长已突破传统计量单位， 难以使用现有的数据库管理工具来驾驭数据的获 取，存储，搜索，共享，分析和可视化等方面，故称之 大数据。 麦肯锡：“大数据将会是带动未来生产力发展、 · 4 】。” 创新、消费需求增长的指向标【 Forrester · 1947 分析师布赖恩 霍普金斯和鲍里斯 埃 韦尔松在其撰写的《首席信息官，请用大数据扩展 数字视野》报告中，将大数据的特征概括为——海 量、多样性、高速和易变性。 年哈佛大学物理学教授齐普夫提出的“齐 普夫定律”指出，英文单词的出现频率服从幂律型 尾部的分布，即所谓重尾分布，而非指数型的轻尾 分布。随着高速存取的出现和存储空间的极速拓 展，有研究显示大数据并不服从齐普夫定律， 的处理并非都集中在 的数据集上，而是呈长尾 缓慢下降的形态分布。于是，有人提出所谓“广延 5 指数分布”【 20% 80% 】。4 大数据的应用 大数据现象最早出现在物理学、生物学、环境 生态学、自动控制等科学领域和军事，通讯、金融等 行业领域，近几年在互联网领域的蓬勃发展得益于 互联网、移动设备、物联网和云计算等相关技术的 迅猛发展带来的影响：一是网络用户行为数据随网 络用户数量和用户平均在线时长而高速增长；二是 网络服务数据量和数据类型随网络服务多元化而 高速增长；三是网络终端类型高速扩展带来的数据 6 产生范围的扩展【 】。 大数据是整个 革命的重要组成部分， 世界网络业的领导型企业 ，谷歌， 苹果和亚马逊都已处于领先的位置上。关于大数 据的应用价值，有诸多经典案例：美国印地安那大 FACEBOOK WEB2.0 IBM ， - 12 - Vol.31,No.9 September,2013 INFORMATION SCIENCE Twitter 至 4 3 Twitter 学和英国曼彻斯特大学的学者将 上的公众 情绪数据产生的曲线与道琼斯工业指数进行对照 分析，发现可以提前 天预测股市大盘走势，由 此推出了欧洲第一只基于社交媒体的对冲基金；英 国科学家根据 用户发布的信息数据与英国 SickWeather 卫生部的官方数据进行比较来跟踪流感的爆发，并 建立起一个预测模型；创业团队“ ”甚至 7 以预测疾病为主题开展了自己的创业项目【 】。 大数据的具体应用可分为商务和政务两个方 面，目前主要体现在商务方面，政务方面主要是商 务的拓展和延伸。 4.1 商务应用 MGI 根据麦肯锡全球研究所（ ）和麦肯锡商业技 术办公室的最新调查研究显示，多媒体、社交媒体 和物联网都将极大地增加企业可获取的信息量，而 且数据分析在产品制造方面已经和劳动力、资本地 位平行。各行业的领导者都已经开始关注大数据 利用的潜力和意义，大数据所能带来的巨大商业价 值被认为“将引领一场足以匹敌 世纪计算机革 8 命的巨大变革【 】”。受益于对大数据的合理利用，企 业可以建立更好的服务反馈与改良机制，例如亚马 逊精准的商品推荐、 高效的物流调配、沃 尔沃持续的零件缺陷监测等。 McKesson Dave Feinleib 20 福布斯专栏作家 绘制的一张大数 据企业生态系统图谱，对于全面了解大数据商业应 用架构颇有价值。该图从大数据的技术支撑到服 务框架再到上层商业应用，基本囊括了目前大数据 、 商业应用的概貌：以 等为技术支撑，搭建数据分析框架、操作 框架、服务框架和数据库框架，提供数据供应、日志 应用、节点应用、商业智能应用和可视化分析五大 9 类应用【 】（见图 MapReduce Cassandra Hadoop Hbase, ）。 4 、 、 MGI 图4 大数据商业应用架构 在医疗、公共、零售、制造业和个人定位等 五个领域内详细研究了大数据发展趋势，认为大数 据可以在任何一个领域内提升和创造价值：零售业
