大數(shù)據(jù)背后的核心技術

定　價：￥65.00

作　者：	張桂剛著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	計算機/網絡數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787121302961	出版時間：	2017-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	340	字數(shù)：

內容簡介

　　本書分為三大部分，分別為大數(shù)據(jù)基礎理論分析、基于海量語意規(guī)則的大數(shù)據(jù)流處理技術及大數(shù)據(jù)應用。第一部分介紹大數(shù)據(jù)領域的主要基礎理論，包括大數(shù)據(jù)基本概念、可編程數(shù)據(jù)中心、云文件系統(tǒng)、云數(shù)據(jù)庫系統(tǒng)、大數(shù)據(jù)并行編程與分析模型、大數(shù)據(jù)智能計算算法、基于大數(shù)據(jù)的數(shù)據(jù)倉庫技術、大數(shù)據(jù)安全與隱私保護，以及基于大數(shù)據(jù)的語意軟件工程方法等。第二部分介紹基于海量語意規(guī)則的大數(shù)據(jù)流處理技術，包括基于規(guī)則的大數(shù)據(jù)流處理介紹、語意規(guī)則描述模型、海量語意規(guī)則網及優(yōu)化、海量語意規(guī)則處理算法及海量語意規(guī)則并行處理等。第三部分主要介紹大數(shù)據(jù)的一些典型應用，包括：文化大數(shù)據(jù)、醫(yī)療健康大數(shù)據(jù)、互聯(lián)網金融大數(shù)據(jù)、教育大數(shù)據(jù)、電子商務大數(shù)據(jù)、互聯(lián)網大數(shù)據(jù)、能源大數(shù)據(jù)、交通大數(shù)據(jù)、宏觀經濟大數(shù)據(jù)、進出口食品安全監(jiān)管大數(shù)據(jù)、基于大數(shù)據(jù)的語意計算及典型應用（含語意搜索引擎、語意金融、語意旅游規(guī)劃、基于海量語意規(guī)則的語意電子商務）。最后探討了大數(shù)據(jù)未來的研究方向。

作者簡介

　　張桂剛：清華大學博士后，美國加州大學爾灣分校訪問學者，現(xiàn)為中國科學院自動化研究所副研究員，研究生導師。國家公共文化服務體系建設專家委員會委員，中國人工智能學會智能服務專業(yè)委員會委員，IEEE/ACM/中國自動化學會會員，中國計算機學會高級會員。BigMM/ICSC/ICRC（多媒體大數(shù)據(jù)/語義計算/機器人計算）三個國際會議的Workshop聯(lián)合主席。主持或參與973、863、國家科技支撐計劃、工信部民機專項、國家自然基金等課題10余個，發(fā)表SCI/EI論文40余篇，申請發(fā)明專利20余項。主要研究方向：大數(shù)據(jù)、語意（義）計算、大飛機綜合健康管理、圖計算。李超：博士，副研究員，清華大學息技術研究院WEB 與軟件技術研究中心副主任，兼任金融大數(shù)據(jù)/智慧健康大數(shù)據(jù)兩聯(lián)合研究中心副主任，中國計算機學會信息存儲技術專委委員，中國高等學校計算機教育研究會對外聯(lián)絡委員會委員，全國文影標（SAC/TC86/SC6）委員、全國信標委教育技術分技術委員會（TC28/SC36）委員、ISO/IEC JTC1 SC36 WG8 Learning Analytics Interoperability工作組專家。發(fā)表論文50余篇、已授權專利10余項。在海量數(shù)據(jù)存儲、組織與管理、分析，及其在教育/醫(yī)療/金融等領域的應用方面有十余年經驗。邢春曉：清華大學信息技術研究院博導，副院長。主要研究領域包括：數(shù)據(jù)庫和數(shù)據(jù)倉庫，數(shù)據(jù)工程和知識工程，軟件工程，面向智慧城市的教育、醫(yī)療、金融和政務的大數(shù)據(jù)關鍵技術研究等。發(fā)表學術論文180多篇，其中SCI 20多篇、EI 100多篇，發(fā)明專利20余項。

圖書目錄

目錄
