基于知識(shí)圖譜的國內(nèi)外大數(shù)據(jù)比較研究

蘇　楠

(四川大學(xué)公共管理學(xué)院，四川　成都　610065)

?

基于知識(shí)圖譜的國內(nèi)外大數(shù)據(jù)比較研究

蘇楠

(四川大學(xué)公共管理學(xué)院，四川成都610065)

以WOS和CSSCI的研究文獻(xiàn)為對(duì)象，采用文獻(xiàn)計(jì)量及可視化方法，構(gòu)建系列知識(shí)圖譜，開展國內(nèi)外大數(shù)據(jù)比較研究。結(jié)果顯示，國內(nèi)外大數(shù)據(jù)在技術(shù)方面以mapreduce、hadoop、cloudcomputing等為主要支撐，在應(yīng)用方面以金融、社會(huì)媒體、電子商務(wù)、信息服務(wù)等為主要領(lǐng)域。整體上看，中國大數(shù)據(jù)研究仍處于相對(duì)落后的局面，尤其是對(duì)基礎(chǔ)理論、價(jià)值特征的挖掘相對(duì)薄弱，將會(huì)成為未來大數(shù)據(jù)技術(shù)研發(fā)與應(yīng)用推廣的重大障礙。

大數(shù)據(jù)；國內(nèi)外；應(yīng)用；熱點(diǎn)主題；比較研究

近年來，中國大數(shù)據(jù)研究已經(jīng)如火如荼地開展起來。大數(shù)據(jù)概念起源于歐美發(fā)達(dá)國家，其在相關(guān)方面的研究也處于領(lǐng)先地位。雖然當(dāng)前對(duì)國外大數(shù)據(jù)研究的介紹性成果已經(jīng)很多，但是國內(nèi)外大數(shù)據(jù)的比較研究還很少見。因此，亟需通過比較國內(nèi)外大數(shù)據(jù)研究進(jìn)展情況，挖掘熱點(diǎn)，發(fā)現(xiàn)異同，尋找差距，探測趨勢，為推動(dòng)國家大數(shù)據(jù)戰(zhàn)略提供參考借鑒。

1　數(shù)據(jù)與方法

以CSSCI為數(shù)據(jù)源，以大數(shù)據(jù)、數(shù)據(jù)挖掘、bigdata為檢索詞，時(shí)間為2006—2015年，經(jīng)過精確檢索和數(shù)據(jù)清洗后最終獲得文獻(xiàn)數(shù)據(jù)958條。以WebofScience中SCI-EXPANDED、SSCI為數(shù)據(jù)源，檢索主題為bigdata、massivedata、hugedata，時(shí)間跨度為2006—2015年，獲得文獻(xiàn)數(shù)據(jù)2940條。

研究方法選用共詞分析法、頻次分析法等，以文獻(xiàn)計(jì)量軟件CitespaceⅢ為技術(shù)工具。研究將CSSCI和SCI-EXPANDED、SSCI中的文獻(xiàn)數(shù)據(jù)導(dǎo)入標(biāo)準(zhǔn)化處理，開展詞頻分析、共詞分析，繪制能夠反映國內(nèi)外大數(shù)據(jù)研究現(xiàn)狀的聚類圖譜，開展主題挖掘和比較研究。

2　國內(nèi)外大數(shù)據(jù)研究的知識(shí)圖譜

2.1詞頻分析

通過對(duì)關(guān)鍵詞的提取，發(fā)現(xiàn)CSSCI文獻(xiàn)中共提取關(guān)鍵詞815個(gè)，WOS文獻(xiàn)中共提取關(guān)鍵詞2134個(gè)。表1、表2分別是國內(nèi)外大數(shù)據(jù)研究的高頻關(guān)鍵詞列表，看到國外文獻(xiàn)的關(guān)鍵詞頻次要遠(yuǎn)遠(yuǎn)高于國內(nèi)文獻(xiàn)的關(guān)鍵詞頻次。