    · · 专专专专专专专专专专专专专专专专专专专专专专专专专专专专专专专 论论论论论论论论论论论论论论论论论论论论论论论论论论论论论论论 60% IBM 3000 的运营利润；医疗业可以保障医疗系 的医疗 亿美元的价值；服务业可以利 亿美元的 可以提高 统安全有效运行，每年仅美国就能减少 支出，并多创造 用个人行为信息刺激消费从而带来 营业额；在公共领域，欧洲政府每年可以减少 10 亿欧元开支，并且有效避免偷税漏税行为【 】。 1000 8% 6000 而 在其调查报告中，则描绘了大数据的行 业应用场景信息图，分析了大数据在商业的各个领 域包括医疗、客户服务、保险、金融服务、零售业、通 讯业的应用，也表达了类似的观点。例如在保险业 方面，通过先进的数据分析，保险公司或者相关政 府机构可以提前发现保险欺诈；金融工作者通过大 数据分析可以更好地掌握市场动态，提升投资的评 估精准度和业绩；通讯服务商可以通过大数据为客 11 户提供个性化服务，有效避免客户流失【 】。 Gartner IBM 市场调研公司 发布了一份关于企业在 大数据方面的支出情况报告； 和牛津大学联合 发布了一份大数据研究报告，内容包括：大数据的 实际使用情况以及创新型企业如何从不确定数据 中提取有价值数据等。 该报告指出四大主要数据 来源包括：交易数据、记录数据、事件和电子邮件； 五大数据能力包括：数据挖掘，数据可视化，预测， 12 建模与数据优化【 】。 4.2 政务应用 2012 7 年 在政务应用方面，联合国于 月在纽约 总部发布了一份名为《大数据促发展：挑战与机遇》 的政务白皮书，指出大数据对于联合国和各国政府 的历史性机遇，总结了各国政府如何利用大数据更 好地服务和保护人民，探讨了如何利用包括社交网 络在内大数据资源造福人类。比如利用大数据帮 助政府更好地响应社会和经济指标，例如收入、失 业、食品价格以及其他经济指标。作为联合国旨在 利用互联网的消费数据推动全球发展的“全球脉 搏”项目的产物，该报告指出大数据时代已经到来， 通过对包括旧数据和新数据的极丰富的数据资源 进行合理分析，政府可以实现“与数俱进”，进行社 会人口的实时分析，以预测和快速应对包括失业在 13 】。此外，联合国还建议各成员 内的重大社会问题【 国建设“脉搏实验室”（“ ”）网络，开发大数 据的潜在价值。印度尼西亚和乌干达作为两个标 杆国家率先在各自的首都雅加达和坎贝拉建设了 “脉搏实验室”。 Pulse Labs 与联合国对大数据价值的判断相呼应，伦敦智 情报科学 第第 3131 卷卷 第第 99 期期 20132013 年年 99 月月 330 库政策交易所不久前也宣布大数据每年能为英国 14 】。麦肯锡的调查研究也指 政府节省 亿英镑【 出，大数据的运用每年将为欧洲政府减少 亿欧 元的开支，并有效避免偷税漏税行为。 1000 2012 2 3 月份宣布投资 数据上升到国家战略的层面。奥巴马政府 美国认为大数据是“未来的新石油”，已经把大 年 亿美元启动“大数据研究和发展 计划”，希望增强收集海量数据、分析萃取信息的能 15 力【 】。事实上，美国针对大数据的工作早已展开， 美国联邦政府的数据来源主要包括三类：业务管理 数据、民意社情数据和物理环境数据。典型的例子 是 年启 年诞生的最小数据集。 动的海浪监测计划和 欧盟也有类似的举措， 年 千万欧元的 项目，并以基础设施为先导。 年罗斯福政府引进的民意调查、 专门征集针对大数据的研究 FP7 Call 8 1973 2012 月截止的预算为 1962 1940 5 1 2011 11 16 月 2003 在中国，大数据尚未被政府明确提出。但在 年 日工信部发布的物联网“十二五”规 划里，提出了与大数据密切相关的四项关键技术创 新工程：信息感知技术、信息传输技术、信息安全技 术、信息处理技术。其中信息处理技术包括了海量 数据存储、数据挖掘、图像视频智能分析等大数据 的重要组成部分。在数据收集方面， 年，由中 国人民大学发起，中国有了第一个全国性的大型社 会调查项目——中国综合社会调查，开始对社会的 发展和变迁进行全方位、综合性、纵贯性的问卷访 谈调查，并按照国际标准成立了“中国社会调查开 放数据库”，向全社会开放调查的结果和数据；同 年，中国开始制定医疗系统的最小数据集； 年 中国卫生部出台了第一版中国医院最小数据集标 准； 月，国家统计局成立了中国第一个社 情民意调查机构——社情民意调查中心；近几年也 16 开始对物理环境数据进行采集【 】。 2006 2006 9 年 5 大数据的影响与挑战 5.1 大数据的影响 2012 在 年年初的瑞士达沃斯论坛上，一份题为 《大数据，大影响》的报告宣称，数据已经成为一种 17 新的类似货币或黄金的经济资产类别【 】。麦肯锡 全球研究机构也在其 月发布的《大数据： 创新、竞争和生产力的下一个前沿领域》中肯定了 大数据对于提升各个商业领域价值创造的巨大影 2011 5 年 - 13 -