第一部分大數(shù)據(jù)基礎理論分析\t（1）
第1章大數(shù)據(jù)基本概念\t（2）
1．1 大數(shù)據(jù)定義\t（2）
1．2 大數(shù)據(jù)度量\t（3）
1．2．1 大數(shù)據(jù)能耗度量\t（3）
1．2．2 大數(shù)據(jù)計算能力度量\t（4）
1．2．3 大數(shù)據(jù)的數(shù)據(jù)中心服務能力度量\t（4）
1．2．4 大數(shù)據(jù)商業(yè)與社會價值度量\t（4）
1．2．5 大數(shù)據(jù)冷熱度度量\t（5）
1．3 語意計算的發(fā)展過程\t（5）
1．3．1 語義計算（Semantic Computing）\t（5）
1．3．2 語意計算（Semantic+ Computing）\t（5）
1．3．3 語意計算（Semantic++ Computing）\t（6）
1．3．4 語意計算和大數(shù)據(jù)\t（7）
1．4 大數(shù)據(jù)的語意理解\t（8）
1．4．1 大數(shù)據(jù)資源語意存儲\t（9）
1．4．2 大數(shù)據(jù)資源語意信息獲取\t（9）
1．4．3 語意資源管理\t（9）
1．4．4 大數(shù)據(jù)語意處理\t（10）
1．4．5 大數(shù)據(jù)語意服務（語意分析/語意合成等）\t（10）
1．4．6 大數(shù)據(jù)語意安全與隱私\t（10）
1．4．7 語意接口\t（10）
1．4．8 基于語意的大數(shù)據(jù)應用\t（10）
1．5 大數(shù)據(jù)和云計算\t（11）
1．5．1 云計算\t（11）
1．5．2 大數(shù)據(jù)和云計算的關系\t（11）
本章小結\t（12）
第2章可編程數(shù)據(jù)中心\t（13）
2．1 可編程數(shù)據(jù)中心體系架構\t（13）
2．2 數(shù)據(jù)分配管理\t（14）
2．2．1 數(shù)據(jù)分配管理原理\t（14）
2．2．2 數(shù)據(jù)分配管理案例\t（17）
2．3 異構數(shù)據(jù)節(jié)點分配管理\t（19）
2．3．1 異構數(shù)據(jù)節(jié)點分配管理方法\t（20）
2．3．2 異構數(shù)據(jù)節(jié)點服務能力計算方法\t（22）
2．4 規(guī)則管理\t（23）
2．4．1 規(guī)則\t（23）
2．4．2 語意規(guī)則\t（24）
2．4．3 海量語意規(guī)則管理架構\t（24）
2．5 數(shù)據(jù)放置策略\t（25）
2．5．1 谷歌的數(shù)據(jù)放置策略\t（25）
2．5．2 Hadoop的數(shù)據(jù)放置策略\t（26）
2．5．3 其他常用的數(shù)據(jù)放置策略\t（26）
2．5．4 語意數(shù)據(jù)放置策略\t（26）
2．6 可編程數(shù)據(jù)中心機房架構\t（30）
本章小結\t（30）
第3章云文件系統(tǒng)\t（32）
3．1 常用云文件系統(tǒng)綜述\t（32）
3．2 語意云文件系統(tǒng)SCFS\t（34）
3．2．1 SCFS系統(tǒng)架構\t（34）
3．2．2 SCFS大小文件處理機制\t（36）
3．2．3 數(shù)據(jù)一致性保障\t（40）
3．2．4 元數(shù)據(jù)集群管理技術\t（40）
3．2．5 副本管理策略（負載均衡機制）\t（41）
本章小結\t（44）
第4章云數(shù)據(jù)庫系統(tǒng)\t（45）
4．1 常用云數(shù)據(jù)庫系統(tǒng)綜述\t（45）
4．2 語意云數(shù)據(jù)庫系統(tǒng)SCloudDB\t（47）
4．2．1 SCloudDB系統(tǒng)架構\t（47）
4．2．2 SCloudDB設計思路\t（48）
4．2．3 SCloudDB的SRegion定位機制\t（50）
4．2．4 多維及海量隨機查詢機制\t（51）
4．2．5 支持多維及海量隨機查詢的語意搜索機制\t（52）
4．2．6 大表劃分方法\t（54）
4．2．7 基于列族存儲及語意的大表劃分機制\t（56）
4．2．8 分布式同步關鍵技術\t（57）