表1　大數(shù)據(jù)研究的高頻關(guān)鍵詞列表(前30位)

表1顯示，中國大數(shù)據(jù)研究的領(lǐng)域標(biāo)簽為數(shù)據(jù)挖掘、大數(shù)據(jù)、大數(shù)據(jù)時(shí)代，云計(jì)算、關(guān)聯(lián)規(guī)則、學(xué)習(xí)分析、聚類分析、競爭情報(bào)、數(shù)字圖書館、知識(shí)發(fā)現(xiàn)、數(shù)據(jù)分析、信息服務(wù)、決策樹、電子商務(wù)、mapreduce等是當(dāng)前大數(shù)據(jù)研究的重點(diǎn)。大數(shù)據(jù)研究初步形成兩個(gè)細(xì)分方向：一是大數(shù)據(jù)技術(shù)研究，如關(guān)聯(lián)規(guī)則、聚類分析、數(shù)據(jù)倉庫、可視化、web數(shù)據(jù)挖掘、數(shù)據(jù)挖掘技術(shù)、粗糙集、mapreduce、hadoop等，二是大數(shù)據(jù)實(shí)際應(yīng)用，圖書館、學(xué)習(xí)分析、競爭情報(bào)、信息服務(wù)、決策樹、個(gè)性化服務(wù)、知識(shí)服務(wù)、電子商務(wù)、金融、商業(yè)智能、在線教育等等。

表2顯示，國外大數(shù)據(jù)研究在技術(shù)方面主要有，mapreduce、systems、classification、algorithm、datamining、Design、hadoop、ontology、neural-networks、sensordata、integration等；在應(yīng)用方面則表現(xiàn)在，cloudcomputing、information、management、performance、socialmedia、internet、bioinformatics、cancer、machinelearning等。比較發(fā)現(xiàn)，國外大數(shù)據(jù)的研究內(nèi)容更為廣泛、研究方向更為多元、技術(shù)創(chuàng)新相對(duì)先進(jìn)、研究層次更為深入。

表2　國外大數(shù)據(jù)研究的高頻關(guān)鍵詞列表(前30位)

續(xù)表2

2.2共詞圖譜

共詞分析是對(duì)兩個(gè)關(guān)鍵詞在文獻(xiàn)中共同出現(xiàn)的次數(shù)進(jìn)行分析，挖掘?qū)W科研究的演化情況[1]。運(yùn)用CiteSpace將同質(zhì)性節(jié)點(diǎn)抓取出來，以可視化圖譜的形式呈現(xiàn)研究熱點(diǎn)，節(jié)點(diǎn)頻次、網(wǎng)絡(luò)密度、連線疏密等是識(shí)別研究結(jié)構(gòu)的重要依據(jù)[2]。

圖1是中國大數(shù)據(jù)研究知識(shí)圖譜，全面展示了中國大數(shù)據(jù)研究的熱點(diǎn)分布。該圖譜存在若干關(guān)鍵節(jié)點(diǎn)，如關(guān)聯(lián)規(guī)則、競爭情報(bào)、數(shù)據(jù)分析、信息服務(wù)、數(shù)字圖書館、知識(shí)發(fā)現(xiàn)、可視化、web數(shù)據(jù)挖掘、云計(jì)算、語義網(wǎng)、聚類分析等，每個(gè)節(jié)點(diǎn)都與周邊外圍節(jié)點(diǎn)構(gòu)成一個(gè)主題類團(tuán)，這些類團(tuán)指示不同的研究方向和研究重點(diǎn)。例如，云計(jì)算-mapreduce-hadoop指向大數(shù)據(jù)技術(shù)研究，競爭情報(bào)-知識(shí)管理-決策支持-企業(yè)指向大數(shù)據(jù)的企業(yè)應(yīng)用，數(shù)字圖書館-個(gè)性化服務(wù)-圖書館服務(wù)-高校圖書館-知識(shí)服務(wù)則是指向圖書館服務(wù)中的大數(shù)據(jù)應(yīng)用研究。

