浅析网络大数据带来挑战.docVIP

浅析网络大数据带来挑战 　　[摘 要]近几年，网络大数据越来越显示出巨大的影响作用，面对类型繁多的结构化、半结构化、非结构化的海量数据，如何去粗存精、去冗存真是大数据分析面临的挑战。为此，分析了网络大数据的复杂性、不确定性、涌现性，对网络数据的搜集、分析和挖掘有一定的借鉴意义。 　　[关键词]大数据；复杂性；不确定性；涌现性；挑战 　　中图分类号：TP372 文献标识码：A 文章编号：1009-914X（2018）14-0374-01 　　前言： 　　继物联网，数据挖掘等名词已经广泛应用于各行各业，深入到人们的生活中之后，大数据也已经悄然来到我们的身边，准备掀起下一个信息革命的浪潮。大数据的来临带来了一场生活、工作与思维的大变革，涉及到公共卫生、商业、思维等相关领域的革命。网络大数据越来越显示出巨大的影响作用，正在改变着人们的工作与生活，加强对大数据研究具有重要意义。 　　1 网络大数据的复杂性 　　复杂性造成网络大数据存储、分析、挖掘等多个环节的困难.网络大数据的复杂性主要包括数据类型的复杂性、数据结构的复杂性和数据内在模式的复杂性。 　　1.1 数据类型复杂性 　　信息技术的发展使得数据产生的途径不断增加，数据类型持续增多.相应地，则需要开发新的数据采集、存储与处理技术。例如社交网络的兴起，使得微博、SNS个人状态信息等短文本数据逐渐成为互联网上的主要信息传播媒介.与传统的长文本不同，短文本由于长度短，上下文信息和统计信息很少，给传统的文本挖掘（如检索、主题发现、语义和情感分析等）带来很大的困难。相关的研究包括利用外部数据源、搜索结果扩充文档，或者利用内部相似文档信息来扩充短文本的表达。然而，无论是利用外部数据，还是利用内部数据，都可能引入更多的噪声。另一方面，不同数据类型的有机融合给传统的数据处理方法带来了新的挑战。 　　1.2 数据结构的复杂性 　　传统上处理的数据对象都是有结构的，能够存储到关系数据库中。但随着数据生成方式的多样化，如社交网络、移动计算和传感器等技术，非结构化数据成为大数据的主流形式。非结构化数据具有许多格式，包括文本、文档、图形、视频等等.非结构化数据当中蕴含着丰富的知识，但其异构和可变的性质也给数据分析与挖掘工作带来了更大的挑战。与结构化的数据相比，非结构化数据相对组织凌乱，包含更多的无用信息，给数据的存储与分析带来很大的困难。目前相关的研究热点，包括开发非关系型数据库来存储非结构化数据。 　　1.3 数据模式的复杂性 　　随着数据规模的增大，描述和刻画数据的特征必然随之增大，而由其组成 　　的数据内在模式将会以指数形式增长。首先，数据类型的多样化决定了数据模式的多样化。不仅需要熟悉各种类型的数据模式，同时也要善于把握它们之间的相互作用。这种面向多模式学习的研究需要综合利用各个方面的知识（如文本挖掘、图像处理、信息网络、甚至社会学等等）。其次，非结构化的数据通常比结构化数据蕴含更多的无用信息和噪声，网络数据需要高效鲁棒的方法来实现去粗存精，去冗存真。搜索引擎就是从无结构化数据中检索出有用信息的一种工具。尽管搜索技术在工业上已经取得极大的成功，但仍然存在很多不足，都有待进一步提高。另外，网络大数据通常是高维的，往往会带来数据高度稀疏与维度灾难等问题。在这种情况下，由于数据模式统计显著性较弱，以往的?y计学习方法多针对高频数据挖掘模式，因此难以产生令人满意的效果。 　　2 网络大数据的不确定性 　　2.1 数据的不确定性 　　原始数据的不准确以及数据采集处理粒度、应用需求与数据集成和展示等 　　因素使得数据在不同维度、不同尺度上都有不同程度的不确定性.传统侧重于准确性数据的处理方法，难以应对海量、高维、多类型的不确定性数据。具体而言，在数据的采集、存储、建模、查询、检索、挖掘等方面都需要有新的方法来应对不确定性的挑战。近年来，概率统计的方法被逐步应用于不确定性数据的处理中。一方面，数据的不确定性要求我们使用不确定的方法加以应对；另一方面，计算机硬件的发展也为这类方法提供了效率、效能上的可能。目前，该领域研究尚浅，在学术界和产业界尚有大量问题亟待解决。 　　2.2 模型的不确定性 　　数据的不确定性要求对数据的处理方式能够提出新的模型方法，并能够把 　　握模型的表达能力与复杂程度之间的平衡.在对不确定数据的建模和系统设计上，最常用且朴素的观点是“可能世界模型”.该观点认为，在一定的结构规范下，应将数据的每一种状态都加以刻画.但该种模型过于复杂，难以用一种通用的模型结构来适应具体的应用需求.在实际应用中，我们往往采取简化的模型刻画不确定性数据的特性，如独立性假设、同分布假设等等.尤其值得注意的是，概率图模型由于具有很强的表达能力而且可对数据相关性进行建模，因此已