本章小結\t（59）
第5章大數(shù)據(jù)并行編程與分析模型\t（60）
5．1 大數(shù)據(jù)并行編程與分析模型綜述\t（60）
5．2 大數(shù)據(jù)并行編程與分析模型SemanMR\t（63）
5．2．1 SemanMR體系架構\t（63）
5．2．2 SemanMR技術思路\t（64）
5．3 SemanMR關鍵技術\t（66）
5．3．1 基于語意的調度器關鍵技術\t（66）
5．3．2 SemanMR的作業(yè)/任務狀態(tài)交互新規(guī)則\t（68）
5．3．3 語意映射器關鍵技術\t（69）
5．3．4 基于語意的作業(yè)調度器關鍵技術\t（70）
5．3．5 基于語意的任務調度器關鍵技術\t（73）
5．3．6 任務跟蹤器關鍵技術\t（76）
5．4 SemanMR計算部分框架\t（78）
5．5 SemanMR原理分析\t（82）
5．5．1 SemanMR原理實現(xiàn)分析\t（82）
5．5．2 SemanMR實現(xiàn)原理特點分析\t（84）
5．6 基于SemanMR的大數(shù)據(jù)實時處理與分析實現(xiàn)技術\t（88）
5．6．1 SemanMR實時架構\t（88）
5．6．2 SemanMR的MapReduce網絡優(yōu)化技術\t（89）
本章小結\t（94）
第6章大數(shù)據(jù)智能計算算法\t（95）
6．1 大數(shù)據(jù)智能計算算法架構\t（95）
6．2 數(shù)據(jù)采集算法\t（95）
6．2．1 管理信息系統(tǒng)數(shù)據(jù)采集\t（96）
6．2．2 網絡信息數(shù)據(jù)采集\t（96）
6．2．3 物理信息數(shù)據(jù)采集\t（96）
6．3 數(shù)據(jù)預處理算法\t（97）
6．4 數(shù)據(jù)挖掘算法\t（99）
6．4．1 分類算法\t（99）
6．4．2 聚類算法\t（100）
6．4．3 關聯(lián)挖掘算法\t（101）
6．4．4 推薦算法\t（101）
6．5 復雜智能算法\t（103）
6．5．1 大數(shù)據(jù)溯源算法\t（103）
6．5．2 大數(shù)據(jù)的相關推薦算法\t（105）
6．5．3 基于大數(shù)據(jù)的決策管理算法\t（105）
6．5．4 基于模型的推理及預測算法\t（106）
6．5．5 基于數(shù)據(jù)的推理及預測算法\t（107）
6．5．6 基于規(guī)則的推理及預測算法\t（109）
6．5．7 混合推理及預測算法\t（109）
本章小結\t（109）
第7章基于大數(shù)據(jù)的數(shù)據(jù)倉庫技術\t（110）
7．1 Facebook中Hive采用的技術思路與存在問題分析\t（110）
7．1．1 Hive采用的技術思路分析\t（110）
7．1．2 Hive存在的問題分析\t（111）
7．2 Yahoo!中Pig采用的技術思路與存在問題分析\t（111）
7．2．1 Pig采用的技術思路分析\t（111）
7．2．2 Pig存在的問題分析\t（112）
7．3 未來數(shù)據(jù)倉庫架構需求分析\t（113）
7．4 一種基于大數(shù)據(jù)的數(shù)據(jù)倉庫SemanDW\t（114）
本章小結\t（114）
第8章大數(shù)據(jù)安全與隱私保護\t（115）
8．1 大數(shù)據(jù)安全模型BigData-PKI\t（115）
8．1．1 大數(shù)據(jù)安全體系結構\t（115）
8．1．2 大數(shù)據(jù)安全模型BigData-PKI\t（116）
8．2 大數(shù)據(jù)安全協(xié)議BigData-Protocol\t（118）
8．3 大數(shù)據(jù)隱私\t（120）
8．4 大數(shù)據(jù)的隱私提取方法\t（121）
8．4．1 大數(shù)據(jù)的直接隱私提取方法\t（121）
8．4．2 大數(shù)據(jù)的間接隱私提取方法\t（121）
8．5 大數(shù)據(jù)隱私保護模型BigData-Privacy\t（122）
