《大數據大家談》是2017年1月電子工業出版社出版的圖書，作者是張華平。
基本介紹
- 書名：大數據大家談
- 作者：張華平
- ISBN：9787121301810
- 頁數：276頁
- 定價：59元
- 出版社：電子工業出版社
- 出版時間：2017年1月
- 開本：16開
內容簡介,圖書目錄,
內容簡介
本書邀請了14位國內外大數據產學研有影響力的一線專家學者，總結各自的研究與工作專長，以專題的形式發表了各自的研究成果。本書主要包括了大數據綜述、大數據思維、大數據技術與大數據套用四個部分。其中，大數據綜述主要介紹大數據的概念、背景、技術與國內外政策等，讓讀者對大數據有個全景式的了解；大數據思維包括大數據的開放式創新與流動的大數據兩方面；大數據技術分別介紹了大數據平台架構、大數想凶套據語義分析、情感分析、大數據可視化、多媒體搜尋分析等當前的技術熱點；大數據套用主要介紹了新媒體、企業大數據基礎設施、金融行業套用、大數據傳播第四範式、金融大數據等套用。本書適合大數據行業研究者、技術開發工程師與研究人員使用。
圖書目錄
第1章 大數據技術及其相關政策 1
1.1 大數據產生的背景 1
1.2 大數據的概念墊譽戲兵和特徵 3
1.2.1 大數據的概念 3
1.2.2 大數據的特徵 3
1.3 大數據技術發展趨勢 4
1.3.1 大數據帶來的決策方式的革命 4
1.3.2 大數據面臨的挑戰及其對應的技術概覽 7
1.3.3 大數據架構下的人才需求及產業結構 12
1.4 大數據近期政策及其回響 14
1.5 本付罪辯拔章小結 17
參考文獻 18
第2章 大數據的開放式創新 20
2.1 開放數據 21
2.2 基於數據安全流通和定價的數據市場 23
2.3 開放的基礎設施 26
2.4 開放的社會化分析服務 28
2.5 跨越領域界限的開放數據思維 30
2.6 本章小結 31
參考文獻 31
第3章 流動的大數據 33
3.1 總論 33
3.2 三個案例看網際網路 34
3.3 “爽”的體驗與流動性 35
3.4 從個體到關係：笛卡兒兩分法的破滅 38
3.5 本章小結 40
參考文獻 41
第4章 大數據技術架構與發展趨勢 42
4.1 大數據技術概覽 42
4.2 Hadoop生態系統 46
4.3 Spark生態系統 54
4.4 Spark和Hadoop的性能對比 59
4.5 大數據技術前景及未來 62
4.6 本章小結 64
參考文獻 66
第5章 大數據語義分析關鍵技術 68
5.1 引言旋龍煮 68
5.2 國內外研究現狀及發展動態分析 71
5.2.1 語義計算 71
5.2.2 文本表示 72
5.2.3 語義知識本體構建 73
5.2.4 情感分析 74
5.3 技術框架 76
5.3.1 信息客體表示模型 77
5.3.2 跨語言本體概念空間的大數據自動構建 78
5.3.3 知識抽取與大數據關聯分析 79
5.3.4 社會個體的語義表示與群體發現 79
5.3.5 基於知識本體的語義計算與情感量化分析 80
5.3.6 面向公共安全事件的群體態勢推演 81
5.4 關鍵科學問題與技術特色 82
5.5 研究方法 84
5.6 技術路線 85
5.6.1 信息客體表示模型 85
5.6.2 跨語言本體概念空間的大數據自動構建 86
5.6.3 知識抽取與大數據關汽束聯分析 87
5.6.4 社會個體的語義表示與群體發現 89
5.6.5 基於知識本體的語義計算與情感量化分析 90
5.6.6 面向公共安全事件的群體態勢推演 91
5.7 基於知識本體大數據語義分析技術的套用實踐 93
5.7.1 NLPIR大數據搜尋與挖掘共享平台 93
5.7.2 JZSearch語義精準搜尋引擎 101
參考文獻 108
第6章 社會網路大數據的情感分析與情緒感知技術 112
6.1 概述 112
6.2 國內外相關研究進展 115
6.3 基於微博熱點話題的情感分析及其套用 116
6.4 基於多維度分析的群體情感摘要主拒臘抽取及其套用 122
6.5 基於坑全棄統計學習的情緒分類及其時序變化分析套用 125
6.6 未來研究方向 129
6.7 本章小結 130
參考文獻 130
第7章 大數據時代的數據挖掘與可視化傳播 133
7.1 大數據時代來臨 133
7.2 大數據的基本特徵 134
7.3 大數據挖掘與套用 136
7.4 大數據與小數據 139
7.5 數據挖掘的基本原理與方法 140
7.6 大數據時代的數據可視化技術 145
7.7 大數據挖掘和數據可視化工具 148
第8章 大規模社會多媒體數據搜尋與處理 156
8.1 社會多媒體簡介 156
8.1.1 社會多媒體的發展 156
