大数据环境下的文献分析与利用 叶艳鸣 2013·11
一、几点认识
大数据的海啸——巨量信息 43,600,000条结果
大数据的海啸
大数据时代的四个特征
大数据的阶梯处理过程模型 knowledge 模式评估 多阶段流水处理模型： 数据挖掘 任务相关数据 选择 数据仓库 数据清理 数据集成 6
主要的知识发现技术 主要技术 说明 内容管理技术 数据建模技术、版本控制技术、检索技术、文件路由技术等 文档管理技术 分类归档、外部特征管理、关键词管理 信息提取技术 人工智能技术、Bayesian 概率和词频统计分析、向量空间模型 信息过滤技术 固定文章集法、协作过滤技术 文本挖掘 利用智能算法，并结合文字处理技术，分析大量的非结构化文本源 数据仓库 在线分析处理（OLAP）、在线事务处理(OLTP) 分类技术 决策树、贝叶斯方法、神经网络、遗传算法、粗糙集和实例推理(CBR)等。 聚类技术 统计分析方法、模糊逻辑、最近邻技术、规则归纳 bookmark 智能化网络信息服务系统 根本原因分析 它是一种回溯性失误分析工具 云模型 解决数据挖掘中的知识表示问题 可视化技术 几何投射技术、基于图标技术、面向像素的技术、层次技术、基于图表技术
基于文献的知识发现原理与技术 基 于 文 献 的 知 识 发 现 基于全文献的 知识发现 共词分析理论与方法 基于相关文献的 知识发现 共引分析理论与方法 基于非相关文献的 知识发现 Swanson理论与方法 基于全文献的 知识发现 文本挖掘理论与方法 资料来源：冷伏海《基于文献的知识发现的应用进展研究》
大数据的开发路径 Link data Mata data Big data
知识发现进阶
二、“大数据”困局的破解之道 ——目录索引的起源与发展
由《易经》想到的： 《易经》道：“易”有三易： 简易 变易 不易
易有太极，是生两仪，两仪生四象，四象生八卦 《易经》之简易 简易：万事万物都是非常简单的，大道至简 《周易·系辞上》： 易有太极，是生两仪，两仪生四象，四象生八卦 现代计算机之“0、1”世界
《易经》之变易 变易：宇宙万物，时刻变化，人事皆是如此 《周易·系辞上》： 知变化之道者，其知神之所为乎？
不易：变的规律本身是相对不变的，是相对静止和相对稳定的，是可以感知的 《易经》之不易 不易：变的规律本身是相对不变的，是相对静止和相对稳定的，是可以感知的 《周易·系辞上》： 易无思也，无位也，寂然不动， 感而遂通天下之故
人类应对“大数据”之路径 岩刻、结绳记事、 文字起源 远古 实体世界 符号化 符号化 复杂 简化
日出云端与“旦”字的产生 喂…有好“大”一片树林呀 信息的标识：实物→图画→象形文字
符号的产生： 人与自然区分的分水岭 虚拟世界的起源
人类应对“大数据”之路径 语言、书籍、通信 知识体系起源 古代 信息世界 知识体系 符号化 复杂 简化
人类应对“大数据”之路径 书、报、刊、学位论文、 标准、专利…… 目录学起源 近代- 现代 藏书体系 目录体系 符号化 复杂 简化
目录系统 OPAC系统
人类应对“大数据”之路径 数字化、网络化 大数据时代来临 新世纪 大数据 Linked Data 符号化 复杂 简化
《易经》思想给出的 “大数据”困境破解之道
大数据集 符号 知识体系 文字 论著 语句
三、基于知识挖掘的文献分析与利用 ——以基因组研究为例
1、纵观全局的动态调研
研究概貌 315,264条
研究概貌
2、研究关联性分析（热点追踪）
主要研究领域（关键词分析）
不同时期研究热点变化追踪 1995-1999年 2005-2012年
3、研究关联性分析（时间序列）
研究继承性追踪
研究继承性追踪（引用）
不同文献敏感度 关键词:禽流感 近些年，通过各种管道，实行牧民定居工程，
不同文献敏感度 关键词:禽流感 近些年，通过各种管道，实行牧民定居工程，
竞争态势分析
4、机构研究能力评价分析
学术产出评价
学术产出评价—高产学者 曾汉民(353) 陈规划(329) 何晓顺(278) 傅家瑞(277) 余学清(267) 莫金垣(259) 梁力建(246) 曾陇梅(234) 滕皋军(224) 詹文华(222) 中山大学附属第三医院院长、党委副书记、教授、博士研究生导师。中华医学会器官移植学分会常委兼肝脏移植学组副组长、中华医学会外科学分会常委兼外科手术学组组长 著名高分子化学和材料科学家及教育家，教授、博士生导师，中山大学校长（91-95年），863新材料领域第一届首席科学家，何梁何利基金科学与技术进步奖获得者 中山大学附属第一医院副院长、教授、博士生导师。卫生部人体器官移植临床应用专家委员会委员，《中华外科杂志》、《中华实验外科杂志》、《中华器官移植杂志》等编委
东北大学学术产出最多的前10名学者 王国栋教授：中国工程院院士。现任东北大学轧制技术及连轧自动化国家重点实验室学委会副主任，中国金属学会轧钢学会副理事长，中国材料研究学会理事 王国栋(871) 刘相华(761) 闻邦椿(524) 翟玉春(451) 崔建忠(399) 柴天佑(392) 徐心和(321) 张庆灵(320) 赵海(314) 樊治平(285 刘相华教授，轧制技术及连轧自动化国家重点实验室主任。获国家科技进步二等奖2项，国家技术发明二等奖1项，国家发明创业奖1项，获得授权发明专利23项 蒋亚东教授，东北大学机械电子工程研究所名誉所长，国务院学位委员会第二、三、四届机械工程学科评议组成员， 1984年被评为全国第一批有突出贡献的中青年专家，1991年当选为中国科学院院士
清华大学与四川大学的专利对比情况
四、基于发现系统的用户行为分析
数据库: 书世界、CNKI、万方、超星书、方正…. 无缝对接的 全文服务功能 OPAC:本馆纸书 数据库: 书世界、CNKI、万方、超星书、方正…. 发现系统 读秀: 图书补缺 百链: 期刊等文献补缺
读秀 云共享服务 数据库
数据库使用量
学科使用量统计
每一次信息技术进步都极大地推动了 科学技术的飞跃发展
知识发现 为科技创新插上飞翔的翅膀
谢 谢