大數據知識服務關鍵要素與實現模型研究*

官思發

大數據知識服務關鍵要素與實現模型研究*

官思發

知識服務是需求導向和創新驅動的、高度知識密集型的服務類型，大數據時代的來臨為知識服務既帶來了新的機遇也帶來了新的挑戰。文章對大數據知識服務的影響因素研究現狀進行梳理，總結出大數據知識服務的五方面關鍵要素并深入分析，在此基礎上對宏觀上構建大數據知識服務實現模型的理論基礎和意義進行探討，并構建了大數據知識服務實現的概念模型。

大數據 知識服務 關鍵要素 知識服務模型

0 引言

隨著信息技術的推動和知識需求的進一步擴大，知識服務成為不可替代的服務類型。張曉林認為知識服務應以信息知識的搜尋、組織、分析、重組的知識和能力為基礎，根據用戶的問題和環境，融入用戶解決問題的過程之中，提供能夠有效支持知識應用和知識創新的服務[1]。大數據時代的來臨為知識服務帶來了巨大的變革與重組。大數據知識服務是以大數據知識服務人才為核心，以大數據思維和理念為主線，利用大數據知識服務平臺和大數據資源為條件保障，對知識服務需求進行準確抓取，始終以大數據理念和技術為支撐最終實現知識服務的全過程的新型服務。

大數據為知識服務帶來了巨大的機遇，同時也為知識服務帶來了較大的挑戰。大數據作為新一代信息技術產業的重要內容，將新興的云計算技術應用于經濟、金融、政治、醫療、生物和科學研究等領域的大數據分析中，在較短的時間以較低的成本實現數據分析目標。在情報分析和市場研究等領域，將數據分析成果形成知識產品提供服務已經成為情報分析的熱點研究。但從宏觀上對大數據知識服務的關鍵要素的分析及要素之間的關聯關系方面的研究目前還比較匱乏。本文從知識服務的關鍵要素出發，結合大數據對知識服務帶來的變革和影響，探討了大數據知識服務的關鍵要素構成和實現模型。

1 國內外研究現狀

隨著大數據的快速生成和累積，知識服務機構在開展知識服務過程中必然選擇基于大數據資源的儲備和分析去完成知識服務任務。大數據為新的信息技術環境下的知識服務帶來機遇，同時帶來了諸多挑戰。如何應對大數據環境下各種結構化、半結構化和非結構化數據的多維處理就是其中的一大難題。本文對已有大數據知識服務的研究歸納為如下三個方面：

(1)大數據知識服務理念和體系研究。張興旺等人組織了大數據知識服務體系的專題研究[2]。其中，秦曉珠等對大數據知識服務的內涵進行了闡述，詳細分析了大數據知識服務的典型特征，并結合大數據知識服務模式下對各種類型大數據管理和處理需求，構建了大數據知識服務概念模型[3]；李晨暉等對大數據知識服務運行機理、平臺構建體系架構及所涉及的關鍵技術進行了研究，并系統描述了大數據生態系統在圖書館中的應用過程[4]，對大數據知識服務的框架體系進行了初步的嘗試和探索。

(2)大數據知識服務方法研究。數據的快速增長對大規模數據挖掘和知識發現提出了新的挑戰，粗糙集理論被成功引入數據挖掘的知識獲取中，Zhang Junbo、Wong Jian-Syuan和Li Tianrui等人提出基于并行大規模粗糙集的運用MapReduce的知識獲取方法，從大數據中挖掘有效知識，并在Hadoop、Phoenix和Twister三個MapReduce運行平臺上試驗，證明了所提并行方法的有效性[5]。蔣勛和劉喜文認為對大數據進行數據清洗是最終獲取知識的有效途徑，給出了數據清洗的基本框架模型及其局限，從而進一步提出非清潔數據的清潔度的機制[6]，對大數據環境下面向知識服務的數據清洗進行了深入的研究。劉海鷗將用戶情景信息引入個性化推薦過程，結合云計算技術提出了一種大數據知識服務方法[7]。事實上，大數據知識服務是一項復雜的系統工程，涉及到眾多的復雜問題，尤其是非結構化數據的處理技術仍然不夠成熟，大數據分析的深入探索與實踐仍需更多的付出與努力。

