計算機網(wǎng)絡(luò)數(shù)據(jù)分析研究

　　目前，人類面臨著矛盾的局面，即信息量大幅增加導致信息掌握整體水平下降，使得不同領(lǐng)域的分析活動不斷復雜化。 現(xiàn)如今，互聯(lián)網(wǎng)已成為世界范圍內(nèi)自給自足的媒體環(huán)境，它正逐漸成為信息最重要的來源之一。隨著用戶需求水平不斷提升，現(xiàn)有網(wǎng)絡(luò)分析技術(shù)越來越難以滿足用戶需要，不僅對專業(yè)分析人士，對于普通用戶亦是如此。盡管實際上所有已知的搜索服務(wù)可以搜索各種形式的文檔，訪問新聞消息、全文文檔、多媒體文檔，但這種局面仍然存在。網(wǎng)絡(luò)分析包括對現(xiàn)代計算機網(wǎng)絡(luò)信息內(nèi)容的分析、超大規(guī)模動態(tài)信息庫（大數(shù)據(jù)）的覆蓋和檢索，不斷出現(xiàn)在全球網(wǎng)絡(luò)環(huán)境中的信息流，要求新的方法來確定信息流中消費者或目標群體需要的知識及服務(wù)。 為了提供各個領(lǐng)域的信息分析活動，有必要實施涵蓋所有信息工作流程的理論基礎(chǔ)信息技術(shù)，包括監(jiān)測、信息流聚合、分析概括、可視化操作。 本書致力于研究信息分析活動的理論基礎(chǔ)和信息技術(shù)問題，書中分析了涉及廣泛信息空間的發(fā)展、信息流動態(tài)和內(nèi)容、網(wǎng)絡(luò)信息領(lǐng)域里的導航和搜索的可能性，現(xiàn)代信息檢索系統(tǒng)技術(shù)、信息分析處理與歸納方法、監(jiān)測技術(shù)基礎(chǔ)、信息的自適應(yīng)聚合和泛化等問題，最后是構(gòu)建適應(yīng)信息和分析活動任務(wù)的適應(yīng)性文獻庫這一實際應(yīng)用。 盡管這本書主要面向自動化信息分析處理領(lǐng)域的專業(yè)人士、本科生和研究生，但相信，該書對于競爭情報領(lǐng)域的分析師和專家來說，也將十分受用，使用本書提出的方法與信息技術(shù)將能夠提高其工作效率和質(zhì)量。前 言 廣泛領(lǐng)域的分析活動涉及信息處理、對信息處理的深度理解、對特定情況的分析決策、獲取補充信息、分析與研究問題相關(guān)的所有可用信息，信息專題處理、分析報告的可視化處理、分析報告的驗證、新知識獲取方法及管理方法等。 目前，發(fā)展監(jiān)測方法和手段，以自適應(yīng)地聚合和推廣來自全球計算機網(wǎng)絡(luò)的信息流，支持各種應(yīng)用領(lǐng)域的信息和分析活動，已成為迫切需要解決的問題。同時，為了及時獲取有關(guān)計算機網(wǎng)絡(luò)的多維和客觀信息，進一步用于各種分析活動，需要采用現(xiàn)代技術(shù)解決方案。 用戶分析師發(fā)展信息空間的演變涵蓋3個主要階段。著手于互聯(lián)網(wǎng)上的工作時，用戶首先轉(zhuǎn)向選定的信息來源——網(wǎng)站、檔案館或數(shù)據(jù)庫（Database，DB），不斷監(jiān)測新材料出現(xiàn)時的變化和動態(tài)，即獨立監(jiān)測信息空間的這些環(huán)節(jié)。 使用網(wǎng)絡(luò)空間資源的下一步通常是運用網(wǎng)絡(luò)信息檢索系統(tǒng)（Information Retrieval System，IRS），每個系統(tǒng)都有自己的特點，但當今處于壟斷地位的毫無疑問是Google、百度和Yandex（Google面向全球，百度主要針對中國用戶，Yandex面向俄羅斯和烏克蘭用戶）。 通常，有經(jīng)驗的用戶還會使用集合常規(guī)網(wǎng)絡(luò) IRS功能的專用元素搜索系統(tǒng)（MRS）。其中一些系統(tǒng)擁有適應(yīng)用戶信息需求的功能。 信息空間具有信息多源、多領(lǐng)域的特點。來自于這些信息源的信息流集合構(gòu)成了既保障應(yīng)用又保障存儲的信息環(huán)境，同時增強了信息的再現(xiàn)。因此，本書第一部分主要討論信息空間和信息流的概念。描述了信息流的定性和正式定義，它被理解為連續(xù)動態(tài)中不斷變化、相互關(guān)聯(lián)的消息信息集合，即被創(chuàng)建、開發(fā)、修改和回收的文檔集合。 考慮了信息流研究的各種方法——從最簡單的線性方程模型到現(xiàn)代協(xié)同系統(tǒng)。第一章還探討了互聯(lián)網(wǎng)中的信息源，以及形成內(nèi)容相關(guān)文件集群的模型和機制，這些內(nèi)容相關(guān)文件形成主題或基于事件的動態(tài)信息圖。 第二章主要研究信息檢索、全球信息網(wǎng)絡(luò)導航的算法和方法。 這一章重點討論了元搜索系統(tǒng)、分散搜索的模型與技術(shù)及對等系統(tǒng)（PeertoPeer System）。 第三章涉及與文本深入分析相關(guān)的信息流的內(nèi)容分析。這一章討論了信息的語義處理方法、分類和聚類分析算法、提取概念和自動生成報告的方法。第三章主要關(guān)注計算機語言學、文本信息的重復性、相似性和排序問題。同時，本章也反映了復雜網(wǎng)絡(luò) （Complex Network） 的現(xiàn)代概念與計算機語言學任務(wù)之間的相互聯(lián)系。 第四章主要介紹了信息流自適應(yīng)聚合的技術(shù)基礎(chǔ)，也就是形成適應(yīng)用戶需求的信息空間片段。邏輯上，信息的聚合與其信息空間內(nèi)對應(yīng)集群特定請求的信息流的劃分相關(guān)。另外，本章詳細討論了構(gòu)建企業(yè)元搜索系統(tǒng)的原理。作為信息聚合概念實施的一個例子，第四章研究了Doc’s Bundle公司系統(tǒng)，主要處理以PDF格式呈現(xiàn)的文檔流。Doc’s Bundle系統(tǒng)的元素之一是元搜索模塊，它生成了文檔流，即在Google、Yandex、Bing等網(wǎng)絡(luò)搜索引擎中搜索結(jié)果的聚合。 第四章還詳細介紹了企業(yè)元搜索系統(tǒng)的典型用戶界面。

暫缺《計算機網(wǎng)絡(luò)數(shù)據(jù)分析研究》作者簡介