大數(shù)據(jù)大家談

第1章 大數(shù)據(jù)技術及其相關政策\t1
1．1 大數(shù)據(jù)產(chǎn)生的背景\t1
1．2 大數(shù)據(jù)的概念和特征\t3
1．2．1 大數(shù)據(jù)的概念\t3
1．2．2 大數(shù)據(jù)的特征\t3
1．3 大數(shù)據(jù)技術發(fā)展趨勢\t4
1．3．1 大數(shù)據(jù)帶來的決策方式的革命\t4
1．3．2 大數(shù)據(jù)面臨的挑戰(zhàn)及其對應的技術概覽\t7
1．3．3 大數(shù)據(jù)架構下的人才需求及產(chǎn)業(yè)結構\t12
1．4 大數(shù)據(jù)近期政策及其響應\t14
1．5 本章小結\t17
參考文獻\t18
第2章 大數(shù)據(jù)的開放式創(chuàng)新\t20
2．1 開放數(shù)據(jù)\t21
2．2 基于數(shù)據(jù)安全流通和定價的數(shù)據(jù)市場\t23
2．3 開放的基礎設施\t26
2．4 開放的社會化分析服務\t28
2．5 跨越領域界限的開放數(shù)據(jù)思維\t30
2．6 本章小結\t31
參考文獻\t31
第3章 流動的大數(shù)據(jù)\t33
3．1 總論\t33
3．2 三個案例看互聯(lián)網(wǎng)\t34
3．3 “爽”的體驗與流動性\t35
3．4 從個體到關系：笛卡兒兩分法的破滅\t38
3．5 本章小結\t40
參考文獻\t41
第4章 大數(shù)據(jù)技術架構與發(fā)展趨勢\t42
4．1 大數(shù)據(jù)技術概覽\t42
4．2 Hadoop生態(tài)系統(tǒng)\t46
4．3 Spark生態(tài)系統(tǒng)\t54
4．4 Spark和Hadoop的性能對比\t59
4．5 大數(shù)據(jù)技術前景及未來\t62
4．6 本章小結\t64
參考文獻\t66
第5章 大數(shù)據(jù)語義分析關鍵技術\t68
5．1 引言\t68
5．2 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析\t71
5．2．1 語義計算\t71
5．2．2 文本表示\t72
5．2．3 語義知識本體構建\t73
5．2．4 情感分析\t74
5．3 技術框架\t76
5．3．1 信息客體表示模型\t77
5．3．2 跨語言本體概念空間的大數(shù)據(jù)自動構建\t78
5．3．3 知識抽取與大數(shù)據(jù)關聯(lián)分析\t79
5．3．4 社會個體的語義表示與群體發(fā)現(xiàn)\t79
5．3．5 基于知識本體的語義計算與情感量化分析\t80
5．3．6 面向公共安全事件的群體態(tài)勢推演\t81
5．4 關鍵科學問題與技術特色\t82
5．5 研究方法\t84
5．6 技術路線\t85
5．6．1 信息客體表示模型\t85
5．6．2 跨語言本體概念空間的大數(shù)據(jù)自動構建\t86
5．6．3 知識抽取與大數(shù)據(jù)關聯(lián)分析\t87
5．6．4 社會個體的語義表示與群體發(fā)現(xiàn)\t89
5．6．5 基于知識本體的語義計算與情感量化分析\t90
5．6．6 面向公共安全事件的群體態(tài)勢推演\t91
5．7 基于知識本體大數(shù)據(jù)語義分析技術的應用實踐\t93
5．7．1 NLPIR大數(shù)據(jù)搜索與挖掘共享平臺\t93
5．7．2 JZSearch語義精準搜索引擎\t101
參考文獻\t108
第6章 社會網(wǎng)絡大數(shù)據(jù)的情感分析與情緒感知技術\t112
6．1 概述\t112
6．2 國內(nèi)外相關研究進展\t115
6．3 基于微博熱點話題的情感分析及其應用\t116
6．4 基于多維度分析的群體情感摘要抽取及其應用\t122
6．5 基于統(tǒng)計學習的情緒分類及其時序變化分析應用\t125
6．6 未來研究方向\t129
6．7 本章小結\t130
參考文獻\t130
第7章 大數(shù)據(jù)時代的數(shù)據(jù)挖掘與可視化傳播\t133
7．1 大數(shù)據(jù)時代來臨\t133
7．2 大數(shù)據(jù)的基本特征\t134
7．3 大數(shù)據(jù)挖掘與應用\t136
7．4 大數(shù)據(jù)與小數(shù)據(jù)\t139
7．5 數(shù)據(jù)挖掘的基本原理與方法\t140
7．6 大數(shù)據(jù)時代的數(shù)據(jù)可視化技術\t145
7．7 大數(shù)據(jù)挖掘和數(shù)據(jù)可視化工具\t148
第8章 大規(guī)模社會多媒體數(shù)據(jù)搜索與處理\t156
8．1 社會多媒體簡介\t156
8．1．1 社會多媒體的發(fā)展\t156
8．1．2 社會多媒體的特點和挑戰(zhàn)\t158