(3)大數據知識服務應用研究。大數據知識服務本身是一項高智力、密集型、復雜度較高的服務領域，Greco Albert N和Aiss Chelsea G認為大數據與預測已經形成了一個不小的產業市場，在出版行業，在線零售商利用大數據系統捕獲了大量的消費者及其購買行為的數據，然后運用預測分析和協同過濾系統為消費者提供購買建議，并建議加拿大和美國的大學出版社建立大數據系統，不斷采集銷售和營銷數據，利用大數據和預測分析獲取有效知識[8]。Cai Dongfeng、Bai yu和Zhang Guiping提出了基于大數據處理技術的知識服務平臺，指導了工業化和信息技術應用融合項目在中國沈陽的實施[9]。國內外已經開展大數據情報分析和知識服務應用方面的探索，而大數據知識服務的實踐價值將會催生更多的知識服務應用領域和模式的創新。

總體看，目前的研究對大數據知識服務的概念內涵和大數據知識服務平臺技術框架等進行了初步的探索，也有研究人員對大數據處理的具體技術或方法進行了一定的研究，但僅僅是單獨從技術框架、數據清洗、具體方法等角度研究大數據知識服務中的一個或某些具體問題，缺乏從宏觀上對大數據知識服務所涉及的主要因素進行統籌規劃的研究，不能從宏觀上指導知識服務機構開展大數據知識服務的頂層規劃與內容設計。

2 大數據知識服務關鍵要素分析

圖書館知識服務是國內知識服務的重要研究方向，戚建林從社會發展環境、信息政策法規、知識服務理論、知識服務人才四個方面論述了圖書館知識服務的主要影響因素，并對未來知識服務進行了展望[10]。王曰芬、吳婷婷和張蓓蓓從要素結構因素和關聯結構因素兩個角度，對圖書情報機構知識服務的影響因素進行了分析和調研。內部要素結構主要指實物資源、人力資源、財務資源和無形資產；外在關聯因素主要指用戶、競爭者、社會的科技環境、人文環境、經濟環境、政策法規等[11]。司莉認為實現知識服務的關鍵要素在于知識服務用戶的迫切需求、知識服務人員成為內容主題專家、建設基于本體的知識庫與交互功能較強的知識服務平臺，還必須有行之有效的戰略學習機制[12]。從現有的文獻中，本文梳理出知識服務需求、知識服務制度政策、知識服務專業人員、知識服務資源和知識服務平臺五大要素作為知識服務的關鍵要素。

大數據知識服務是由于大數據技術的出現對知識服務帶來的新的變革與發展。大數據知識服務構成要素仍然與傳統知識服務一樣，受知識服務需求、知識服務制度政策、知識服務人員素質、知識服務資源建設和知識服務平臺等因素制約，它們的區別在于，大數據技術將對這五方面的因素進行全新的變革，進而為知識服務全流程和業務服務模式等帶來徹底的變革與重組。

在開展大數據知識服務過程中，知識服務需求、大數據資源、專業知識服務人員、知識服務技術平臺和知識服務制度規范構成大數據知識服務的關鍵要素。

2.1 大數據知識服務需求

大數據知識服務需求可以從兩個層面去理解，一是傳統知識服務需求，二是由于大數據技術驅動產生的知識服務需求。傳統的知識服務需求用以往的知識服務經驗或實踐模式能夠較好地應對，不屬于大數據知識服務的主要內容。而大數據知識服務的重點和難點在于如何通過用戶的行為軌跡或活動規律，挖掘出用戶潛在的知識服務需求，這也體現了前文描述的大數據不光是對用戶需求的變革，而且是對用戶服務需求、過程以及效果等全過程的革新。既要從大數據記錄中挖掘用戶的需求，也要通過大數據實現用戶的需求。在市場經濟環境下，服務科學尤其強調用戶的主動地位和核心主導作用，大數據知識服務作為知識密集型的服務之一，以大數據分析技術為手段，挖掘出用戶的真實需求，并最終滿足用戶需求，這將是知識服務最理想的狀態。

