阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

OpenKN——网络大数据时代的知识计算引擎

于2017-04-01由小牛君创建

分享到:


近年来,互联网技术和应用模式的快速发展在改变人们生活方式的同时也产生了巨大的数据资源。预计到2020年,全球的数据总量将达到35ZB(1ZB=270B),其中75%来自个人(主要是图片、视频和音乐),远远超过人类有史以来所有印刷材料的数据总量(200PB1)。

随着互联网、物联网、云计算等技术的迅猛发展,网络空间(cyberspace)中各类应用层出不穷,引发了数据规模的爆炸式增长,形成了网络空间的大数据(简称网络大数据)。

网络大数据中包含大量有价值的数据,根据其产生方式的不同可分为Web内容数据、Web结构数据、自媒体数据、日志数据等。如何从网络大数据中获得有价值的知识,并对其进行深入的计算和分析,已成为国内外工业界和学术界研究的热点。目前,世界各个组织建立的知识库多达50余种,相关的应用系统更是达到了上百种。其中,有代表性的知识库或应用系统有KnowItAll, TextRunner, NELL, Probase, Satori,PROSPERA, SOFIE以及一些基于维基百科等在线百科知识构建的知识库DBpedia, YAG,Omega, WikiTaxonomy。除此之外,一些著名的商业网站、公司和政府也发布了类似的知识搜索和计算平台,如Evi公司的TrueKnowledge知识搜索平台2、美国官方政府网站Data.gov, Wolfram的知识计算平台WolframAlpha、谷歌的知识图谱KnowledgeGraph、脸书(Facebook)推出的实体搜索服务Graph Search等。

就规模而言,拥有概念最多的知识库是Probase,目前其核心概念约有270万个,概念总量达到千万级。它是基于概率化构建的知识库,支持针对短文本的语义理解。包含实体最多的是WolframAlpha,有10万亿个实体。近年来,影响力比较大的知识库或知识搜索服务有谷歌的知识图谱,包含5亿个实体对象和350亿条实体间的关系信息,而且规模也在随着信息的增长不断增大。除此之外,比较有特色的还有国内搜狗知立方系统,侧重于基于图的逻辑推理计算,包括利用语义网的三元组推理补充实体数据、对用户查询词进行语义理解以及句法分析等。

本文将提出一种面向网络大数据的、开放的、自适应的、可演化的、可计算的知识计算引擎——OpenKN。

OpenKN的整体架构

图1描述了OpenKN作为计算引擎的主要架构。OpenKN主要由知识库构建(knowledge baseconstruction)、知识验证与计算(knowledge validation and verification, knowledgecomputation)、知识存储(knowledgerepositories)、知识服务与应用(knowledge services andapplication)4个模块组成。这些模块实现了一个全生命周期的知识处理,从知识获取、知识融合、知识验证与计算、知识存储到知识服务与应用的知识处理工作流程。

大数据培训,就上小牛学堂

知识库的构建 

知识库的构建从逻辑角度讲,包括知识获取和知识融合两个方面。其中知识获取的主要目的是从开放网页、在线百科和核心词表等数据中抽取概念、实例、属性和关系。知识融合的主要目的是实现知识的时序融合和多数据源融合。

大数据培训,就上小牛学堂

图2进一步描述了知识库构建的思路。

OpenKN构建的知识库包含两部分:

(1)存储众所周知的常识性知识的通用基础库(general foundation base),这些知识可从维基百科等在线百科中直接抽取获得。

(2)特定领域的知识库,从左至右依次为领域1到领域n。基于每一个领域知识的特点不同,每一个特定领域知识库又可进一步划分为三部分:导出的通用基础库 (induced GFB)、领域基础库(domain foundation base)和领域网络库(domain Web base)。

具体地讲,导出的通用基础库是指从常识知识中选取的和领域相关的知识构成的知识库。领域基础库是用来描述领域相关的其他基本知识。领域基础库中的知识主要来自领域字典、核心词汇表等。为了获取当前最新最实时的领域知识,领域网络库用来从开放的互联网网页中抽取领域相关的最新知识。在图2中,橙色点和黑色点代表从网页中抽取获得的知识,点之间的边代表知识间的关联关系。随着网页数量的不断增加和内容的不断更新,领域知识库可实现自适应增长(self-grew)。

上述这些知识库的构建共同完成知识获取的全过程。此外,我们利用已有的公开知识库,如Freebase,YAGO等实现了知识融合。在完成OpenKN的知识库构建工作后,我们得到的知识称为显式的知识。

知识计算 

除了显式的知识,通过OpenKN的知识计算功能,包括属性计算、关系计算,实例计算等,我们还可以进一步获得隐式的或推断的知识。

知识验证与处理 

为了检验显式知识和隐式知识的完备性、相关性与一致性,我们需要对知识进行校验,这称为知识验证过程。主要是专家或特定的知识计算方法检查冗余的、冲突的、矛盾的或者不完整的知识。

