大数据价值挖掘的难点和重点：非结构化数据处理.docxVIP

大数据价值挖掘的难点和重点：非结构化数据处理大数据分析和应用得到了各个行业的关注，人们试图从大量数据中发现蕴含的模式和规律，进而产生更多的价值，“数据”作为分析对象在这个过程中所起到的作用是决定性的。本文对结构化数据、非结构化数据、数据结构、关系型数据库、实体关系图、数据模型等我们熟悉的概念进行剖析，说明它们之间的联系和区别。指出非结构化数据处理是大数据分析技术的难点和重点，是提升大数据价值挖掘深度的宝剑，在大数据的教学、研究、学习和应用开发中，围绕非结构化数据处理应当成为核心和重点。　数据这个概念对于每个人来说，是再熟悉不过的，我们生活在数据的世界里，在将来智能发达的时代里更是一刻也离不开数据。然而在千变万化的各种数据中，是否存在一些稳定不变的本质?在变化中寻找不变是科学探索的一条重要思维原则。　各种形式的数据可以归结为结构化数据、半结构化数据和非结构化数据三大种类。它们的区别在于数据的表示是否存在预先定义好的数据模型，因此什么是数据模型是深入理解大数据的关键。数据模型是一种抽象模型，用于表达数据含义的构成单元及其它们之间相互关系、数据与现实世界之间的对应关系。　数据模型包括三种相对独立的层次上的模型。　一是物理数据模型，表示了数据在计算机中存储的物理结构，通常是数据库中的分区、表空间、段、文件等。　二是逻辑数据模型，表示了数据在计算机中进行计算处理的逻辑结构，通常是数据表、列、