大數據對知識服務的所有環節進行了變革，使大數據知識服務需求具有數據密集性、隱蔽性和動態性等特征。大數據環境下，用戶知識服務需求首先具有數據密集性的特點，在大數據時代，要想通過傳統的小數據分析方式完成知識服務已經成為歷史，用戶知識服務需求已經必然地與大數據的搜集、組織和分析挖掘相聯系，數據密集型的知識服務已經或正在改變知識服務模式與過程。在海量知識用戶構成的服務對象中，單個用戶的知識服務需求有時候并未直接表達出來或很容易被發現，而是隱藏在用戶的行動軌跡、用戶瀏覽歷史或其社交網絡環境中，需要對用戶的網絡行為進行跟蹤分析和挖掘才能找出用戶的知識服務需求。大數據知識服務需求的動態性體現在數據環境的快速變化，使得用戶知識需求隨之改變，以及用戶所處角色、所在社會媒體和所需完成的任務或研究課題等的快速改變，都要求對知識服務內容進行動態更新。

知識需求是知識服務的前提，在產品開發需求方面，有研究提出“在全球化分布式產品成功開發過程中，知識工程起著最核心的作用，通過考察全球軟件開發不同利益主體的知識需求，能夠幫助確立全球軟件開發項目成功的經驗，并提出了成功開展全球軟件開發項目的條件”[13]，對知識需求的獲取將影響知識服務的整體效果。大數據知識服務需求的數據密集性、隱蔽性和動態性就決定了大數據知識服務需求獲取的復雜性。從實踐來看，可以從兩個方面獲取用戶的知識服務需求，一方面是直接獲取，例如可以向用戶詢問獲取知識需求；另一方面是間接獲取，如可以通過對用戶網絡行為的分析獲取用戶的知識需求。

2.2 大數據知識資源建設

從信息管理理論看，信息服務的前提是有足夠的信息資源保障。肖希明認為信息資源建設是人類對處于無序狀態的各種媒介信息進行選擇、采集、組織和開發等活動，使之形成可資利用的信息資源體系的全過程[14]。同樣，在大數據知識服務的背景下，大數據知識資源就是大數據環境下開展知識服務最基本的條件保障。只有在資源充足的條件下，才有可能在知識服務人員的知識加工和情報分析基礎上形成知識產品，滿足大數據環境下的知識需求。

大數據知識資源建設具有數據規模大、數據結構復雜、數據價值密度低等特點。2013年中國產生的數據總量超過0.8ZB(相當于8億TB)，2倍于2012年，相當于2009年全球的數據總量。預計到2020年中國產生的數據總量將是2013年的10倍，超過8.5ZB[15]。這些數據資源為大數據環境下的知識服務提供了重要的資源保障。知識資源結構的復雜性是大數據資源建設最關鍵的問題之一。在資源建設過程中，可以從結構化資源、非結構化資源和半結構化資源的分類入手進行資源建設。大數據知識資源第三個特征即數據價值密度低，大數據知識資源的價值隱藏在眾多數據之中，局部數據價值含量較低，甚至與總體數據包含的價值信息相悖。

大數據環境下，信息源的自動生成主要由各種傳感器和RFID等手段實現。吳斌等設計了一種采集傳感器節點數據，對其處理形成知識并提供API接口供上層服務調用的方法[16]。通過傳感器自動捕獲數據、搜集社交網絡中用戶生成數據和信息系統主動采集數據是大數據的三種主要產生方式。大數據知識服務的資源建設是沒有盡頭的，只要社會向前發展，用戶的知識服務需求也會隨之動態更新和演變，知識服務機構的資源建設和儲備就必須緊跟用戶需求和時代發展，尤其是在大數據理念和技術支持下。相對來說，知識服務機構所累積的信息資源越多越好，因此，在實踐中，知識資源的建設需要各個知識服務機構在考慮自身資源和能力的基礎上，持續不斷地投入人力、財力和物力，從而為大數據知識服務提供資源支持。

2.3 大數據知識服務專業人員

知識服務專業人員是知識服務的核心，知識服務質量很大程度上取決于知識服務人員的專業化水平。尤其是在大數據環境下，對知識服務人員的專業化水平要求更高，不僅要求知識服務專業人員熟悉文獻資源和數字信息資源的組織和利用，而且在計算機能力和數據統計分析能力等方面都對知識服務人員提出了新的更高的要求，知識服務機構需要多方面的高水平人才共同組建專業化的知識服務團隊。如英國國防科技研究院大力發展深度信息服務和現場專家服務，營造適于員工學習交流的軟硬件環境和學習文化的氛圍，培養了一批由信息專家、信息科學家和知識代理組成的知識服務隊伍[17]。