圖1　中國大數(shù)據(jù)研究的知識(shí)圖譜

圖2是國外大數(shù)據(jù)研究知識(shí)圖譜。相較于圖1，該圖譜的關(guān)鍵節(jié)點(diǎn)結(jié)構(gòu)更復(fù)雜，節(jié)點(diǎn)之間的關(guān)聯(lián)更加密切。關(guān)鍵節(jié)點(diǎn)主要是algorithms、design、classificationmodel、optimization、prediction、cloudcomputing、hadoop、mapreduce、neural-networks、datamining、machinelearning。而由這些節(jié)點(diǎn)支撐的主題聚類數(shù)量眾多，如bigdata-analytics-twitter-socialmedia，challenges-risk-privacy，machinelearning-cloudcomputing-cloud，prediction-neuralnetworks—classification-performance-model等。國外大數(shù)據(jù)研究的不同聚類之間存在更密切的關(guān)聯(lián)，呈現(xiàn)出較高程度的交叉性。

圖2　國外大數(shù)據(jù)研究的知識(shí)圖譜

從圖1、圖2可以發(fā)現(xiàn)，大數(shù)據(jù)、數(shù)據(jù)挖掘、bigdata等并不處于圖譜的絕對(duì)中心，并且其與外圍節(jié)點(diǎn)連線數(shù)量不是最多的，反而是前文提到的那些關(guān)鍵節(jié)點(diǎn)起到了支撐大數(shù)據(jù)研究的作用，如國內(nèi)是關(guān)聯(lián)規(guī)則、競爭情報(bào)、數(shù)據(jù)分析、信息服務(wù)、數(shù)字圖書館、可視化、云計(jì)算等，而國外是algorithms、prediction、performance、classification、model、cloudcomputing、neural-networks、machinelearning、risk等。國內(nèi)外研究在主流方向上是相對(duì)一致的。在大數(shù)據(jù)技術(shù)研究上，國內(nèi)外都關(guān)注分布式系統(tǒng)、并行計(jì)算、web數(shù)據(jù)挖掘技術(shù)、社會(huì)網(wǎng)絡(luò)分析、可視化技術(shù)、云計(jì)算技術(shù)、關(guān)聯(lián)規(guī)則算法、分類算法等，除此之外，國外還突出對(duì)算法優(yōu)化技術(shù)、本體技術(shù)、統(tǒng)計(jì)元技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)等的研究，而國內(nèi)則在語義網(wǎng)、協(xié)同過濾、信息抽取等投入較多。在大數(shù)據(jù)應(yīng)用研究上，國內(nèi)外較為一致的關(guān)注點(diǎn)是信息服務(wù)、競爭情報(bào)、可視化、社會(huì)媒介、互聯(lián)網(wǎng)、新聞、電子商務(wù)等，除此之外，國內(nèi)將大數(shù)據(jù)應(yīng)用于數(shù)字圖書館、金融、數(shù)字出版、在線教育等領(lǐng)域，而國外則更加關(guān)注bioinformation、cancer、surveillance、disease、health、policy等領(lǐng)域的大數(shù)據(jù)應(yīng)用。

除了應(yīng)用研究與技術(shù)研究之外，國外學(xué)者還對(duì)大數(shù)據(jù)的performanc、risk、prediction、architecture、privacy、security、behavior、optimization、patterns等內(nèi)涵、特征保持濃厚興趣，而這方面國內(nèi)研究相對(duì)較弱。然而這些內(nèi)涵、特征是大數(shù)據(jù)的基礎(chǔ)研究，對(duì)這些基礎(chǔ)問題的論證能夠幫助創(chuàng)新大數(shù)據(jù)技術(shù)，研判大數(shù)據(jù)應(yīng)用的領(lǐng)域與價(jià)值。

