工程研究-跨学科视野中的工程
工程研究-跨學科視野中的工程
공정연구-과학과시야중적공정
Journal of Engineering Studies
2014年
3期
282-293
,共12页
大数据%共词分析%聚类分析%社会网络分析%可视化分析
大數據%共詞分析%聚類分析%社會網絡分析%可視化分析
대수거%공사분석%취류분석%사회망락분석%가시화분석
big data%co-word analysis%clustering%network analysis%visualization
以WoS数据库为数据源,全面采集国际核心期刊数据库中“大数据”相关文献,以共词分析为基础,综合使用社会网络分析、聚类分析、战略坐标图等方法和工具,以期对当前大数据研究热点及演进趋势进行分析。研究发现,当前国际大数据研究可分为算法设计与开发、平台与框架实践、数据统计分析方法及实践、语义与本体研究和大数据的应用五个方面,且具有范围不断扩大、内容持续纵深、继承性逐渐体现等特点,但是整体而言仍处于起步阶段,各领域研究尚不成体系。之后,给出了下一阶段大数据研究前沿演进方向的预测:1)大数据环境下数据处理技术及方法研究,包括计算机数据处理的相关技术及统计方法在大数据环境下的应用研究;2)语义分析及本体研究;3)大数据商业价值的挖掘。
以WoS數據庫為數據源,全麵採集國際覈心期刊數據庫中“大數據”相關文獻,以共詞分析為基礎,綜閤使用社會網絡分析、聚類分析、戰略坐標圖等方法和工具,以期對噹前大數據研究熱點及縯進趨勢進行分析。研究髮現,噹前國際大數據研究可分為算法設計與開髮、平檯與框架實踐、數據統計分析方法及實踐、語義與本體研究和大數據的應用五箇方麵,且具有範圍不斷擴大、內容持續縱深、繼承性逐漸體現等特點,但是整體而言仍處于起步階段,各領域研究尚不成體繫。之後,給齣瞭下一階段大數據研究前沿縯進方嚮的預測:1)大數據環境下數據處理技術及方法研究,包括計算機數據處理的相關技術及統計方法在大數據環境下的應用研究;2)語義分析及本體研究;3)大數據商業價值的挖掘。
이WoS수거고위수거원,전면채집국제핵심기간수거고중“대수거”상관문헌,이공사분석위기출,종합사용사회망락분석、취류분석、전략좌표도등방법화공구,이기대당전대수거연구열점급연진추세진행분석。연구발현,당전국제대수거연구가분위산법설계여개발、평태여광가실천、수거통계분석방법급실천、어의여본체연구화대수거적응용오개방면,차구유범위불단확대、내용지속종심、계승성축점체현등특점,단시정체이언잉처우기보계단,각영역연구상불성체계。지후,급출료하일계단대수거연구전연연진방향적예측:1)대수거배경하수거처리기술급방법연구,포괄계산궤수거처리적상관기술급통계방법재대수거배경하적응용연구;2)어의분석급본체연구;3)대수거상업개치적알굴。
With the comprehensive collection of“big data”relevant literature from international core jour-nals database of WoS, we employs co-word analysis as the basic method, together with some other tools such as social network analysis, clustering and strategic diagram, to reveal the hotspots and frontier evolution of big data research. The results show that the current big data research has the following five main aspects:algorithm design and development, platform and framework for practice, data analysis methods and statistical practice, semantics and ontology research and big data applications. The related research has continued to expand and deepen, and has gradually reflected the inheritance, while overall is still in its infancy. Thus, we also give our forecast about the next research frontier:1) data processing techniques and methods research in big data environment, including ap-plication research on data processing and statistical methods in big data context;2) semantic analysis and ontology research;3) the mining of commercial values of big data.