知識服務專業人員在進行知識加工和情報分析的過程中，最關鍵的就是知識服務能力的培養和體現。知識構建能力是知識服務能力的根本保障，從大量文獻或信息中所包含的知識元及相關信息間的鏈接，將產生極大的知識增值。在大數據環境下，專業人員通過對知識元提取和標引，基于關聯數據進行知識組織、基于本體的語義知識挖掘、知識推送與個性化推薦，實現大數據環境下全流程的知識服務。隨著云計算技術的日益成熟，探索基于MapReduce的分布式知識處理平臺技術，并整合大數據分析的具體方法，進而將其完全融入滿足用戶知識需求的全過程，形成動態可控的知識服務所需的知識產品與服務生成機制，將極大地提升大數據知識服務人員的知識服務能力。

2.4 大數據知識服務平臺

大數據知識服務平臺是一個大數據獲取、存儲、組織、分析、決策服務資源和服務能力共享、交易和協作的智慧平臺[4]。大數據知識服務平臺保障大數據知識服務全生命周期過程服務的有效運作。從大數據知識服務的宏觀視角來看，本文認為大數據知識服務平臺是集用戶知識服務需求采集、大數據獲取與知識組織、大數據分析與挖掘、大數據服務提供與推薦、大數據知識服務評價與反饋、知識服務專業人員與用戶溝通互動等功能于一身的綜合知識服務系統。

從實踐來看，知識服務平臺積累了海量的結構化、半結構化和非結構化的數據資源，對這些資源的充分挖掘和深度分析，將極大地改善知識服務的水平。從知識服務研究和平臺建設實踐來看，集成多項知識服務技術和功能的平臺是大數據知識服務平臺的主要建設思想。在分析當前知識服務系統的基礎上，司莉從知識構建角度提出知識服務的四項關鍵技術：知識元標引與鏈接技術、主動推送的知識導航與服務技術、支持語義的知識檢索技術、知識重組與整合技術[12]，這些技術同樣適用于大數據環境下的知識服務。從目前的技術發展來看，知識服務平臺具體應該包括針對不同數據源的智能采集終端與技術、數據格式標準和數據存儲系統、數據清洗與處理技術、數據挖掘與知識發現技術、預測性分析與個性化服務等技術構成的完整技術體系。在大數據環境下，由于數據類型的多樣性和復雜性，需要從大數據本身出發，構建能夠處理大數據的分析模型和知識發現技術，并結合用戶個性化的需求對大數據進行深度挖掘，以更好地保證用戶需求的實現。尤其是在社交媒體的沖擊下，信息傳播的廣度和深度都得到巨大的提高，社會網絡大數據成為一種主要的大數據來源。從社會網絡的視角分析和滿足用戶的知識服務需求，并已經取得了一些重要成果，這將是大數據知識服務平臺的發展趨勢。

2.5 大數據知識服務制度規范

大數據知識服務規范是從制度設計的角度對大數據知識服務全生命周期進行約束和保護的重要手段。對大數據知識服務從戰略規劃的制定入手，明確知識服務發展的短、中、長期目標，能夠更好地指導知識服務活動的開展。而其他一些針對大數據背景的技術標準的制定和過程管理規范等同樣是大數據知識服務順利進行的必要保證。

大數據屬于新興的技術領域，為知識服務過程中知識產權的管理和用戶隱私保護都帶來了巨大的挑戰。大數據環境下，知識資源通過社交媒體、移動互聯網等渠道快速地傳播，如果不對這些渠道下資源的傳播進行合理規范，將不利于知識服務和知識創新。本文認為，應該從大數據知識服務戰略規劃的頂層設計出發，制定大數據知識服務平臺建設的標準、大數據知識服務的過程管理制度和大數據知識服務的評價反饋機制，從而形成適應大數據知識服務全過程的政策制度支撐體系，確保大數據知識服務穩定運行。

3 大數據知識服務實現概念模型構建

3.1 構建的理論基礎

“知識采集-知識處理-知識存儲-知識服務-知識轉換”共同構成了知識服務供應鏈結構，對整個知識服務具有宏觀上的統領作用和指導意義。此外，從情報研究的角度來看，大數據知識服務是情報研究產品或結果的應用過程。在情報理論方面，經典的競爭情報過程模型——Herring模型，由競爭情報規劃、情報源采集、情報加工、情報服務與情報反饋5大階段構成，與前文的知識服務供應鏈具有一定的對應關系，因此，知識服務和情報研究內在的具有較強的關聯關系，能夠用知識服務供應鏈和競爭情報Herring模型等對大數據知識服務進行理論指導，同時，應用大數據思維對情報研究進行革新，結合知識服務供應鏈對服務過程中所有環節與關鍵要素進行合理規劃，能夠提高大數據知識服務的效果。