    · · Special Subject Research Vol.31,No.9 September,2013 INFORMATION SCIENCE 响力。而《华尔街日报》在《科技变革即将引领新的 经济繁荣》中更是大胆预言：“我们再次处于三次宏 大技术变革的开端，他们可能足以匹敌 世纪的那 次变革，这三次变革的震中都在美国，他们分别是 大数据、智能制造和无线网络革命。” 20 IDC 基于当前全球大数市场规模与发展速度， 对于全球大数据市场规模的预测如图 所示。 5 图5 IDC 全球大数据规模与预测 可见，大数据的利用将掀起新一轮生产力发 展、刺激消费的浪潮。因而也将成为私有企业竞争 发展的关键：在绝大多数产业中，竞争者和跟随者 类型的企业都可以利用大数据的深层分析和实时 数据改进创新、竞争和价值创造策略。对于紧密相 关的计算机、电子产品和信息技术行业，以及金融、 保险行业，大数据不仅能提高其产业价值，还能提 升就业。因为大数据的引入可能带来信息分析人 才的短缺。预计到 万 万懂得大数据的管理 信息分析专业人才，以及 人员和分析师。 年，仅美国就需要 14-19 2018 150 Gray Jnan Dash 对于科学研究的影响，计算机图灵奖得主 和 在《科学的第四个范式》中有所论 述。他们将人类科学研究的历史划分为四个阶段： 人类社会从几千年前描述自然现象的实验科学，发 展到过去几百年以牛顿定律为代表的理论科学，并 在过去几十年过渡到模拟复杂现象的计算机科学， 到今天升级为以大数据为代表的数据密集型科学， 实现理论、实验和模拟的统一，因此数据科学正在 18 】。 成为一种全新的科学研究方式【 Jim NEH NSF 美国人文基金会（ ）的大数据项目在探讨 分析大数据的变化对人文社会科学的影响；国家科 学基金会（ ）的大数据项目也关注开发一种以统 一的理论框架为原则的统计方法和可伸缩的网络 模型算法，以区别适合随机性网络的方法。中国科 学院计算技术研究所首席科学家李国杰院士在其 前不久发表的《大数据研究的科学价值》一文中，也 对大数据和数据科学可能对自然科学和社会科学 19 带来的影响进行了阐述【 】。 5.2 大数据的挑战 - 14 - 大数据在带来机遇的同时也伴随诸如工程技 1 2 3 术、管理政策、人才培养等方面的大挑战。企事业 单位和政府等各类组织不仅需要投入人才和技术， 还需要对其流程、结构进行优化，以适应大数据的 需求。同时，数据来源也非常重要，组织需要从多 20 个领域获取数据【 】。现实的挑战看主要集中在以 下几个方面。 （ ）组织的战略决策能力挑战，特别是互联网 企业，在面对大数据时容易陷入全面更新现有产品 和运营体系，加大投入，迅速转型与维持现有业务， 保持业绩的稳定和增长的决策困境。 （ ）组织的技术开发和数据处理能力挑战。大 数据的出现以及潜在的商业价值不仅要求组织使 用专门的数据库技术和专用的数据存储设备，而且 更要求专门的数据分析方法和使用体系。目前业 内流行的一般数据挖掘方法和通用商业数据库无 法满足大数据时代的挑战。 （ ）组织的运营和组织能力挑战。大数据时代 以个人用户基本单位进行数据分析，寻求个人全 面，完整，动态，实时的行为模式以及在此基础上归 纳出来的群体行为模式，而不是传统的基于单个产 品，服务，频道的碎片式静态统计分析。所以，对大 数据的整体把握是组织的产品开发，运营设置，服 务模式的基础和出发点，因此需要对现有的组织架 构，组织体系，资源配置和权力结构进行重组，让数 据管理与分析部门进入决策层，例如企业可以设立 首席数据官 (Chief Data Officer, CDO) CEO, COO, 与 CFO, CTO 4 等一道进行决策。 （ ）大数据高端专业人才挑战。