8.1.2 社會多媒體的特點和挑戰 158
8.2 大規模社會多媒體數據的搜尋 160
8.3 社會多媒體搜尋模式 161
8.3.1 基於開放API的搜尋 161
8.3.2 基於頁面的搜尋 161
8.3.3 基於語義模式的搜尋 162
8.4 社會多媒體的線上實時搜尋架構 165
8.4.1 線上分散式實時搜尋 166
8.4.2 反封堵管理模組 167
8.5 大規模社會多媒體的基本處理技術 168
8.5.1 社會多媒體存儲計算 169
8.5.2 社會多媒體數據的特徵學習 172
8.6 大規模社會多媒體數據的挖掘與套用 176
8.6.1 以用戶為中心的社會多媒體建模 178
8.6.2 以內容為中心的社會多媒體建模 180
8.6.3 基於用戶和內容的關聯挖掘 183
8.7 本章小結 186
參考文獻 186
第9章 第四範式下的大數據分析 模型構建 189
9.1 第四範式的提出 189
9.2 第四範式真的不需要理論嗎 190
9.2.1 總體問題 190
9.2.2 因果關係問題 191
9.2.3 效度低 191
9.3 如何用理論模型來架構網路數據 191
9.4 傳播學理論的套用 198
9.5 簡單的效果分析模型——品牌明星代言調查 201
9.6 本章小結 203
第10章 大數據視角下的新媒體指數 205
10.1 新媒體指數簡介 205
10.2 大數據視角下的新媒體指數 205
10.2.1 從信息源看新媒體指數 205
10.2.2 從信息分析方法看新媒體指數 207
10.2.3 從數據套用場景看新媒體指數 209
10.3 本章小結 210
第11章 企業級數據倉庫向大數據基礎設施轉型中的若干問題 212
11.1 擴容與換代疊加 213
11.2 遷移與新需求交織 213
11.3 設備輕型化、平台開源化與團隊重構同步 214
11.4 “網際網路+”與非結構化數據爆炸 214
第12章 金融行業大數據綜述 216
12.1 金融行業大數據相關政策 216
12.1.1 中央政府的相關政策 216
12.1.2 地方政府的相關政策 217
12.2 金融大數據的定義與概述 217
12.3 金融大數據的市場分析 219
12.4 金融大數據支撐的業務 220
12.4.1 第三方支付 220
12.4.2 P2P業務 222
12.4.3 網際網路徵信 223
12.4.4 眾籌 225
12.4.5 網際網路銀行 225
12.5 主要網際網路金融公司介紹 227
12.5.1 阿里巴巴 227
12.5.2 騰訊 228
12.5.3 百度 228
12.5.4 大象金服 230
第13章 金融行業大數據套用 235
13.1 導言 235
13.2 大數據技術在金融行業的實際套用 235
13.2.1 第一類套用：個體公司內部數據的動員 236
13.2.2 第二類套用：行業數據平台 238
13.2.3 第三類套用：行業外部數據在金融行業的套用 240
13.2.4 金融行業數據從關係型資料庫向大數據技術平台的遷移 242
13.3 金融行業的套用對大數據技術提出嚴格的要求 243
13.4 本章小結 249
第14章 智慧旅遊大數據套用 251
14.1 導言 251
14.2 旅遊輿情分析 252
14.2.1 中國旅遊目的地網路輿情指數 252
14.2.2 輿情分析方法 253
14.2.3 輿情熱點分析 255
14.3 基於大數據的遊客行為分析 256
14.3.1 旅遊大數據預測 257
14.3.2 電商OTA數據分析 259
14.3.3 交通數據分析 259
14.4 基於運營商的LBS數據的遊客軌跡分析及用戶畫像 260
14.4.1 遊客畫像監測 260
14.4.2 遊客軌跡分析 262
14.5 本章小結 263
5.3.4 社會個體的語義表示與群體發現 79
5.3.5 基於知識本體的語義計算與情感量化分析 80
5.3.6 面向公共安全事件的群體態勢推演 81
5.4 關鍵科學問題與技術特色 82
5.5 研究方法 84
5.6 技術路線 85
5.6.1 信息客體表示模型 85
5.6.2 跨語言本體概念空間的大數據自動構建 86
5.6.3 知識抽取與大數據關聯分析 87
5.6.4 社會個體的語義表示與群體發現 89
5.6.5 基於知識本體的語義計算與情感量化分析 90
5.6.6 面向公共安全事件的群體態勢推演 91
5.7 基於知識本體大數據語義分析技術的套用實踐 93
5.7.1 NLPIR大數據搜尋與挖掘共享平台 93
5.7.2 JZSearch語義精準搜尋引擎 101
參考文獻 108
第6章 社會網路大數據的情感分析與情緒感知技術 112