3.2 構建的意義

大數據知識服務模型是大數據知識服務的核心指南，模型對大數據知識服務過程中涉及的關鍵要素進行了梳理，并對關鍵要素之間的關聯關系進行一定的呈現和展示，能夠指導知識服務活動的順利開展。本文將在大數據知識服務關鍵要素梳理的基礎上，對大數據知識服務的概念模型進行初步勾畫，供知識服務機構借鑒和參考。

大數據知識服務要素是大數據知識服務模型和開展大數據知識服務實踐的基礎。大數據環境下的知識服務是一項系統工程，需要在科學的大數據知識服務戰略規劃指導下，通過大數據知識服務要素之間的協同配合，共同創造開展大數據知識服務的需求采集機制、資源保障機制、人才支持機制、技術平臺支撐和制度規范機制，從這五大方面構建基于大數據知識服務全生命周期的協同工作模式。其中，掌握大數據分析的專業知識服務團隊是大數據知識服務得以開展和順利實現的最根本保證。本文從大數據知識服務構成要素的視角，對大數據知識服務模型進行構建，其中，對知識服務要素之間的關聯關系進行了高度概括，以知識供應鏈和競爭情報Herring模型為主線，通過大數據分析技術完成知識深度組織和挖掘。大數據知識服務的頂層理論設計和實踐指南，豐富了大數據知識服務的理論內容。

3.3 構建過程與實現

大數據知識服務是一項高度智力密集型和技術密集型的工作，需要知識服務機構投入大量的人力、財力和物力進行相關資源的建設和條件保障。如圖1所示，知識服務需求、知識服務資源、知識服務平臺、知識服務制度和知識服務專業人員共同構成了大數據知識服務五個維度方面的核心內容，是大數據知識服務全生命周期過程中的主體框架。在傳感器終端的自動生成、用戶主動生成和業務處理系統被動生成這三種方式交替作用下，快速地累計了海量的數據資源。大數據平臺首先需要實現對這些海量數據的采集和存儲，這些資源構成了大數據知識服務的前提。由于資源的類型和復雜度等差異，對海量數據資源進行分類和清洗處理是大數據知識服務平臺的基礎性工作，從中可得到不同的資源存儲供分析挖掘使用。通過知識元標引和鏈接分析、知識重組與整合技術對知識資源進行深度組織，并通過支持語義的知識檢索技術和關聯數據技術實現內部資源與外部資源的融合，將進行深加工所得的知識資源作為組織的知識資產存儲在知識庫中，在組織內部按不同的知識服務需求最大限度地進行授權和共享，運用社交媒體平臺進行知識服務導航與推送，如RSS訂制服務、Wiki、Blog。

圖1 大數據知識服務要素關系框架模型

在知識用戶的知識服務需求的牽引下，知識服務專業人員在知識服務的各項制度規范的約束和監督下，利用內部知識庫積累的知識資源和外部大數據作為信息源，在大數據知識服務平臺集成的多項知識服務技術的支持下，以知識用戶的需求為導向，對大數據資源進行有序加工和深度分析，實現知識服務全生命周期的管理和服務。

4 結語

大數據知識服務是建立在對大數據的有效處理和預測分析的基礎上的服務，云計算技術是進行大規模數據處理和復雜計算的強有力的技術手段，Ibrahim Abaker Targio Hashem，Ibrar Yaqoob，Nor BadrulAnuar等人對基于云計算的大數據定義、特征和分類進行了探討，并對大數據和云計算的關系進行了辨析，也討論了大數據存儲系統和Hadoop技術的關系，并提出包括可擴展性、數據有效性、數據整合、數據清洗、數據質量、數據異構性、隱私、法律和政策規范以及治理方面的問題[18]。大數據時代對知識服務而言既是機遇也是挑戰，知識服務機構應該以知識用戶的大數據知識服務需求、專業的大數據知識服務人員、大數據知識服務資源建設、大數據知識服務技術平臺和大數據知識服務制度規范五位一體的大數據知識服務實現機制為核心，從這五個方面進行大數據知識服務核心要素的構建和完善，從而保證大數據知識服務的有效運作與實現。要真正實現大數據知識服務，必須對知識服務的每一個過程和環節進行深入的研究與實踐，筆者只是對大數據知識服務的宏觀框架和核心構成要素進行了梳理，尚缺少對知識服務資源建設、人才培養、方法技術、政策制定等方面的具體而深入的研究，今后需要結合實踐對這些內容進行補充和完善。

[1]張曉林.走向知識服務：尋找新世紀圖書情報工作的生長點[J].中國圖書館學報，2000，26（5）：32-37.