8．6 大數(shù)據(jù)共享信息與隱私信息融合技術\t（122）
8．6．1 大數(shù)據(jù)的共享信息與隱私信息融合機制\t（123）
8．6．2 大數(shù)據(jù)的共享信息與隱私信息融合算法\t（123）
8．6．3 大數(shù)據(jù)的共享信息與隱私信息融合質量評價模型\t（123）
8．7 云環(huán)境下醫(yī)療大數(shù)據(jù)安全和隱私保護示范\t（125）
8．7．1 云環(huán)境下大數(shù)據(jù)安全和隱私保護架構\t（125）
8．7．2 數(shù)據(jù)分割及安全機制\t（127）
8．7．3 數(shù)據(jù)融合及安全機制\t（129）
8．7．4 基于隱私數(shù)據(jù)的查詢機制\t（130）
8．7．5 數(shù)據(jù)完整性保障機制\t（131）
8．8 海量電子病歷安全保護應用\t（133）
本章小結\t（134）
第9章基于大數(shù)據(jù)的語意軟件工程方法\t（135）
9．1 基于大數(shù)據(jù)的語意軟件工程體系架構\t（136）
9．2 基于大數(shù)據(jù)的語意軟件編制\t（136）
9．2．1 基于大數(shù)據(jù)的語意軟件編制方法\t（136）
9．2．2 基于大數(shù)據(jù)的語意軟件編制方法設計思路\t（137）
9．2．3 復雜的SemanPL程序編程實現(xiàn)原理分析\t（138）
9．2．4 基于大數(shù)據(jù)的語意編程語言SemanPL\t（139）
9．2．5 SemanPL編譯器原理分析\t（141）
9．3 基于大數(shù)據(jù)的語意軟件測試\t（143）
9．4 基于大數(shù)據(jù)的語意軟件驗證\t（143）
9．5 基于大數(shù)據(jù)的語意軟件工程方法的語意軟件系統(tǒng)應用\t（144）
本章小結\t（144）
第二部分基于海量語意規(guī)則的大數(shù)據(jù)流處理技術\t（145）
第10章基于規(guī)則的大數(shù)據(jù)流處理介紹\t（147）
10．1 基于規(guī)則的大數(shù)據(jù)流\t（147）
10．1．1 基于規(guī)則的大數(shù)據(jù)流應用背景\t（147）
10．1．2 基于規(guī)則的大數(shù)據(jù)流應用意義\t（148）
10．2 大數(shù)據(jù)流的規(guī)則處理技術國內外研究現(xiàn)狀\t（149）
10．3 存在的問題總結與分析\t（153）
本章小結\t（154）
第11章語意規(guī)則描述模型\t（155）
11．1 規(guī)則表示方法\t（155）
11．2 規(guī)則節(jié)點圖形化符號表示模型\t（155）
11．2．1 非計算規(guī)則節(jié)點\t（156）
11．2．2 計算規(guī)則節(jié)點\t（156）
11．3 規(guī)則粒度\t（158）
11．4 規(guī)則節(jié)點流量分析\t（159）
11．5 計算規(guī)則節(jié)點計算代價分析\t（163）
本章小結\t（167）
第12章海量語意規(guī)則網及優(yōu)化\t（168）
12．1 海量語意規(guī)則網概述\t（168）
12．2 海量語意規(guī)則網維護\t（169）
12．2．1 海量語意規(guī)則網增量集成\t（169）
12．2．2 刪除規(guī)則節(jié)點時的規(guī)則網維護\t（170）
12．3 海量語意規(guī)則網優(yōu)化方法\t（171）
12．3．1 基于規(guī)則合并的優(yōu)化方法\t（171）
12．3．2 規(guī)則模塊等價變換的優(yōu)化方法\t（173）
本章小結\t（183）
第13章海量語意規(guī)則處理算法\t（184）
13．1 傳統(tǒng)規(guī)則處理算法存在的問題\t（184）
13．2 海量語意規(guī)則模式匹配模型\t（185）
13．2．1 海量語意規(guī)則模式匹配模型體系結構\t（185）
13．2．2 概念與介紹\t（186）
13．2．3 模式網絡存儲組織\t（186）
13．2．4 海量語意規(guī)則模式匹配算法\t（188）
