血緣關系數(shù)據(jù)的分析論文
血緣關系數(shù)據(jù)的分析論文
1依托血緣分析的數(shù)據(jù)熵減
對于使用數(shù)據(jù)的動機，除了對數(shù)據(jù)對象主體的認知識別之外，還有要對數(shù)據(jù)呈現(xiàn)的顯性和隱性規(guī)律進行發(fā)現(xiàn)，從自然語言上看，腦力活動對數(shù)據(jù)處理的第一步就是降低數(shù)據(jù)間的差異化，進行熵減的分析行為。哲學家維特根斯坦認為，對于哲學本質(zhì)的界定都屬無法言說之物，應用到數(shù)據(jù)分析領域，數(shù)據(jù)存在一種由內(nèi)而外的泛化慣性，不斷對原有數(shù)據(jù)形成新的描述，造成數(shù)據(jù)陣營的擴張，而其信息主體則是穩(wěn)定的，對描述性數(shù)據(jù)和活動數(shù)據(jù)存在吸附力，屬于無法言說的本質(zhì)最邊緣。立足于這種思想觀點，我們可以認為貌似松散無序的數(shù)據(jù)間存在一種牢固的血緣數(shù)據(jù)關系，因為所有數(shù)據(jù)都是基于信息主體泛化出的描述性和活動性數(shù)據(jù)，而這種熵減的動作其表現(xiàn)形式可以等同于對數(shù)據(jù)血緣關系的向上追溯，技術上則表現(xiàn)為一種尋找最大扇出的上層。這樣，熵減的技術實現(xiàn)就是通過建立血緣關系而去尋找最大扇出的上層，這種分析法易于在數(shù)據(jù)發(fā)現(xiàn)應用中，通過檢索建立模糊入口點去組織發(fā)現(xiàn)數(shù)據(jù)，其與扇出或扇入點的血緣關系越近，入口點對其的吸附力越強、權重越高。但這樣會出現(xiàn)另一個無法回避的問題，即通過活動在最外界的數(shù)據(jù)從體量上看相當可觀，由外到內(nèi)追溯扇出上層的勞動比較沉重，從而會理所當然地采取抽樣的方式進行，此項活動的進行必須假定數(shù)據(jù)世界觀上層的有限集合認定上，堅信必定會將血緣關系歸集到某幾個關鍵數(shù)據(jù)表達之上，這樣才會使本項活動的實施行為具備基本的意義和價值。從效果上看，對數(shù)據(jù)進行熵減有利于我們甄別數(shù)據(jù)關系隱含的內(nèi)在規(guī)律，也有利于我們建立具有良好適應性的數(shù)據(jù)生態(tài)模型，為更好地認識和利用數(shù)據(jù)打下基礎�？梢院侠頃诚胍幌�，當我們就一個焦點議題開展討論后，熵減讓我們迅速聚焦到議題的內(nèi)核，甚至直面議題背后隱含的現(xiàn)象實質(zhì)，不必糾纏于不必要的信息干擾，對討論內(nèi)核進行強化呈現(xiàn)，智力活動所崇尚的方式也可以在計算活動中得以體現(xiàn)。熵減在某種意義上不是對某一類數(shù)據(jù)分析所采取的手段，而是對數(shù)據(jù)認識的宏觀行為，其在計算領域內(nèi)的呈現(xiàn)方式，與我們對事物自然認知而采取的抽象和引申別無二致，如此深入下來，對熵減策略的研究更重要于對熵減活動的歸納，通過對策略模型的推演，可以有效地發(fā)揮機器學習的能力，如果在策略模型的'研究上實施開展，將會極大降低加工難度。
2建立標簽關系的反向工程
當我們框定了熵減的方法體系后，在數(shù)據(jù)間建立血緣關系則顯得尤為重要，由于數(shù)據(jù)生長動力呈現(xiàn)由內(nèi)而外的泛化驅(qū)動，但是本身這種泛化在信息化過程中很多是無組織的行為，缺少邏輯上預先定義，所以數(shù)據(jù)生成后，大量的數(shù)據(jù)關系被衰減掉，從正向渠道難以對數(shù)據(jù)關系建立血緣，工程極其浩瀚復雜。由于血緣關系無法完全在數(shù)據(jù)生長中自然形成，正向人工干預又存在操作難度，所以反其道而行之則是唯一通道。數(shù)據(jù)加工的反向性，優(yōu)勢首先體現(xiàn)在由微觀到宏觀的加工難度大幅下降，因為其工作處于抽象的最底層，使采用眾包模式加工成為可能。其次，這種加工模式，可以在有效建立一種數(shù)據(jù)關系的閉環(huán)管理的同時，不會抑制數(shù)據(jù)生長的空間和速率，不會因加工效率低而凝固數(shù)據(jù)資產(chǎn)化的進程。在反向加工的過程中，需要通過標簽聯(lián)結數(shù)據(jù)關系，這時候我們要關注標簽的質(zhì)量和復用度，由于標簽定義存在難度，所以要松綁標簽定義來促成數(shù)據(jù)加工的快速實施，解決的重點則遷移到標簽在后期管理中的智能化上。首先，可以通過標簽在關系聯(lián)結中的重復出現(xiàn)進行跟蹤，識別是標簽二義性還是加工者的活動差異。活動差異標簽最基本的處理方法是進行聚合，形成知識歸納；二義標簽則需要改進表達。其次，依賴血緣關系建立可視化圖譜，從數(shù)據(jù)結構工程里可以有效識別關系路徑的黏合點，即發(fā)現(xiàn)重復路徑中出現(xiàn)的一個以上的標簽，消除由知識結構差異造成的人為誤會，對標簽進行合并。