[2]張興旺.大數據知識服務體系研究[J].情報資料工作，2013（2）：11.

[3]秦曉珠，李晨暉，麥范金.大數據知識服務的內涵、典型特征及概念模型[J].情報資料工作，2013（2）：18-22.

[4]李晨暉，崔建明，陳超泉.大數據知識服務平臺構建關鍵技術研究[J].情報資料工作，2013（2）：29-34.

[5]JunboZhang，JianSyuanW，TianruiLE.Acomparison ofparallel large-scale knowledge acquisition using rough set theory on different MapReduce runtime systems[J]. IntJApproxReason，2014，55（3）：896-907.

[6]蔣勛，劉喜文.大數據環境下面向知識服務的數據清洗研究[J].圖書與情報，2013（5）：16-21.

[7]劉海鷗.面向云計算的大數據知識服務情景化推薦[J].圖書館建設，2014（7）：31-35.

[8]GrecoAN，AissC G.UniversityPressesin theTwentyfirst Century：The Potential Impact of Big Data and Predictive Analytics on Scholarly Book Marketing[J]. JOURNALOFSCHOLARLYPUBLISHING，2015，46（2）：105-140.

[9]Cai D，Bai Y，Zhang G.The Knowledge Service Project in the Era of Big Data[C]//IEEE International Congresson Big Data.Santa Clara，CA，2013：429-430.

[10]戚建林.圖書館知識服務的影響因素及其發展[J].圖書館工作與研究，2003（1）：11-12.

[11]王曰芬，吳婷婷，張蓓蓓.圖書情報機構知識服務的戰略管理與影響因素研究[J].情報理論與實踐，2009，32（12）：1-6.

[12]司莉.基于知識構建的知識服務的實現[J].圖書館論壇，2009，29（6）：216-219.

[13]Parviainen P，Tihinen M.Knowledge-related challenges and solutions in GSD[J].EXPERT SYSTEMS，2014，31（3）：253-266.

[14]肖希明.信息資源建設：概念、內容與體系[J].中國圖書館學報，2006，32（5）：5-8.

[15]張廣彬，盤駿，曾智強.數據中心2013：硬件重構與軟件定義[EB/OL].[2014-06-12].http：//wenku.it168. com/d_001358914.shtm.

[16]吳斌，王俊峰，覃毅芳，等.一種面向自主服務的知識網絡構建方法[J].四川大學學報：自然科學版，2013，50（5）：973-978.

[17]趙悅，蔡超，叢姍.穩固信息服務開拓知識服務——英國國防科技研究院知識服務部轉型啟示[J].情報理論與實踐，2011，34（10）：28-31.

[18]IbrahimAbakerT H，IbrarY，NorBadrulAE.Therise of“big data”on cloud computing：Review and open researchissues[J].InformSyst，2015：98-115.

Research on the Key Factors and Implementation Model of Big Data Knowledge Service

GUAN Si-fa

Knowledge service is demand-driven and innovation-driven，highly knowledge-intensive service.The advent of big data era brings both new opportunities and new challenges for knowledge service.This paper summarizes the current development status of big data knowledge services affecting factors，analyzes the five key elements of big data knowledge services，and builds a conceptual model for big data knowledge service implementation.

big data；knowledge service；key factors；knowledge service model

格式 官思發.大數據知識服務關鍵要素與實現模型研究[J].圖書館論壇，2015（6）：87-93.

官思發（1987-），男，中國人民大學信息資源管理學院博士研究生。

2015-01-15

*本文系國家社科基金重大項目“云計算環境下的信息資源集成與服務研究”（項目編號：12&ZD220）、中國人民大學科研基金項目“信息分析技術創新研究”（項目編號：10XNJ035）和中國人民大學2014年度拔尖創新人才培育資助計劃研究成果之一