许培扬博客分享 http://blog.sciencenet.cn/u/xupeiyang 跟踪国际前沿 服务国内科研

博文

情报学挑战大数据

已有 3508 次阅读 2013-4-13 05:33 |个人分类:数据科学|系统分类:观点评述| 情报学, 数据, 挑战

有人说,未来的十年将是一个“大数据”引领的智慧科技的时代;也有人说,大数据也可能是一场骗局

大数据分析的5个方面。


1. Analytic Visualizations(可视化分析)


不管是对数据分析专家还是普通用户,数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据,让数据自己说话,让观众听到结果。

2. Data Mining Algorithms(数据挖掘算法)


可视化是给人看的,数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部,挖掘价值。这些算法不仅要处理大数据的量,也要处理大数据的速度。

3. Predictive Analytic Capabilities(预测性分析能力)


数据挖掘可以让分析员更好的理解数据,而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。

4. Semantic Engines(语义引擎)


由于非结构化数据的多样性带来了数据分析的新的挑战,需要一系列的工具去解析,提取,分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。

5. Data Quality and Master Data Management(数据质量和数据管理)


数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。

情报学研究的九大前沿性课题

 1  大数据分析

  2  数据挖掘与知识服务

  3  数据耕耘与知识成长

  4  数据库知识发展

  5  虚拟社区中的信息传播与演化规律

  6  小世界现象与社会网络分析

  7  信息的自组织和序化研究

  8  语义知识组织与认知检索

  9  云存储与云服务

马费成  情报学发展的历史回顾及前沿课题 图书情报知识  2013(2): 4-12



https://wap.sciencenet.cn/blog-280034-679706.html

上一篇:全国人感染H7N9禽流感43例 死亡11人 4月12日18时
下一篇:北京市确诊一例人感染H7N9禽流感病例
收藏 IP: 125.39.9.*| 热度|

4 郑永军 傅蕴德 李伟钢 赵美娣

该博文允许注册用户评论 请点击登录 评论 (2 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 00:06

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部