大数据时代高校图书馆嵌入式知识发现情报分析服务模式研究

文章介绍了大数据时代高校图书馆开展嵌入式知识服务的内容,分析了大数据与情报的共性,并重点阐述了嵌入式知识发现情报分析服务的重要环节,同时又设计了大数据时代高校图书馆嵌入式知识发现情报分析服务模型,该模型主要包括数据资源层、知识发现处理层和界面展示层.     

从棱镜计划看大数据时代下的情报分析

棱镜计划自被曝光之日起,就受到了世界各方面的广泛关注,而大家关注的焦点主要集中在个人隐私与保护上,其实棱镜计划针对哪些大数据、通过哪些分析、实现了何种战略目标,更值得关注与讨论。文章从情报分析的视角剖析了棱镜计划的数据基础、分析过程与方法、实施目标,进而对大数据时代下的情报分析进行探讨。     

基于大数据的情报分析如何助力城市管理——纽约实践及启示

[目的/意义] 对基于大数据的情报分析应用于城市的科学决策和综合管理展开研究,探讨在新的形势下情报分析为政府部门带来的新的管理应用契机。[方法/过程] 以纽约市政府构建的城市数据分析团队的实践为例,运用文献分析和实证研究的方法,剖析基于数据的政府情报系统的构建,以及在城市综合管理方面的应用。[结果/结论] 基于数据的情报分析有助于提高公共管理决策的效率。据此,为我国城市的相关实践提出初步的建议,包括搭建城市公共数据的集聚平台、组建数据情报分析团队、构建数据预警指标以及创建特定的情报分析机制。     

不同领域的情报分析及其在大数据环境下的发展

大数据已经引起竞争情报、商业管理、生物医学、政府治理及军事情报等五个领域的重视,为厘清不同领域的情报分析差异,文章通过梳理五个领域对情报分析的概念与实践现况,揭示了不同领域的情报分析特征;通过说明五个领域在大数据环境下的情报分析发展,指出了大数据对情报分析的影响。     

论计算型情报分析

受大数据环境和第四范式的影响,情报分析走向计算的趋势已经越来越明显。在信息设备低廉化、处理对象数字化、计算方法智能化的共同作用下,情报分析逐步走向计算型情报分析。计算型情报分析是情报分析与以计算机技术为核心的信息技术相结合的产物,涵盖目标、功能、实现、分析方式和知识体系五个层面的内容;以计算机及相关信息技术为工具,以机器学习与知识理解等为核心技术,以情报分析方法和数学模型方法为组织分析手段,通过对数据内容及其关系、模式的深度解析、挖掘和发现,帮助分析人员解决情报问题,完成情报任务。计算型情报分析的思维理念包括定量思维、自动化思维、融合思维、容错思维等,在理论、方法和技术、系统、应用实践等四个方面都有诸多研究课题等待我们探索和挖掘。参考文献51。     

情报分析计算化:背景、作用及关键问题

[目的/意义]从理论与实践的视角探讨情报分析计算化的背景、作用和关键问题。[方法/过程]梳理情报分析走向计算的发生背景和现象转变,对情报分析计算化的作用进行归纳总结,对发展计算型情报分析的关键问题进行探讨。[结果/结论]情报分析走向计算的产生主要源于由研究范式转变、资源数字化、信息技术以及计算方法的发展等,情报分析计算化可以解决人脑分析的自然局限、微观层次的不可观察性、分析速度等问题,在发展计算型情报分析过程中,理论体系、计算化思维、工作模式、数据资源建设等是目前值得关注的关键问题。     

大数据时代档案管理新视觉

档案大数据,即一定空间及时间范围内全部档案数据所形成的集合。档案大数据和大数据之间存在数据海量、类型丰富以及处理快速等诸多共性,同时在数据价值密度、可靠性以及保真性等方面也存在明显差异。对于档案大数据而言,提炼出有价值的信息,在此基础上实施有效地预测是其一项核心内容。     

大数据分析的方法及其在情报研究中的适用性初探

对基于数据或信息分析的情报研究来说,大数据分析方法带来了新机遇。文章在现有研究的基础上,先梳理了基于数据、流程及信息技术三种视角的大数据分析方法,并从中归纳出了面向统计、挖掘、发现、预测与集成等5种分析层次的17种相关研究方法。接着探讨了大数据分析方法在情报研究的适用性,分别找出10种可直接移植的方法、2种调整后可移植的方法、2种不适用的方法、3种需要继续研究或关注的方法。     

大数据时代数字图书馆面临的机遇和挑战

大数据时代,网络学术资源建设快速发展,大有取代数字图书馆之势。在这样一种背景下,数字图书馆建设要有大数据思维:在资源建设方面,要拓展资源范畴,增加资源整合的广度,加强资源组织加工的深度;在技术应用方面,重视语义技术,加强聚类技术的应用,广泛应用数据分析技术,提升检索技术与水平;在服务方面,丰富数字图书馆服务产品,服务模式由被动、等待、共性化转向积极主动、自动推送和个性化。未来数字图书馆要跳出传统资源建设的框架,树立全方位服务的理念,提供全资源服务,拓展服务方式和传播形式,数字图书馆馆员应该立志成为数据分析家。     

大数据时代下的情报分析与挖掘技术研究——电信客户流失情况分析

大数据时代下的信息具有体量大、复杂性高、更新速度快的特点,从具有如此复杂特性的信息中挖掘出用户所需的情报,难度较以往有了很大的提升.要在发展中抢占先机,在大数据时代获取竞争优势,就必须对原有的情报分析思路进行必要的升级改造,以满足信息的情报属性.文章在介绍了大数据以及大数据环境下情报内涵转变的原因之后,提出了一种在大数据背景下的情报分析与挖掘的建模机理,首先应用MapReduce建立情报任务分解概念模型,然后针对分解后的某一单任务数据表进行预处理和数据挖掘工作,利用数学模型、人工智能等方法构造大数据时代下情报分析与数据挖掘的新思路.最后利用仿真实验来验证这一新思路的可行性和合理性.     