13．3 海量語意規(guī)則模式匹配算法特點\t（192）
13．4 海量語意規(guī)則網運行處理機制\t（195）
本章小結\t（198）
第14章海量語意規(guī)則并行處理\t（199）
14．1 海量語意規(guī)則并行處理面臨的問題\t（199）
14．2 海量語意規(guī)則并行處理機制\t（200）
14．2．1 海量語意規(guī)則并行處理機制GAPCM概述\t（200）
14．2．2 海量語意規(guī)則子網生成\t（201）
14．2．3 海量語意規(guī)則網計算代價預分配\t（202）
14．2．4 海量語意規(guī)則網通信\t（219）
14．2．5 映射分配\t（220）
本章小結\t（221）
第三部分大數(shù)據(jù)應用\t（223）
第15章文化大數(shù)據(jù)\t（224）
15．1 文化大數(shù)據(jù)的意義\t（224）
15．2 文化大數(shù)據(jù)關鍵技術平臺架構\t（225）
15．3 文化大數(shù)據(jù)資源層\t（226）
15．4 文化大數(shù)據(jù)綜合平臺層\t（227）
15．5 基于文化大數(shù)據(jù)的應用\t（228）
15．6 文化大數(shù)據(jù)云管理系統(tǒng)\t（232）
本章小結\t（234）
第16章醫(yī)療健康大數(shù)據(jù)\t（235）
16．1 醫(yī)療健康大數(shù)據(jù)\t（235）
16．2 醫(yī)療健康大數(shù)據(jù)平臺架構\t（235）
16．3 醫(yī)療健康大數(shù)據(jù)共享平臺\t（237）
16．3．1 集中式醫(yī)療健康大數(shù)據(jù)共享平臺\t（237）
16．3．2 分散式醫(yī)療健康大數(shù)據(jù)共享平臺\t（238）
16．4 醫(yī)療健康大數(shù)據(jù)分散式架構資源集成方法\t（239）
16．5 醫(yī)療健康大數(shù)據(jù)數(shù)據(jù)安全保護機制\t（241）
16．6 醫(yī)療健康大數(shù)據(jù)隱私保護機制\t（241）
16．7 醫(yī)療健康大數(shù)據(jù)挖掘與分析\t（242）
16．8 基于可穿戴設備的居家醫(yī)療養(yǎng)老大數(shù)據(jù)分析系統(tǒng)\t（243）
16．9 醫(yī)療健康大數(shù)據(jù)其他典型應用\t（244）
本章小結\t（245）
第17章互聯(lián)網金融大數(shù)據(jù)\t（246）
17．1 互聯(lián)網金融\t（246）
17．1．1 互聯(lián)網金融的概念\t（246）
17．1．2 互聯(lián)網金融的產生\t（246）
17．1．3 互聯(lián)網金融分類\t（247）
17．1．4 互聯(lián)網金融發(fā)展歷程\t（248）
17．1．5 互聯(lián)網金融發(fā)展階段\t（251）
17．1．6 互聯(lián)網金融發(fā)展趨勢\t（252）
17．2 大數(shù)據(jù)金融\t（253）
17．3 金融大數(shù)據(jù)架構\t（254）
17．3．1 金融大數(shù)據(jù)數(shù)據(jù)源\t（255）
17．3．2 數(shù)據(jù)采集/清洗/轉換\t（255）
17．3．3 金融大數(shù)據(jù)存儲\t（255）
17．3．4 各種金融模型\t（256）
17．3．5 各種大數(shù)據(jù)挖掘分析算法\t（257）
17．3．6 各種大數(shù)據(jù)并行編程模型\t（257）
17．3．7 各種大數(shù)據(jù)金融應用\t（257）
17．4 大數(shù)據(jù)金融案例\t（257）
本章小結\t（258）
第18章其他典型大數(shù)據(jù)\t（259）
18．1 教育大數(shù)據(jù)\t（259）
18．1．1 教育大數(shù)據(jù)平臺架構\t（259）
18．1．2 基于大數(shù)據(jù)的教育社區(qū)學生/教師個性化服務\t（261）
18．1．3 基于大數(shù)據(jù)的教育社區(qū)學生行為建模與分析\t（262）