知识存储 

经过验证的海量知识,在OpenKN里存储在一个基于图的数据库 (Graph DataBase,GDB)以及关系数据库中。其中,GDB中存储的是显式的知识,关系数据库中存储的是隐式的知识。GDB作为大数据存储基础设施,支持大于100亿条知识的存储。与传统的数据库模型(Neo4j, Titan)相比,GDB通过定义点和边的图数据模型来存储知识,这里的点和边都有各自唯一的ID并且支持一系列的多值属性。GDB描述了一个与现有的图模型不同的异构网络,称为可演化知识网络。

OpenKN的两个主要特征——自适应性和可演化性,加在一起诠释了OpenKN的“Open”的含义。

OpenKN的自适应性

OpenKN的自适应性主要体现在自适应知识演化处理和自适应知识获取策略两个方面。如图3所示,自适应知识演化处理用来描述知识演化的规律,它分为知识库的自我更新和与其他知识库的句法——语义级融合两个阶段。在自我更新阶段,知识演化通过作用在知识库上的两个基本运算和一系列的规则完成,即逻辑加⊕和逻辑乘⊙运算,以及一系列基本的规则。这些规则被用于本源知识库(primitive KB)上的演化。这里的本源知识库定义为不可以被其他知识库通过逻辑加和逻辑乘来表示的知识库。

如果我们把所有知识库组成的集合定义为一个向量空间,那么根据线性代数的基本知识,这些本源知识库实际上构成了该线性空间的一组基。对于向量空间的若干术语,可参考文献。另一方面,对于两个不同知识库的融合可分为两个操作,语义级的融合S⊕和句法级的融合T⊕。自适应知识获取策略的主要目的是获取随时空演化的动态知识。

大数据培训,就上小牛学堂

如图3所示,自适应知识获取策略使用一个称为过滤器的组件来产生句法——语义级的抽取模板,例如Such-As, Is-A,来对网络数据进行知识抽取。过滤器由规则和新数据感知器组成,其中规则保证不同类型的知识库中抽取得到知识的一致性,新数据感知器主要用于检测是否有新的数据产生以动态调整我们的抽取策略。抽取模板的调整是通过其自适应的调整和与抽取结果的反馈来迭代实现的。在自适应调整阶段,例如当Such-As模板遇到例外情况时,如句子“animals other thandogs such as cats” ,它不仅可以从概率的角度发现这个特例,还可以通过模糊本体技术来识别这种情况,相关术语可参考文献。在抽取结果的反馈阶段,抽取模板通过抽取结果的正确性进行打分,实现所谓的外部校正。

OpenKN的自适应性可以有效地满足网络大数据的快速变化带来的挑战。一方面,它可以使知识库具有捕获新数据的能力,另一方面,不同的规则如基本规则,保证了知识的实时更新。

大数据培训,就上小牛学堂 大数据培训,就上小牛学堂

OpenKN之所以称为可演化知识网络,主要是因为:一方面网络可以不断获取最新的知识,并进行自我更新;另一方面,知识网络可以将其他知识库中的知识转化为自己可以利用的标准形式,吸纳到自身的知识网络中进而形成新的知识网络。这两个过程如图5和图6所示。在图5中,最左侧的网络是一个确定的可演化知识网络,当从网页中获取了新的知识后,可以通过两个步骤将新知识融合到现有的网络中。首先,将新知识表示为一个知识网络,并将其与现有网络进行“链接”。其次,将新的知识网络中的点和边与已有网络中的相应的点和边进行“作用”,最终形成一个网络。在图6中,现有的知识库先转化为一个知识网络,然后如图5所示,和已有的知识网络进行融合。

可演化知识网络的演化特性构成一个完整的演化周期,包括演化识别与感知、演化定位、演化评估和管理等阶段。这种演化的非刚性同时保证了网络的时新性。

演化计算算子库

OpenKN的演化计算可规范化为两类不同的算子或操作,即对点的操作和对边的操作。具体地讲,对点的操作单元可分为点的抽取、点的融合以及点的推理三个子操作,对边的操作也可分为相应的三个类似的子操作,即关系抽取、关系融合、关系推断。这里提到的所有操作均涉及到对点和边上的时间与空间信息的操作,并且这些操作与前文提到的自适应知识演化过程和自适应知识获取策略是一致的。即点和边的抽取实现了自适应知识获取,其他操作构成了自适应知识演化过程。OpenKN的演化计算算子库首次将知识获取的整个流程中涉及的方法纳入到一个体系当中,便于深入理解每个方法之间的关系,为不同的方法及其之间的衔接与相互作用提供了一个全面的视角。

目前,OpenKN这一知识计算引擎能够处理的点规模达到3000万,边的规模达到10亿级,同时处理规模仍在不断扩张中。

总结

网络大数据具有多源异构性、时效性、高噪声等特点,不但非结构化数据多,而且数据的实时性强。网络大数据背后蕴含着丰富的、复杂关联的知识。要有效利用网络大数据的价值就须进行数据的去冗分类、去粗取精,从数据中挖掘知识, 对大数据网络背后的知识进行深入分析。本文提出了一种面向网络大数据的知识计算引擎——OpenKN。它的主要特点是自适应性和可演化性。这使得OpenKN可以更好地感知动态变化的网络知识,同时对潜在的和变化的时序知识进行推断和预测,更好地为网络大数据下的知识挖掘提供服务。

作者:

大数据培训,就上小牛学堂

End.