对海量数据的 分析不仅需要专业人员对一般数据规律和模型的 把握，而且要有理论思维和全面把握的综合深入能 力。因此大量的高端专业人才不仅指一般的程序 员和数据库工程师，还要包括天体物理学家，生态 学家，数学和统计学家，社会网络学家，社会行为心 理学家，等等。 1 EMC 数字宇宙项目报 2 Ammirati, Sean. Infographic: Data Deluge 参考文献 [EB/OL].http://www.emc.com/col⁃ lateral/analyst-reports/diverse-exploding-digital-un iverse.pdf, 2012-11-20. 8 Zetta⁃ bytes of Data by 2015[EB/OL].http://www.readwrite⁃ web.com/enterprise/2011/11/infographic-data-del⁃ uge---8-ze.php, 2012-11-20. 3 Kirkpatrick, Robert.Digital Smoke Signals[EB/OL].ww w.unglobalpulse.org, 2012-11-21. 136 – （下转第 页）
    · · Doctor Forum 在实质上扩大了档案用户群体，也是全体档案人追 求的目标。 两个群体之间的衍化互动规律还引发了作者 关于电子档案用户、社会档案意识和档案职业发展 之间的内在作用机制的思考。电子档案用户的需 求和数量的增长是档案服务工作的基础，社会档案 意识的提高则能有效推动社会对档案的认知，以此 为基础，档案职业的社会美誉度就能提高，档案工 作在为广大用户提供不可替代的资源满足方面就 会得到广泛的认同，档案职业的社会地位就会得到 提出。当然这是在宏观上提出一种可能的路径，三 者之间的作用机制肯定不会像表述的如此简单，还 需要后续做深入系统的研究。 4 结 语 档案馆加强对电子档案用户的研究，在借鉴相 关学术研究的基础上，必须采用大规模的实践调查 14 页） 4 Manyika, James, Michael Chui, Brad Brown, Jacques （上接第 Bughin, Richard Dobbs, Charles Roxburgh and Ange⁃ la H. Byers. Big data: The next frontier for innovation, competition, and productivity[R].NewYork: McKinsey Global Institute, 2011. 5 King, Gary. Ensuring the Data-Rich Future of Social Science. [J].Science Mag331, 2011,(11):719-721. 6 Boyd, Dana and Crawford, Kate. Six Provocations for Big Data[R].Oxford Internet Institute, London, 2011. 7 Eke, P.I.. Using Social Media for Research and Public Health Surveillance[J]. Journal of Dental Research, 2011,(9):90. 8 Lohr, Steve. The Age of Big Data. [N].New York Times, 2012-02-11. 9 Economist Intelligence Unit .Big data Harnessing a game-changing asset[R]. New York ,2011. 10 Bollier, David. The Promise and Peril of Big Data[M].USA: The Aspen Institute, 2010:25-28. [EB/OL]. 11,12 Gartner IBM http://tech.ccidnet.com/art/40921/20121030/4408865_1. html,2012-11-20. 