3　國內(nèi)外大數(shù)據(jù)研究的熱點(diǎn)比較

3.1大數(shù)據(jù)基礎(chǔ)研究

大數(shù)據(jù)基礎(chǔ)研究主要涉及的是大數(shù)據(jù)的概念界定、起源發(fā)展、性質(zhì)特征、架構(gòu)邏輯、價(jià)值意義等。在這一方面，中國相關(guān)研究數(shù)量不多且研究層次不深，國外研究者則非常重視大數(shù)據(jù)基礎(chǔ)研究。framework、performance、optimization、science、risk、privacy、prediction、architecture、security、design、behavior、challenges、patterns等關(guān)鍵詞顯示出國外對(duì)大數(shù)據(jù)基礎(chǔ)研究重要性的認(rèn)識(shí)。Laney較早地提出大數(shù)據(jù)“3V”特性，即Volume、Velocity和Variety，在他之后Demchenko.Y等人認(rèn)為大數(shù)據(jù)還具有Veracity、Value特性，進(jìn)而提煉出大數(shù)據(jù)的5V特性[3]。國外學(xué)者認(rèn)為大數(shù)據(jù)有助于重塑現(xiàn)代科學(xué)結(jié)構(gòu)，從信息集成、數(shù)據(jù)挖掘等方面推動(dòng)科學(xué)研究范式的整體性、革命性改變[4]。也有學(xué)者對(duì)此提出質(zhì)疑，認(rèn)為大數(shù)據(jù)存在擴(kuò)展性不穩(wěn)定、存儲(chǔ)量過載、數(shù)據(jù)冗余與分化、測量精確性低、數(shù)據(jù)安全等問題[5]。DanahBoyd呼吁冷靜看待大數(shù)據(jù)“熱潮”，警惕大數(shù)據(jù)“陷阱”。大數(shù)據(jù)真實(shí)性、安全性就是最受質(zhì)疑的特性之一。國內(nèi)外研究者進(jìn)行了討論。ViktorMayer等認(rèn)為應(yīng)在數(shù)據(jù)處理及使用中確定限制性要素和控制手段[6]。在其啟發(fā)下，國內(nèi)研究也將“告知—同意”作為大數(shù)據(jù)安全綜合治理模式的重要依據(jù)[7]。

國外學(xué)者關(guān)注大數(shù)據(jù)背后的邏輯，他們認(rèn)為大數(shù)據(jù)基于互聯(lián)網(wǎng)而生，其內(nèi)在價(jià)值是對(duì)離散數(shù)據(jù)、碎片信息的集成挖掘與數(shù)字重構(gòu)，形成不對(duì)稱信息優(yōu)勢，而這種不對(duì)稱信息優(yōu)勢即是大數(shù)據(jù)要極力攻破的，同時(shí)又是大數(shù)據(jù)自身孕育的。掌握這種不對(duì)稱信息優(yōu)勢就是掌握了各種社會(huì)資源的調(diào)配。因此，一些研究者認(rèn)為大數(shù)據(jù)既代表著黑幕又代表著透明，而大數(shù)據(jù)研究就是要讓其更多的轉(zhuǎn)向透明。另外，國外學(xué)者對(duì)大數(shù)據(jù)的模型、流程、方法以及在工程、社會(huì)、自然等方面的關(guān)聯(lián)也比較感興趣。

3.2大數(shù)據(jù)技術(shù)研究

為大數(shù)據(jù)提供技術(shù)支撐的就是云計(jì)算、mapreduce、hadoop等技術(shù)。Mapreduce是基于C++的分布式算法系統(tǒng)，其功能是開展大批量非結(jié)構(gòu)化數(shù)據(jù)的集中處理，實(shí)現(xiàn)效率與成本的平衡；hadoop則是基于JAVA語言的分布式框架，為mapreduce提供運(yùn)行載體，與hadoop類似的還有pnuts、gfs等；云計(jì)算技術(shù)則是基于聯(lián)機(jī)分析的多維數(shù)據(jù)分析方法，對(duì)數(shù)據(jù)進(jìn)行分布式存儲(chǔ)及并行計(jì)算。Mapreduce與hadoop是大數(shù)據(jù)技術(shù)的基礎(chǔ)，mapreduce將海量數(shù)據(jù)分類化到不同的服務(wù)器上運(yùn)行，而hadoop則為這種分類提供規(guī)則約束的平臺(tái)框架。

