《大数据下的知识关联》

2018年11月18日

在周日上午，本人现场聆听了马费成老师的这场报告，本次报告讲述的主要是马老师团队与深圳一家证券公司合作的一个项目中的一个方面。讲述了大数据下的知识关联，从知识关联的概念、特征及其表示模型（知识大图（big graph））等方面开展，并提及金融大数据的应用实例-银行股权结构分析（从银行数据库、工商登记数据库、互联网爬取数据）为例，简单阐述了处理过程。

具体内容如下：

关联从本质上来说是一种知识信息的关联，而大数据价值的分析、发现与创造的根本目的就是发现这些知识信息关联的结构模式，并对关联化的知识信息进行有效组织管理，将其应用于生产生活实践中以产生更多的价值。

（无处不在的知识关联）利用知识关联来寻找学科发展。。，利用知识关联对知识及其载体进行分类、组织与管理，形成了目录学、分类学；

（知识关联）与传统知识关联所界定的知识单元之间的静态序化联系不同，大数据中知识关联不仅包含知识信息的静态关联状态，也包括从价值稀疏的大数据中逐步凝练出密度递增的知识信息的关联化过程；

（知识关联内涵）知识性、逻辑性、显示性（本身是显式的，即被明确认知和描述，知识、数据和事物中的隐式关联，只有被发现、认知和描述后才能成为知识关联）、动态性（是动态行为，反映了知识之间的联系状态从隐性到显性的过程）；

（大数据知识关联的特征）结构角度（网络化、多层次、多刻面）——计算角度（可描述、可计算、可演化）——应用角度（弱结构、多种类、跨应用）

（分类知识关联模式）描述事物见类别关系的分类知识，是各种知识的基础，也是大数据知识关联分析多层次、多刻面的结构特征的来源；

（时空知识关联模式）描述的是时空环境中，事物状态、形式和结构有效关联与变化的知识，是大数据知识关联的可演化特征的来源；

（主题知识关联模式）由分类、时空、统计知识关联模式融合而成。