6.1 概述 112
6.2 國內外相關研究進展 115
6.3 基於微博熱點話題的情感分析及其套用 116
6.4 基於多維度分析的群體情感摘要抽取及其套用 122
6.5 基於統計學習的情緒分類及其時序變化分析套用 125
6.6 未來研究方向 129
6.7 本章小結 130
參考文獻 130
第7章 大數據時代的數據挖掘與可視化傳播 133
7.1 大數據時代來臨 133
7.2 大數據的基本特徵 134
7.3 大數據挖掘與套用 136
7.4 大數據與小數據 139
7.5 數據挖掘的基本原理與方法 140
7.6 大數據時代的數據可視化技術 145
7.7 大數據挖掘和數據可視化工具 148
第8章 大規模社會多媒體數據搜尋與處理 156
8.1 社會多媒體簡介 156
8.1.1 社會多媒體的發展 156
8.1.2 社會多媒體的特點和挑戰 158
8.2 大規模社會多媒體數據的搜尋 160
8.3 社會多媒體搜尋模式 161
8.3.1 基於開放API的搜尋 161
8.3.2 基於頁面的搜尋 161
8.3.3 基於語義模式的搜尋 162
8.4 社會多媒體的線上實時搜尋架構 165
8.4.1 線上分散式實時搜尋 166
8.4.2 反封堵管理模組 167
8.5 大規模社會多媒體的基本處理技術 168
8.5.1 社會多媒體存儲計算 169
8.5.2 社會多媒體數據的特徵學習 172
8.6 大規模社會多媒體數據的挖掘與套用 176
8.6.1 以用戶為中心的社會多媒體建模 178
8.6.2 以內容為中心的社會多媒體建模 180
8.6.3 基於用戶和內容的關聯挖掘 183
8.7 本章小結 186
參考文獻 186
第9章 第四範式下的大數據分析 模型構建 189
9.1 第四範式的提出 189
9.2 第四範式真的不需要理論嗎 190
9.2.1 總體問題 190
9.2.2 因果關係問題 191
9.2.3 效度低 191
9.3 如何用理論模型來架構網路數據 191
9.4 傳播學理論的套用 198
9.5 簡單的效果分析模型——品牌明星代言調查 201
9.6 本章小結 203
第10章 大數據視角下的新媒體指數 205
10.1 新媒體指數簡介 205
10.2 大數據視角下的新媒體指數 205
10.2.1 從信息源看新媒體指數 205
10.2.2 從信息分析方法看新媒體指數 207
10.2.3 從數據套用場景看新媒體指數 209
10.3 本章小結 210
第11章 企業級數據倉庫向大數據基礎設施轉型中的若干問題 212
11.1 擴容與換代疊加 213
11.2 遷移與新需求交織 213
11.3 設備輕型化、平台開源化與團隊重構同步 214
11.4 “網際網路+”與非結構化數據爆炸 214
第12章 金融行業大數據綜述 216
12.1 金融行業大數據相關政策 216
12.1.1 中央政府的相關政策 216
12.1.2 地方政府的相關政策 217
12.2 金融大數據的定義與概述 217
12.3 金融大數據的市場分析 219
12.4 金融大數據支撐的業務 220
12.4.1 第三方支付 220
12.4.2 P2P業務 222
12.4.3 網際網路徵信 223
12.4.4 眾籌 225
12.4.5 網際網路銀行 225
12.5 主要網際網路金融公司介紹 227
12.5.1 阿里巴巴 227
12.5.2 騰訊 228
12.5.3 百度 228
12.5.4 大象金服 230
第13章 金融行業大數據套用 235
13.1 導言 235
13.2 大數據技術在金融行業的實際套用 235
13.2.1 第一類套用：個體公司內部數據的動員 236
13.2.2 第二類套用：行業數據平台 238
13.2.3 第三類套用：行業外部數據在金融行業的套用 240
13.2.4 金融行業數據從關係型資料庫向大數據技術平台的遷移 242
13.3 金融行業的套用對大數據技術提出嚴格的要求 243
13.4 本章小結 249
第14章 智慧旅遊大數據套用 251
14.1 導言 251
14.2 旅遊輿情分析 252
14.2.1 中國旅遊目的地網路輿情指數 252
14.2.2 輿情分析方法 253
14.2.3 輿情熱點分析 255
14.3 基於大數據的遊客行為分析 256
14.3.1 旅遊大數據預測 257
14.3.2 電商OTA數據分析 259
14.3.3 交通數據分析 259
14.4 基於運營商的LBS數據的遊客軌跡分析及用戶畫像 260
14.4.1 遊客畫像監測 260
14.4.2 遊客軌跡分析 262
14.5 本章小結 263