8．2 大規(guī)模社會多媒體數(shù)據(jù)的搜索\t160
8．3 社會多媒體搜索模式\t161
8．3．1 基于開放API的搜索\t161
8．3．2 基于頁面的搜索\t161
8．3．3 基于語義模式的搜索\t162
8．4 社會多媒體的在線實時搜索架構\t165
8．4．1 在線分布式實時搜索\t166
8．4．2 反封堵管理模塊\t167
8．5 大規(guī)模社會多媒體的基本處理技術\t168
8．5．1 社會多媒體存儲計算\t169
8．5．2 社會多媒體數(shù)據(jù)的特征學習\t172
8．6 大規(guī)模社會多媒體數(shù)據(jù)的挖掘與應用\t176
8．6．1 以用戶為中心的社會多媒體建模\t178
8．6．2 以內(nèi)容為中心的社會多媒體建模\t180
8．6．3 基于用戶和內(nèi)容的關聯(lián)挖掘\t183
8．7 本章小結\t186
參考文獻\t186
第9章 第四范式下的大數(shù)據(jù)分析 模型構建\t189
9．1 第四范式的提出\t189
9．2 第四范式真的不需要理論嗎\t190
9．2．1 總體問題\t190
9．2．2 因果關系問題\t191
9．2．3 效度低\t191
9．3 如何用理論模型來架構網(wǎng)絡數(shù)據(jù)\t191
9．4 傳播學理論的應用\t198
9．5 簡單的效果分析模型――品牌明星代言調(diào)查\t201
9．6 本章小結\t203
第10章 大數(shù)據(jù)視角下的新媒體指數(shù)\t205
10．1 新媒體指數(shù)簡介\t205
10．2 大數(shù)據(jù)視角下的新媒體指數(shù)\t205
10．2．1 從信息源看新媒體指數(shù)\t205
10．2．2 從信息分析方法看新媒體指數(shù)\t207
10．2．3 從數(shù)據(jù)應用場景看新媒體指數(shù)\t209
10．3 本章小結\t210
第11章 企業(yè)級數(shù)據(jù)倉庫向大數(shù)據(jù)基礎設施轉型中的若干問題\t212
11．1 擴容與換代疊加\t213
11．2 遷移與新需求交織\t213
11．3 設備輕型化、平臺開源化與團隊重構同步\t214
11．4 “互聯(lián)網(wǎng)+”與非結構化數(shù)據(jù)爆炸\t214
第12章 金融行業(yè)大數(shù)據(jù)綜述\t216
12．1 金融行業(yè)大數(shù)據(jù)相關政策\t216
12．1．1 中央政府的相關政策\t216
12．1．2 地方政府的相關政策\t217
12．2 金融大數(shù)據(jù)的定義與概述\t217
12．3 金融大數(shù)據(jù)的市場分析\t219
12．4 金融大數(shù)據(jù)支撐的業(yè)務\t220
12．4．1 第三方支付\t220
12．4．2 P2P業(yè)務\t222
12．4．3 互聯(lián)網(wǎng)征信\t223
12．4．4 眾籌\t225
12．4．5 互聯(lián)網(wǎng)銀行\(zhòng)t225
12．5 主要互聯(lián)網(wǎng)金融公司介紹\t227
12．5．1 阿里巴巴\t227
12．5．2 騰訊\t228
12．5．3 百度\t228
12．5．4 大象金服\t230
第13章 金融行業(yè)大數(shù)據(jù)應用\t235
13．1 導言\t235
13．2 大數(shù)據(jù)技術在金融行業(yè)的實際應用\t235
13．2．1 第一類應用：個體公司內(nèi)部數(shù)據(jù)的動員\t236
13．2．2 第二類應用：行業(yè)數(shù)據(jù)平臺\t238
13．2．3 第三類應用：行業(yè)外部數(shù)據(jù)在金融行業(yè)的應用\t240
13．2．4 金融行業(yè)數(shù)據(jù)從關系型數(shù)據(jù)庫向大數(shù)據(jù)技術平臺的遷移\t242
13．3 金融行業(yè)的應用對大數(shù)據(jù)技術提出嚴格的要求\t243
13．4 本章小結\t249
第14章 智慧旅游大數(shù)據(jù)應用\t251
14．1 導言\t251
14．2 旅游輿情分析\t252
14．2．1 中國旅游目的地網(wǎng)絡輿情指數(shù)\t252
14．2．2 輿情分析方法\t253
14．2．3 輿情熱點分析\t255
14．3 基于大數(shù)據(jù)的游客行為分析\t256
14．3．1 旅游大數(shù)據(jù)預測\t257
14．3．2 電商OTA數(shù)據(jù)分析\t259
14．3．3 交通數(shù)據(jù)分析\t259
14．4 基于運營商的LBS數(shù)據(jù)的游客軌跡分析及用戶畫像\t260
14．4．1 游客畫像監(jiān)測\t260
14．4．2 游客軌跡分析\t262
14．5 本章小結\t263