云計(jì)算是大數(shù)據(jù)技術(shù)的延伸，涵蓋了gridcomputing、SOA技術(shù)、utilityconputing及分布式算法等。大數(shù)據(jù)技術(shù)在海量數(shù)據(jù)采集的廣度和速度上有一定的優(yōu)勢，但是不擅長精確分析、信息保全，而云計(jì)算則兼顧多維計(jì)算與高容量存儲(chǔ)于一體，能夠通過獨(dú)特的streamcompute方法提升半結(jié)構(gòu)化數(shù)據(jù)處理的可擴(kuò)展性、隱私性、容錯(cuò)能力等，還支持可視化、智能分析、數(shù)據(jù)集成、人機(jī)交互等。

中國經(jīng)過一段時(shí)間對(duì)西方國家的技術(shù)學(xué)習(xí)后，已經(jīng)在一些方面取得了本土化的創(chuàng)新性成果，如，百度公司構(gòu)建了“開放云”、“數(shù)據(jù)工廠”、“百度大腦”等技術(shù)平臺(tái)，阿里巴巴開發(fā)了基于OS的大規(guī)模分布式計(jì)算系統(tǒng)Apsara，中國科學(xué)院推出了適用于開源數(shù)據(jù)基準(zhǔn)測試的BigDataBench程序集[8]。但是，西方國家仍然掌握著大數(shù)據(jù)技術(shù)研究的前沿成果，如谷歌公司以Googlemapreduce處理算法、BigTable和GoogleFileSystem奠定了其在大數(shù)據(jù)技術(shù)研發(fā)上的先進(jìn)地位，IBM在對(duì)hadoop重構(gòu)基礎(chǔ)上開發(fā)了用于數(shù)據(jù)塊自動(dòng)分類的Co-hadoop算法[9]，微軟則通過整合hadoop與WindowsAzure、BI構(gòu)建了兼具數(shù)據(jù)挖掘與智能商務(wù)處理能力的云計(jì)算平臺(tái)，斯坦福大學(xué)設(shè)計(jì)了一個(gè)內(nèi)存容量共享、處理器多核分布的大數(shù)據(jù)工具Phoenix，F(xiàn)acebook則開發(fā)了計(jì)算能力在250PB以上的新一代大數(shù)據(jù)查詢引擎Presto。總體上，國外在大數(shù)據(jù)技術(shù)研究領(lǐng)域能夠提供更加多元、可靠、高效的技術(shù)方案，并且已經(jīng)被廣泛推廣到各個(gè)大數(shù)據(jù)應(yīng)用領(lǐng)域。

相比而言，中國的大數(shù)據(jù)技術(shù)研究還偏重于事務(wù)型數(shù)據(jù)庫建構(gòu)階段，歐美國家已處于分析型數(shù)據(jù)平臺(tái)(AnalyticDB)研發(fā)階段。擅長探究事物時(shí)空發(fā)展規(guī)律的分析型數(shù)據(jù)平臺(tái)更符合未來社會(huì)發(fā)展需求，可以更好地提供情報(bào)分析、方案設(shè)計(jì)、決策優(yōu)化、管理分類、信息保密。

大數(shù)據(jù)可視化技術(shù)的軟件或工具都是國外大學(xué)或公司研發(fā)的，如Jigsaw、ITF等，國外已經(jīng)開始將“數(shù)據(jù)可視化”與“可視化分析”一體化，從而提供系統(tǒng)貫通、可知性強(qiáng)、時(shí)時(shí)交互的數(shù)據(jù)服務(wù)。遺憾的是，國內(nèi)原創(chuàng)性的數(shù)據(jù)可視化分析工具幾乎是空白。國內(nèi)在數(shù)據(jù)可視化方面明顯存在資金投入較少、人才培養(yǎng)不足、政策支持較弱等問題，導(dǎo)致國內(nèi)外技術(shù)差距有進(jìn)一步擴(kuò)大的風(fēng)險(xiǎn)。