這樣，通過標簽的智能化后期管理就可以將加工難度上移，建立分層加工的工廠模式。這種加工存在基本準則，并要建立基本的衡量尺度來保證標簽有效性，加工工藝可以從標簽質(zhì)量、使用度、命中率等指標進行測量。其中，質(zhì)量有賴于標簽本身定義成分的內(nèi)涵，要確認其被受眾廣泛理解；使用度是在加工活動中的使用次數(shù)，是否被數(shù)據(jù)關系廣泛應用，使用度較低的標簽要確認其存在價值，通過標簽間同時出現(xiàn)概率決定其含義表達是否具備唯一性；命中率則建立在使用者的自然需要基礎上，如果某一標簽絕少被使用者利用或調(diào)度，與整體觀測結果是否存在數(shù)值上的明顯差異。整體上看，通過這些基本準則建立標簽管理的異常檢測分析，來保證加工質(zhì)量的方式具備技術的可行性，但同時更需要對后期的數(shù)據(jù)運行建立領域指標模型來校驗。
3利用詞條原子化推導入口點
擺脫了數(shù)據(jù)關系組織有效到達的困境，就面臨著人機操作中難度所在的入口點識別問題。不可回避的是，在數(shù)據(jù)發(fā)現(xiàn)和信息提取過程中，存在根深蒂固的操作者對自然認知的表達差異，同樣的數(shù)據(jù)訴求在不同操作者中提供的信息接口是多樣化的。先從系統(tǒng)方向看，數(shù)據(jù)在延伸過程中越到生長關系的末端，越體現(xiàn)其高度領域化的特征，而處于頂端的數(shù)據(jù)則呈現(xiàn)出樸素原始的特征。再從操作者方向上看，對數(shù)據(jù)發(fā)現(xiàn)的訴求來源于操作者對訴求數(shù)據(jù)產(chǎn)生的邏輯意識活動結果與其位置的可能性預期，從而出現(xiàn)輸入信息的參差不齊，呈現(xiàn)或概括、或空泛、或簡單、或?qū)I(yè)的表現(xiàn)形式。而作為人機交互這種兩個世界的重要對話，應盡量保持其信息輸入兩界的對稱性，做出邏輯處理相應的努力。由上所述，系統(tǒng)邊界的數(shù)據(jù)宏觀上呈領域和樸素這種兩極分布，與之相映成趣的操作者邊界也是這樣，在某種程度上，分析模型建立就是要對操作者和系統(tǒng)間達成高度一致。另外，信息輸入詞條的原子化，重要依賴途徑是詞庫的建設，詞庫的豐歉決定了原子化能力和詞條準度，很難想象一個低級詞庫在操作者允許其機器學習前的表現(xiàn)，其應用體驗是不堪一擊的。作為人機交互的擺渡機制，詞庫建設必須承擔相應的任務，依賴人機邊界的極化特征建立基礎和專業(yè)的極化詞庫。同時，不能將詞庫建設看做是畢其功于一役的建設模式，要充分利用在血緣關系中數(shù)據(jù)加工活動形成的知識歸納，建立基于血緣關系的分析模型運行生態(tài)。有鑒于此，努力嘗試建立的數(shù)據(jù)分析方法，其實也是提升對混沌數(shù)據(jù)的認識能力，數(shù)據(jù)在運行周期內(nèi)存在某一臨界點，存在急速生長的非線性事件，使得數(shù)據(jù)急劇膨脹，血緣數(shù)據(jù)關系的建立，則在另一維度上對數(shù)據(jù)體量的不穩(wěn)定進行調(diào)和，使其在關系譜圖上存在規(guī)律和一定的容積，可以允許我們進行更具效率的水平觀測和定位能力。這樣的話，數(shù)據(jù)生長的臨界水平在血緣關系維度上轉(zhuǎn)而呈現(xiàn)線性，不會使得該種數(shù)據(jù)分析方法在臨界點出現(xiàn)隨機事件，造成大量的數(shù)據(jù)擁堵和執(zhí)行效率低下，防止系統(tǒng)坍塌。從信息安全角度，我們也可以有效剝離關系模型和數(shù)據(jù)實體，使得基于關系認識上的分析模型脫離數(shù)據(jù)集本身，防止數(shù)據(jù)對上層模型的浸透，有效緩解了數(shù)據(jù)開放性過強帶來的安全隱患。從數(shù)據(jù)組織能力角度，我們可以預設定量的數(shù)據(jù)關系，從IT架構上去考慮其數(shù)據(jù)的關聯(lián)性，從信號源、操作者等特性組織數(shù)據(jù)，建立基本的關系圖譜來保障數(shù)據(jù)在其生態(tài)環(huán)境中的基本生態(tài)地位。
作者:姜振華 張曉磊 單位:浪潮軟件股份有限公司
【血緣關系數(shù)據(jù)的分析論文】相關文章：
大數(shù)據(jù)自動分析與數(shù)據(jù)挖掘探討的論文04-26
基于數(shù)據(jù)抽取與訂閱實現(xiàn)數(shù)據(jù)共享分析及研究論文04-14
財政支出數(shù)據(jù)分析論文06-12
廣電網(wǎng)絡數(shù)據(jù)的分析論文06-26
2018最新中醫(yī)數(shù)據(jù)分析論文06-14
我國的數(shù)據(jù)挖掘技術現(xiàn)狀分析論文04-28
預防接種數(shù)據(jù)分析的論文04-10