原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
网络环境下的大规模内容计算 ------ Web Search and Web Mining 程学旗， cxq@ 中国科学院计算技术研究所 06.8.17 SWCL 2006 沈阳 Outline Background and Motivation Some of existing works in ICT Some of existing research works Some of sharing systems Conclusion A Big Problem! 抛开争论看Web搜索的发展 Web Mining：海量信息空间内的知识发现 对象：大规模复杂网络信息 网页达到100亿；每天PB规模的邮件流量；10多亿以上的即时通信用户，同时在线数亿用户；每年近3000亿条的手机短信，每天平均近10亿条 目的：准确、及时有效地知识发现 商业情报智能：非完整信息下的确定性判定 垃圾信息的过滤：猫与老鼠的游戏 金融证券信息的监管： 反恐、网络犯罪的发现 挑战：发现难！ 如何找到最想要的信息，而不是一堆垃圾 如何发现和跟踪最有价值的线索？ 如何实时响应数据流？ 如何发现异常？ “Web 2.0”：热闹背后有什么？ 行为模式的变化 Architecture: From server-centered to Peer-distributed 互动参与：P2P, Blog 状态特征的变化 Streaming: From INFORMATION to MESSAGE Socialization: 内容表征的变化：Rich Content 多源头、大规模 Rich Dimensions Motivation: “问题还是那个问题，目标不再是那个目标” 模型表示与特征获取：“单一的特征空间既不是完备的，又不是正交的” Assumptions of VSM, PM, LM etc How to represent the Rich dimensional feature spaces? 可计算性：“统一性排名不是大多数需求，个性化才是大多数” Unified RANKING has so many biases！Identity vs. Otherness (Active-computing) Special algorithms for Rich-dimensional feature space Streaming Message vs. Text/Sentence ；Dynamic “context” sensitive Tradeoff between deep understanding and performance Shadow and efficient language processing Outline Background and Motivation Some of existing works in ICT Some of existing research works Some of sharing systems Conclusion Organizations of ICT About 80 persons in I3S About 25 research faculty More than 40 students Over 20 Ph.d candidates，over 15 master candidates Related works in I3S@ICT Research topics 大规模文本分析与网络挖掘 ：Dr. 许洪波等 确定性（浅层）自然语言处理 ：Dr. 张华平等 网络搜索：Dr. 王斌、张刚 etc 大规模特征匹配、数据流挖掘 ：Dr. 谭建龙等 网络结构挖掘与社会计算：Dr. 陈海强等 P2P 计算：Dr. 吕建明等 Sharable Systems 中文分词与词法分析软件：ICTCLAS 高性能全文索引与检索平台：FirteX Data Stream Management Conditions: High speed streaming (Over 10GBps) Large Scale queries (Over 100,000) Emergence of temporal unknown patterns Requirement Online responding Emergence prediction Challenges What we are pursuing Query Processing Multiple filtering queries processing on single stream Join algorith
文档评论（0）