3.3大數(shù)據(jù)應(yīng)用研究

當(dāng)前，大數(shù)據(jù)應(yīng)用呈現(xiàn)出飛速拓展、層次推進(jìn)、內(nèi)容深化的態(tài)勢。2009年前后，大數(shù)據(jù)在互聯(lián)網(wǎng)領(lǐng)域嶄露頭角，2012年大數(shù)據(jù)已經(jīng)被應(yīng)用到生物信息、金融分析、新聞傳播、決策分析、電子商務(wù)等領(lǐng)域，當(dāng)前大數(shù)據(jù)更深入到物流供應(yīng)鏈、智慧交通、在線教育、一對(duì)一醫(yī)療、數(shù)字出版等人們生活的方方面面。

國外比較注重大數(shù)據(jù)在生物信息、醫(yī)療開發(fā)、衛(wèi)生健康、輿情預(yù)測、社會(huì)網(wǎng)絡(luò)、經(jīng)濟(jì)分析、物聯(lián)網(wǎng)、化學(xué)信息、藥品研發(fā)、政策決策、商業(yè)創(chuàng)新、環(huán)境保護(hù)等方面的運(yùn)用。例如，在下一代生物基因測序方面美國科學(xué)家就應(yīng)用mapreduce框架構(gòu)建了基于大數(shù)據(jù)分析能力的生物知識(shí)庫[10]；美國科研機(jī)構(gòu)用大數(shù)據(jù)信息捕捉技術(shù)對(duì)若干地區(qū)的生態(tài)環(huán)境實(shí)時(shí)監(jiān)控以發(fā)現(xiàn)生態(tài)保護(hù)漏洞[11]；國外學(xué)者從twitter獲取社交大數(shù)據(jù)，借助復(fù)雜社會(huì)網(wǎng)絡(luò)評(píng)估區(qū)域穩(wěn)定安全問題；還有研究機(jī)構(gòu)分析居民健康狀況，預(yù)測未來若干疾病爆發(fā)的可能性[12]。

中國大數(shù)據(jù)應(yīng)用層次還比較低，主要還處于對(duì)西方早期經(jīng)驗(yàn)的學(xué)習(xí)和模仿階段。大數(shù)據(jù)應(yīng)用相對(duì)廣泛的領(lǐng)域是生物信息、物流快遞、金融分析、電子商務(wù)、慕課教育等領(lǐng)域。雖然國內(nèi)也出現(xiàn)了將大數(shù)據(jù)應(yīng)用于國家治理能力提升、服務(wù)型政府建設(shè)、網(wǎng)絡(luò)輿情引導(dǎo)等領(lǐng)域的嘗試。但是，這種嘗試大多屬于粗淺層次或?qū)W理層面的研究探索，而非強(qiáng)調(diào)可操作、可評(píng)估的實(shí)際應(yīng)用?？傮w上看，中國創(chuàng)新性的、代表性、本土化的大數(shù)據(jù)應(yīng)用案例還比較少見。對(duì)大數(shù)據(jù)本質(zhì)規(guī)律研究不足，圍繞大數(shù)據(jù)因果分析、相關(guān)分析、特征分析的專門研究缺乏，難以與國內(nèi)現(xiàn)實(shí)急需相對(duì)接，導(dǎo)致大數(shù)據(jù)應(yīng)用的頂層設(shè)計(jì)與戰(zhàn)略規(guī)劃遲遲難以突破。