18．1．4 基于大數(shù)據(jù)的教育社區(qū)教學規(guī)律分析\t（262）
18．1．5 基于大數(shù)據(jù)的教育社區(qū)個性化教學\t（262）
18．1．6 基于教育大數(shù)據(jù)的語意問答系統(tǒng)\t（262）
18．2 電子商務大數(shù)據(jù)\t（263）
18．2．1 電子商務大數(shù)據(jù)平臺架構\t（263）
18．2．2 電子商務虛假圖片監(jiān)測\t（265）
18．2．3 電子商務產品個性化推薦\t（265）
18．2．4 基于電子商務大數(shù)據(jù)的消費者行為分析\t（266）
18．2．5 基于電子商務大數(shù)據(jù)的物流\t（266）
18．2．6 電子商務實時大數(shù)據(jù)流規(guī)則處理\t（266）
18．2．7 電子商務評估管理系統(tǒng)\t（267）
18．3 互聯(lián)網大數(shù)據(jù)\t（267）
18．3．1 互聯(lián)網大數(shù)據(jù)平臺架構\t（267）
18．3．2 互聯(lián)網熱點計算\t（268）
18．3．3 互聯(lián)網熱點個性化推薦\t（268）
18．3．4 互聯(lián)網輿情監(jiān)測\t（268）
18．3．5 互聯(lián)網熱點趨勢分析預測\t（269）
18．3．6 互聯(lián)網輿情預警應用\t（269）
18．3．7 大型網絡軟件平臺的數(shù)據(jù)采集與分析方案\t（269）
18．4 能源大數(shù)據(jù)\t（272）
18．4．1 石油大數(shù)據(jù)\t（272）
18．4．2 智能電網大數(shù)據(jù)\t（275）
18．5 交通大數(shù)據(jù)\t（276）
18．6 宏觀經濟大數(shù)據(jù)\t（278）
18．7 進出口食品安全監(jiān)管大數(shù)據(jù)\t（280）
18．7．1 基于大數(shù)據(jù)的進出口食品安全監(jiān)管系統(tǒng)總體架構\t（280）
18．7．2 基于大數(shù)據(jù)的進出口食品安全監(jiān)測分析\t（280）
18．7．3 基于海量語意規(guī)則的進出口食品社會應急分析\t（281）
18．7．4 基于大數(shù)據(jù)的進出口食品溯源分析\t（282）
18．7．5 基于大數(shù)據(jù)的進出口食品安全決策\t（283）
本章小結\t（283）
第19章基于大數(shù)據(jù)的語意計算及典型應用\t（284）
19．1 基于大數(shù)據(jù)的應用領域分析\t（284）
19．1．1 基于大數(shù)據(jù)的社交網絡領域應用分析\t（284）
19．1．2 基于大數(shù)據(jù)的醫(yī)療領域應用分析\t（285）
19．1．3 基于大數(shù)據(jù)的政府領域應用分析\t（287）
19．1．4 基于大數(shù)據(jù)的金融領域應用分析\t（289）
19．1．5 基于大數(shù)據(jù)的企業(yè)計算應用分析\t（290）
19．2 語意搜索引擎\t（291）
19．2．1 傳統(tǒng)搜索引擎\t（292）
19．2．2 語義搜索引擎（Semantic Search Engine）\t（293）
19．2．3 語意搜索引擎（Semantic+ Search Engine）\t（293）
19．2．4 語意搜索引擎（Semantic++ Search Engine）\t（295）
19．3 語意金融\t（296）
19．4 語意旅游\t（296）
19．5 語意電子商務\t（297）
19．5．1 案例概述\t（297）
19．5．2 校園社區(qū)網規(guī)則舉例\t（298）
19．5．3 優(yōu)化的帶流量的規(guī)則網\t（302）
19．5．4 未經優(yōu)化的帶流量的規(guī)則網優(yōu)化\t（302）
19．5．5 規(guī)則網絡代價計算\t（305）
19．5．6 規(guī)則網絡任務劃分\t（306）
19．5．7 規(guī)則子網劃分\t（308）
本章小結\t（310）
第20章大數(shù)據(jù)未來研究方向\t（311）
參考文獻\t（316）