发 布 大 数 据 报 告 Teradata 、 和 ： Vol.31,No.9 September,2013 INFORMATION SCIENCE 的方法。调查的样本容量应该能够说明档案用户 的特征，实际调查得来的数据才能真实准确反映电 子环境下用户情况的变化。在实际的研究中，档案 馆应该和学术研究部门加强合作，发挥二者在不同 领域的优势，全面准确的获取电子档案用户的需求 和行为，为切实改善网络环境下的档案服务提供有 针对性的参考依据。 基于共享网络的档案用户研究：用户分类、特点与 :26-28. 基于客观环境变化的档案用户需求变化规律研究 [J]. ，（ 参考文献 9 2008 28-31. 3 72-75. ）： ） （ 浙江档案， 2010, 4 （ ）： 1 2 3 4 5 . . . . . [J]. 张照余 管理原则 王运彬 [J]. 档案学通讯， 2006, [J]. 陈 勇 案学通讯， 李 雯 探索与创新 崔 静 探 [J]. 论电子政务环境下档案用户需求的新变化 档 网络环境下档案用户信息需求与档案信息服务的 兰台世界， ）： 4-5. 2009, 7 27-29. （ 网络环境下档案用户信息需求与档案信息服务初 2008, 1 湖北档案， （ ）： （实习编辑：赵红颖） . 13 Krikpatrick, Robert. Data Philanthropy: Public and Private Sector Data Sharing for Global Resilience[EB/OL]. www.un⁃ globalpulse.org,2011-11-16. 14 Chris Yiu. The Big Data Opportunity: Making government faster, smarter and more personal[EB/OL]. http://policyex⁃ change.org.uk/publications/category/item/the-big-data-op⁃ portunity-making-government-faster-smarter-and-more-p ersonal, 2012-11-20. 15,16 17 Vital Wave Consulting.Big Data, Big Impact: New Possibili⁃ ties for International Development[R]. Geneva:World Eco⁃ nomic Forum, 2012. 18 Jim Gray, J., Tansley, S. and Tolle, K.. eScience: A trans⁃ formed scientific method The Fourth Paradigm: Data-Inten⁃ sive Scientific Discovery[R]. Microsoft Research. Redmond, Washington, 2009. , 2012,(9):8-15. ,2012:329-332. 大数据：正在到来的数据革命 大数据研究的科学价值 中国计算机学会通讯 范大学出版社 南宁：广西师 [M]. 李国杰 涂子沛 艾伯特 新思维 拉斯洛 巴拉巴西 爆发 北京：人民大学出版社 大数据时代预见未来的 ,2012:141-151. 19 20 . · [M]. [J]. : · . - 136 - （责任编辑：赵立军）
    分享到：
    赞 收藏

    相关推荐

    资料库

    大数据

    共收录841份资料，累计11个分类，关注成员有19位，主要包括：Matlab,统计分析,数据挖掘,Hbase,Hive,flink,kafka,spark,Storm,算法与数据结构,Hadoop

    热门标签

    Matlab 统计分析 数据挖掘 Hbase Hive flink kafka spark Storm 算法与数据结构 Hadoop

    最新资料