学术大数据的开放共享与合作生态.ppt

学术大数据的开放共享与合作生态 基于微软学术的科学大数据的开放与共享 如何走出数据开放共享的囚徒困境 科学数据开放共享的趋势 学术大数据的挑战问题和发展趋势 基于微软学术的科学大数据的开放与共享 Gaunsan Wang is a managing Director of research outreach for Microsoft Academic Services .He is also a Principal researcher of MSR Redmond, conducting research in web search ,data mining, natural language processing and information retrieval .He joined MSR Speech technology group in1998, working on acoustic modeling, language modeling and spoken and multimodal systems. He has contributed to numerous Microsoft speech areas. He start working on web search in 2007 and become one of the carliest members in the newly created Internet Services Reacher Center(ISRC).Dr.Wang received his phD and MS from University of Maryland,college Park,and BS from National Taiwan University ,all in Electrical Engineering. 基于微软学术的科学大数据的开放与共享 微软亚洲研究院与清华大学联合主办第十七届“21世纪的计算”大型学术研讨会。会上，微软与清华共同签署了“学术大数据项目”合作备忘录，旨在通过微软学术搜索和清华学术大数据项目（AMiner）的合作研发，为中国学术界打造创新、开放的学术平台与服务。同时，清华大学成立了跨学科研究的科技大数据研究中心。 微软学术搜索是“微软学术”服务推出的免费学术搜索引擎。微软与清华学术大数据项目的合作，将能够帮助用户获得更加丰富准确的国内外学术资源，其中有8千万文献数据，其搜索结果与必应中的学术搜索显然是不一样的。 。 搜索引擎(search engine)是指根据一定的策略、运用特定的计算机程序搜集互联网上的信息，在对信息进行组织和处理后，并将处理后的信息显示给用户，是为用户提供检索服务的系统。搜索引擎包括全文索引、目录索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、门户搜索引擎与免费链接列表等。百度和谷歌等是搜索引擎的代表。 学术论文推荐引擎 如何为用户提供实时个性化得论文推荐？ 要能够捕捉用户阅读的复杂因素（内容过滤，协调过滤过于简单） 要能够在线高效计算（协调过滤计算复杂度高） 要能够处理用户的多种反应（现有模型极少考虑） 要能够减少用户获得初始推荐的代价（冷启动问题） “数据开放共享”是一个囚徒困境 试想，两个人或机构是竞争关系，各有一份数据资源，现在考虑是否开放资源共享，有四种情形： 4, 3, 2, 1 两人都不开放 对我来说：CDAB 我开放他不开放 对他来说：BDAC 他开放我不开放 4, 3, 2, 1 两人都开放 Open for access Open for copy Open for reuse Open for remix Open for hosting Open for re-distribution The devil is in the details 避免数据开放共享的囚徒困境 政府科技管理政策要求 科研人员提高认识 降低“开放”的成本（open-ready） 不仅要数据，更要提问题 科学数据开放共享的趋势 ?科学数据的开放获取日益成为科学交流的新趋势。美国、英国以及众多国际组织与研究机构都就科学数据开放获取问题，积极建立政策保障与管理机制，并在政策指导下广泛推行相关服务与实践。其政策举措主要围绕科学数据交流渠道各环节，集中体现在数据开放资助、数据质量控制、数据合法保护、数据保存以及数据共享利用五大方面。 未来科学研究将大量运用并生成科学数据，以数据为中心、数据驱动科研的特征越来越突出. 科学数据开放获取，是指科学数