关于大数据环境论文范文资料与基于大数据环境下科技信息方法有关论文参考文献-论文写作网

《基于大数据环境下科技信息方法》：该文是关于大数据环境论文范文，为你的论文写作提供相关论文资料参考。

[摘要]大数据时代的到来,给情报研究带来了机遇和挑战.本文分析了大数据对情报工作的影响,然后讨论了在此环境下情报研究的新变化,在此基础上探讨了几种可用于情报方法研究的大数据分析技术.

[关键词]大数据环境；科技信息；情报服务

当数据和黄金一样,成为一种新的经济资产,当科研处于以数据为基础进行科学发现的第四范式,当数据开始变革教育,这些无不宣告着我们已经进入了大数据时代.不同的学科领域,正在不同的层面上广泛地关注着大数据对自己的研究和实践带来的深刻影响,情报研究领域也不例外.

1.情报研究迈入大数据时代

大数据又称巨量资料,指的是所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯.研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产.大数据的特点是数据体量巨大、数据类型繁多、价值密度低、高速变化实时处理.大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理.对于在数据分析领域扮演重要角色的情报研究工作而言,大数据的理念和技术既带来了机遇,也带来了挑战.一方面,在大数据时代,情报研究工作正在得到空前的重视,大数据为情报研究的新发展提供了机会,从更为广阔的视野来看待情报研究的定位,研究新技术新方法,解决新问题,将极大地促进情报研究理论和实践前进的步伐.另一方面,大数据时代本身也要求各行各业重视情报研究工作,这就必然使得众多学科有意识地涉足到以往作为专门领域的情报研究之中,并将其作为本学科的重要组成部分加以建设.现代情报研究已经迈入了大数据时代.

2.大数据对情报工作的影响

2.1研究领域全域扩展

各领域中的情报研究从视角、方法上的相互借鉴,社交网络分析方法、空间信息分析等其他学科的分析方法正广泛应用于军事情报、科技情报等领域,心理学等领域的理论也用于情报分析的认知过程,以指导情报分析及其工具的研发,情报学中的引文分析等文献计量方法被借鉴用于网站影响力评估.可视化、数据挖掘等计算机领域的技术,为情报研究提供了有力的技术视角,情报研究获得的知识反过来又给予其他技术领域的发展以引导.在情报研究过程中,不仅仅局限于就本领域问题的分析而分析,而将所分析的内容置于一个更大的情景下做通盘考虑,从而得到更为严谨的结论.

2.2多数据源综合利用

在大数据环境下,情报不在局限在科技部门,而成为全社会的普遍知识.公众对情报的需求使得情报研究问题更为综合,涉及要素更为多元,也更为细化.这导致单一数据源不能满足分析的要求,需要不同类型的信息源相互补充.不同信息源可以从不同角度揭示问题,可以较为直观地反映研究者对某种科技问题的理解和描述.现实中通常会遇到某些信息无法获取的情况,这就需要别的信息加以替代.

2.3情报研究严谨智能

在大数据环境下,利用情报分析技术在一定程度上避免人的主观性,通过多种技术手段或采用不同的算法避免由技术产生的偏见.情报研究由定性化分析转变为定量化分析,将各种信息资源转化为计算机可理解、处理的形式,采用同级、数据挖掘等方法加以计算,获取隐含的知识.

3.大数据环境下的科技信息技术

3.1语义处理技术

语义技术提供了机器可理解或是更好处理的数据描述、程序和基础设施,整合了Web技术、人工智能、自然语言处理、信息抽取、数据库技术、通信理论等技术方法,旨在让计算机更好地支持处理、整合、重用结构化和非结构化信息.核心语义技术包括语义标注、知识抽取、检索、建模、推理等.语义技术可以为信息的深层挖掘打好基础,即通过对各类信息的语义处理.在获取的富有语义的结构化数据上使用各种数据挖掘算法来发现其中的潜在模式.

3.2可视化分析技术

可视化分析是通过交互式可视化界面促进分析推理的一项技术,它涉及多学科的领域,一是分析推理技术,使用户获得直接支持评价、计划和决策行为的见解；二是可视化表示和交互技术,利用人眼的视觉能力观察、浏览和理解大量的信息；三是数据表示和交换,支持以可视化和分析的方式转换各种类型的异构动态数据；四是支持分析结果的产生、演示和传播的技术,能和各种用户交流有适当背景资料的信息.可视化分析的核心是推理过程,它从各种假设和证据的混合信息中利用人的判断得到结论.第一建立推理、意会、认知和感知的理论基础,创建视觉激活的工具用来分析推理复杂动态数据.第二建立基于认知和感知原理的可视化表示原理,有助于利用可重复使用的组件,可视化表示原理必须能处理各种数据、各种尺度和复杂度的信息,通过信息融合实现知识挖掘,推进分析推理,提供从低级交互到复杂交互的技术来处理不同的显示环境和任务.第三开发一种将数据转换到新的可扩展表示的理论和实践方法,能忠实地表示原来的数据信息,把各种类型和各种来源的数据信息合成一个统一的数据,并能对数据的质量、可靠性和确定性进行度量.第四开发获得响应行为、分析评估和决策建议的方法和工具,通过使用合适的可视化形式和可接受的推理和图表示原则和用户进行交流,同时考虑安全和隐私问题.第五使用基于组件的软件开发方法来进行可视化分析软件的开发,并开发新的可视化分析技术的评估方法.

3.3数据挖掘技术

数据挖掘是从存储于数据库、数据仓库、数据集市或者其他非结构化的信息仓库的大量数据中挖掘出有用知识的过程.数据挖掘融合了数据库、人工智能、机器学习、统计学等多个领域的理论技术,是利用各种分析工具在海量数据中发现模型和数据间关系的过程,使用这些模型和关系可以进行预测,帮助决策者寻找数据间的潜在关联,发现被忽略的因素.数据挖掘技术同当前传统的情报方法比较,情报获取方式由人工搜取扩展到机器自动抓取；情报分析上升为多维分析,目前采用基于数据挖掘技术工具软件对多种资源进行自动采集、自动分类和去重等处理,从海量信息中及时准确地筛选关键情报信息,通过系统自动化和人工干预相结合的方式,经过可定义的处理流程,作为了解各类信息的重要渠道和决策辅助支持的工具,从而提高快速反应能力,无论从体系结构上还是从具体方法上,数据挖掘算法都能够很好地融合到情报系统中去.

4.结束语

大数据的理念和技术为情报研究的理论和实践带来了机遇,也带来了挑战.本文分析了大数据环境下情报研究的若干变化,讨论了情报研究中值得关注的技术问题,以期能为促进情报研究的理论和实践的发展添砖加瓦.

参考文献

[1]谢新洲.发展情报方法研究对大数据挑战[J].图书情报工作,2014

[2]李广建,杨林.大数据视角下的情报研究和情报研究技术[J].图书和情报,2013

大数据环境论文参考资料：