4　結(jié)束語

比較研究發(fā)現(xiàn)，中國大數(shù)據(jù)研究在理論內(nèi)涵、技術(shù)開發(fā)、應(yīng)用實(shí)踐均與歐美國家存在一定差距。尤其是在大數(shù)據(jù)價(jià)值特性、大數(shù)據(jù)分類學(xué)、大數(shù)據(jù)本體庫、大數(shù)據(jù)學(xué)科建設(shè)等研究上急需補(bǔ)課。總體上看，中國大數(shù)據(jù)研究還處于模仿和學(xué)習(xí)國外相關(guān)研究的階段。2012年奧巴馬簽署了“大數(shù)據(jù)研究和發(fā)展計(jì)劃”，比中國推行大數(shù)據(jù)戰(zhàn)略提前了三年，并且美國在大數(shù)據(jù)研究方面有細(xì)致的發(fā)展規(guī)劃，而中國大數(shù)據(jù)發(fā)展頂層設(shè)計(jì)還比較模糊。因此，亟需理清大數(shù)據(jù)發(fā)展思路，制定定向精準(zhǔn)地技術(shù)研發(fā)與應(yīng)用方案，促進(jìn)大數(shù)據(jù)在中國全面小康社會(huì)建設(shè)過程中發(fā)揮支撐作用。

[1]劉則淵,陳悅,等.科學(xué)知識(shí)圖譜方法與應(yīng)用[M].北京：人民出版社,2008：36.

[2]馮璐,冷伏海.共詞分析方法理論進(jìn)展[J].中國圖書館學(xué)報(bào),2006(2)：88.

[3]DEMCHENKOY，GROSSOP，etal.Addressingbigdataissuesinscientificdatainfrastructure[C].CollaborationTechnologiesandSystems，2013InternationalConferenceonIEEE，2013:49.

[4]HOWED，COSTANZOM，F(xiàn)EYP，etal.Bigdata：thefutureofbiocuration[J].Nature，2008(7209)：47-50.

[5]SRIVASTAVADK.Bigchallengesinbigdataresearch[J].Dataminingandknowledgeengineering，2014(7)：283.

[6]VIKTORMS，KENNETHCukier.Bigdata：arevolutionthatwilltransformhowweLive，workandthink[M].NewYork：JohnMurray，2013：6.

[7]張茂月.大數(shù)據(jù)時(shí)代個(gè)人信息數(shù)據(jù)安全的新威脅及其保護(hù)[J].中國科技論壇,2015(7)：117.

[8]詹劍鋒,高婉鈴,王磊,等.Bigdatabench：開源的大數(shù)據(jù)系統(tǒng)評(píng)測基準(zhǔn)[J].計(jì)算機(jī)學(xué)報(bào),2016(1)：196-199.

[9]ELTABAKHMY，TIANYuan，ZCANF，etal.Cohadoop：flexibledataplacementanditsexploitationinHadoop[J].ProceedingoftheVLDBendowment,2011(9)：575.

[10]TAYLORRC.AnoverviewoftheHadoopMapreduceHBaseframeworkanditscurrentapplicationsinbioinformatics[J].BMCbioinformatics，2010(11):s1.

[11]HAMPTONSE，STRASSERCA,TEWKSBURYJJ，etal.Bigdataandthefutureofecology[J].Frontiersinecologyandtheenvironment，2013(3):158-160.

[12]BATESDW，SARIAS，etal.Bigdatainhealthcare：usinganalyticstoidentifyandmanagehigh-riskandhigh-costpatients[J].Healthaffairs,2014(7)：1123.

(責(zé)任編輯劉傳忠)

Knowledge Mapping of the Comparative Study of Big Data at Home and Abroad

Su Nan

(CollegeofPublicAdministration，SichuanUniversity,Chengdu610065,China)

TakingtheWOSandCSSCI，itusesvisualmethodstocarryoutcomparativestudyofbigdataathomeandabroad.Theresultsshowthatmapreduce，hadoopandcloudcomputingarethemaintechniques;finance，socialmediaandinformationservicesarethemainapplication.However，ourbigdataresearchisbackward，especiallyinbasictheoryandvalues.

Bigdata；Athomeandabroad；Application；Hotspot；Comparativestudy

2015-12-02

蘇楠(1987-)，男，河南安陽人，四川大學(xué)公共管理學(xué)院博士；研究方向：公共管理。

D63

A