4.3数据世系管理
　　数据世系（Data Provenance)[46]包含了不同数 据源间的数据演化过程和相同数据源内部数据的演 化过程.数据世系一般有两类基本方法，非注解的方 法和基于注解的方法.前者采用模式映射方式使用 数据处理函数和其相对应的反向函数，但在更复杂 的例子中可能并不存在集合之间的可逆函数，必须 使用注解描述世系.事实上基于注解的方法的应用 范围要远远高于非注解的方法.
　　数据世系可针对多种数据类型，包括关系型数 据、XML数据和不确定数据等.自20世纪90年代 以来，数据世系的研究取得很大的进展[47-48]，并且应 用到了多个领域之中.面对网络大数据，数据世系管 理的研究工作需关注以下几个方面[49]: (1)传统的 数据管理下的数据世系的管理还有很多的工作亟待 考虑，其中考察数据的起源和演化过程将是_个大 的挑战；（2)在网络环境下不确定性数据广泛存在，并且具有多种多样的表现形式.数据的演化过程同 时也伴随着数据不确定性的演化，可以利用数据的 世系追踪数据不确定性的来源和演化过程；（3)如 何解决异构世系标准的融合问题.大数据应用将涵 盖更多的原本可能相互隔离的数据集合，如何将适 用不同标准的数据世系信息整合在_起是一个关键 问题.
　　5网络大数据挖掘和社会计算
　　利用计算技术对网络大数据进行挖掘分析，发 现蕴含的知识，研究社会运行的规律与发展趋势，是 挖掘网络大数据的深层价值和实现社会行为可计算 的主要途径.随着社会媒体的涌现，持续增长的用户 数据在规模和复杂性上都有着指数式的攀升，导致 传统的挖掘和计算方法在性能和效用上遇到了严重 的瓶颈.基于内容信息的数据挖掘和基于结构信息 的社会计算是目前网络大数据挖掘和社会计算领域 的研究热点.
　　5.1基于内容信息的数据挖掘
　　语言是社会媒体最重要的表现形式，文本是社 会媒体中用户表达信息的最重要的方式.基于内容 信息的数据挖掘包括网络搜索技术与实体关联分析 等主要研究内容.
　　社会媒体的出现为互联网信息搜索提出了新的 挑战，研究的热点从传统的海量数据抓取、索引结构 优化和用户查询分析等转移到了排序学习算法，专注 于提高检索质量.排序学习模型将文档表示为特征向量，以损失函数为优化目标，寻找在检索领域中常用 的评价准则下最好的排序函数，常见的排序学习算法可以分为逐点（Pointwise,如McRank[50])、逐对 (Pairwise,如 RankBoost[51]、RankNet[52])和逐列 (Listwise，如 ListNet[53]、AdaRank[54]、SVM-MAP[55]) 3类方法.现有模型在处理用户需求相关性、多样性 和重要性等不同目标排序方面仍有不足.此外，社会 媒体中需要关注数据的短文本特征、对简短关键 词表达的深入理解和分析，掌握用户真实的查询.
　　命名实体是现实世界中的具体或者抽象但具有 特定意义的实体，从海量信息中获取其蕴含的内在 知识，需要研究对命名实体、实体关系的挖掘.社会 媒体生成的海量网络数据中，实体类型越来越多，力 度越来越细，关系越来越繁杂.对于实体关系的挖 掘，研究人员提出了基于规则[57]和基于机器学习[58] 的方法.2007年，Getoor等提出统计关系学习是里 程碑式的技术[5 9 ]，突破了传统统计模型对于研究对 象同类型、不相关的两个假设，可以更全面地表达领 域知识.目前，实体和关系的挖掘仍是网络数据挖掘 领域关注的研究问题，存在很多亟待解决的问题，例 如对新涌现出的实体的抽取与识别，挖掘结果的可 用性和可理解性，大规模高效知识库、本体库语义网 络的构建等.
　　5.2基于结构信息的社会计算
　　社会网络是以社会媒体中的用户为节点，用户 间的关系为连边而构建的网络.它既是用户间社会 关系的反映，也是用户之间进行信息交互的载体.具有关系的异质性、结构的多尺度性以及网络的动态 演化性3方面特性.社会网络中个体因血缘关系或 兴趣爱好等因素而形成了连接紧密的圈子，这种内 部关系紧密而对外关系相对稀疏的结构被称为社 区.社区结构是社会网络所普遍具有的结构特征，社 区结构的存在对于网络的高效搜索、网络演化、信息 扩散等具有重要意义.针对社区结构的研究可分为 社区发现、社区结构演化等方面[60].
　　社区发现[61]旨在识别出网络固有的社区结构， 按照节点间的连边关系把节点划分成若干节点组， 使得节点内部的连边相对稠密，不同节点之间的连 边相对稀疏.Girvan和Newman[624^出分裂式层次 聚类方法，是一种自顶向下的社区分割过程；文 献[3]提出模块度概念，采用一种被假定没有社区 结构的网络作为参照网络，对于_个给定的网络划 分，通过对比原有网络和参照网络中处于该划分的 各个分量内部边的比例，给出一种度量网络划分质 量的方法；对于重叠社区结构的研究，Palla等人[64] 提出了一种基于完全子图渗流的社区发现方法，已 应用到生物、信息、社会等网络中；进一步，文献[65] 定义新的网络模块度，采用聚合式层次聚类的方式， 提出了能够同时揭示网络层次重叠社区结构（如 图4所示）的社区发现方法.

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。