大数据、云计算与用户行为分析

云计算的研究与应用方兴未艾,大数据近两年又成为国内外研究的热点问题和重要方向。文章介绍了大数据、云计算的概念和内涵,重点分析了大数据和云计算为用户行为分析带来的机遇和挑战。最后文章讨论了在大数据和云计算的背景下,用户行为分析在行为理论、信息规范、信息整合、分布式数据挖掘和数据可视化等方面的研究展望。     

大数据时代信息分析的关键问题、挑战与对策

[目的/意义] 信息分析是情报研究的核心环节,大数据时代为信息分析提供了更多的信息资源保障和技术支持,促使信息分析产生重大的革新。[方法/过程] 通过网络调查与文献资料收集,对国内外信息分析研究现状进行分析,总结当前大数据信息分析领域存在的5个关键问题,提出大数据时代信息分析的4个主要挑战。[结果/结论] 针对大数据环境下信息分析存在的问题和挑战,提出5方面的对策建议,宏观上对大数据时代的信息分析进行系统地梳理,从顶层设计的角度统领大数据时代的信息分析。     

国际大数据研究主题的可视化分析

随着大数据时代的来临,有关大数据的理论、技术、方法与应用的研究已成为当前产、学、研的研究热点。以Web of Science数据库的文献信息为数据源,对大数据领域的论文关键词进行共词分析,构建高频关键词共现关系网络,可视化地展示该网络的“核心-边缘结构”,通过聚类分析将这一领域的研究内容划分为14个类团,并利用战略坐标图揭示该领域的各个研究主题及其发展趋势,以期为相关研究提供参考。     

大数据知识计算的挑战

知识计算是传统人工智能研究的一个重要领域。知识计算研究知识的表达、管理、获取和使用的计算问题。本文探讨了大数据时代,知识计算技术面临新的挑战和机遇,分析了知识的表达、获取和计算在大数据时代的新需求,以及知识计算模型和方法可能需要的新的突破以解决大数据的动态、开放、异构、海量等性质所带来的知识计算问题,提出了开放性、一致性、完备性和上下文等几个大数据知识计算所面临的关键问题。     

构建基于大数据的智能高校信息化管理服务系统

在大数据的背景下,结合对高校信息化中服务发展的需求,提出建立智能高校信息化管理服务系统的思路。依据大数据的基本思想,首先提出高校大数据的概念并分析其基本特征。对智能高校信息化服务具体体现方式进行研究,详细阐述建设智能高校信息化管理服务系统的原则和构架设计的逻辑框架,进一步探讨在实践中ETL、数据仓库建模等关键技术,以实例说明智能信息化管理中的数据应用服务和决策支持,为全面建立智能化的高校信息化管理服务系统提供探索和实践基础。     

大数据视阈下档案学研究的困境和启示--基于CNKI档案类期刊的共词聚类分析

基于对CNKI档案类期刊的统计分析,本文探讨了大数据在我国档案领域内的研究现状,分析当前档案管理技术同非结构化的数据管理、资源转化效率同发挥档案的潜在价值、数据挖掘深度同个性化的用户利用需求之间的困境,并结合大数据理论指出其带给档案学研究的相关启示。     

论企业技术竞争情报的开展——以产品技术为例

紧密结合技术竞争情报的特点,以产品技术为例,阐述在产品技术链的发展流程中如何根据技术信息的阶段性特点,跟踪特定的信息源,开展技术竞争情报的数据搜集工作;进而介绍几种在技术竞争情报工作中相对专用的分析方法以及对技术竞争情报分析有借鉴意义的竞争情报分析方法中的新思想,以为企业科学开展技术竞争情报工作提供理论指导。     

基于个性化服务需求的图书馆大数据分析平台构建研究

目前,大数据技术是图书馆对用户个性化服务进行智慧决策的最有效方式。论文首先阐述了基于大数据的图书馆客户需求分析的标准,然后基于大数据的用户个性化服务需求分析,构建了图书馆大数据分析平台。该平台可帮助图书馆管理人员实施高效、科学的分析与决策。     

计算机辅助信息分析的技术框架及其发展趋势

[目的/意义] 为了更好地指导计算机辅助信息分析工作的开展,构建计算机辅助信息分析技术框架,从顶层架构设计的视角指导计算机辅助信息分析。[方法/过程] 在文献综述和资料收集基础上,从数据库、数据仓库、OLTP、OLAP、BI和DSS 6个技术领域构建计算机辅助信息分析技术框架模型,从联机在线分析、数据挖掘和知识发现、社会网络分析、大数据分析4个方面详细分析当前主要的计算机辅助信息分析技术。[结果/结论] 对计算机辅助信息分析所面临的主要挑战和发展趋势进行展望,认为大数据分析将成为未来计算机辅助信息分析的重要研究内容,在大数据和云计算技术的推动下,计算机辅助信息分析将进一步向前发展,移动计算、社会计算将与信息分析深度融合。