大数据知识服务的内涵和典型特征

当前,科技创新模式、科学研究范式、知识形态、知识获取、知识交流及处理机制都面临着巨大的挑战,导致知识管理模式以及科技服务工作流的关键知识瓶颈发生重大变化,这迫切呼唤适应未来大数据处理需求的新型知识服务模式的出现,促使信息服务形态从传统的知识分析型服务向知识预测型服务转型。

1大数据知识服务的内涵

大数据知识服务是为适应信息服务业智慧化、协作化、绿色化、先觉化和泛在化的发展趋势而衍生的一种基于网络的,用以解决结构化、半结构化及非结构化数据多维度处理的信息服务新模式,是嵌入式协作化知识服务模式的一种新发展,是现代信息服务理念的具体体现。伴随着RFID射频数据、传感网数据、社交网络交互数据、移动互联网数据逐渐成为未来大数据的几个主要来源,我们发现,现有的信息服务模式及信息管理技术已经无法满足结构化、半结构化和非结构化数据的复杂处理需求,这一形势的发展使得数据量快速增长所带来的存储及计算能力的挑战,结构化、半结构化及非结构化数据的多维度数据处理需求,传统结构化数据管理模式与非结构化数据管理模式的有机融合等逐渐成为现阶段知识服务模式变革所面临的三大挑战。

2大数据知识服务的典型特征

与已有的信息服务模式相比,大数据知识服务模式和构建过程越来越趋向于个性化、自主化、虚拟化、智能化、透明化和体验化,知识创造模式、组织模式、传播模式和应用模式也呈现出规模化、集约化、数字化和网络化的趋势,在数字化、网络化、规模化和集约化等共性技术特征的基础上,大数据知识服务模式更为突出的典型特征可以概括为以下几点。

（1）是面向智慧服务和自主需求的知识服务。

大数据知识服务模式实现的核心是知识服务全生命周期活动中用户、技术、管理、知识、能力、资源和过程的有机集成和优化。为此,大数据知识服务体系融合了物联网、传感网、云计算、可信计算和信息物理融合系统[7]等新兴信息技术,提出要实现大数据用户、技术、管理、知识、能力、资源和过程的全方位、全生命周期地接入和感知,尤其是关注资源(如软硬件资源、信息资源、网络资源、服务资源等,包括半结构化、非结构化和结构化数据)和能力(如大数据获取、存储、组织、分析、决策和显示等)的接入和智能感知。

在大数据知识服务模式下,各类资源能够通过各种传感器、RFID、适配器、人机交互等实现资源半自动或全自动感知,然后借助3G或4G网络、互联网络、电信网、广播电视网等传输信息,在对各类资源进行管理和处理的基础上,同时汇集资源、能力、过程、知识,构建跨领域、跨行业、智能的多学科知识库,随着大数据知识服务体系的持续进化,并不断扩大,从而进一步服务于大数据知识服务的业务执行过程。

(2)是不确定性服务。

大数据知识服务对于用户大数据处理需求不具备唯一解,而是用大数据生态系统中所提供的技术和方法,依据用户大数据处理需求,形成知识服务解集合。大数据用户通过大数据知识服务平台提出大数据处理需求,并按用户自主需求构建的大数据知识服务组合模型,部署服务实施方案。大数据知识服务平台通过支持语义的知识服务匹配技术、智能优化技术,对用户所提出的大数据知识服务进行匹配部署,从而关联到核心服务层的具体服务,从搜索到的符合用户需求的大数据知识服务解集合中,选择合适的服务参与组合,并从所有可能的大数据知识服务解集合中优选与组合出最佳的一组组合来协同完成用户请求,再通过知识服务最优化管理技术、知识服务智能优化技术,对服务组合质量进行评估,并采用智能优化算法对整个过程进行优选,在确定最优云服务组合和资源组合方式后,将服务与资源进行关联绑定,进而部署执行。这个过程体现了大数据知识服务的不确定性特征。

(3)是强调用户参与的知识服务。

大数据的数据来源、知识服务能力、服务资源、服务过程及知识本身都是嵌入到网络和大数据环境中的,且所有大数据主要都是来自于大数据用户,使得大数据知识服务关注的重心应该转移或回归到用户自身的需求。大数据生态系统致力于构建一个用户、大数据制造方、大数据运营方及大数据处理方等可以充分进行大数据获取、存储、组织、分析和决策的公用服务环境。在大数据知识服务模式下,强调用户参与不仅仅局限于传统的用户提出需求和用户评价,而是渗透到大数据知识服务过程及大数据自身全生命周期管理的每一个环节。

(4)是支持按需使用、按需付费的知识服务模式。

大数据知识服务是一种由用户需求驱动的、按需付费的知识服务新模式。用户往往需要通过海量非结构化、半结构化数据了解现在发生了什么,甚至需要利用数据预测未来将要发生什么,以便在行动上做出利于发展的主动准备。例如,通过预测用户的流失预先采取行动,或预测竞争对手下一步行动以便采取主动等。在这些过程中,用户不需要过多关注大数据处理的细节,只需要根据自身的数据处理需求调用或知识服务组合,占用大数据知识服务资源,并支付相应的费用即可。彼此之间的关系是一种按需使用、按需付费、用完即解散的关系。

(5)是共性技术目标与异性技术特征相辅相成的知识服务模式。

大数据知识服务通过第三方构建服务平台,将大数据获取、存储、组织、分析和决策过程中所涉及的所有资源、知识、能力及过程都虚拟化为大单项数据知识服务,再聚合成大数据知识服务虚拟资源池,进行统一的管理与处理。针对不同的行业、领域或不同需求,大数据的获取、存储、组织、分析和决策的管理和处理方法有共性,但必然也存在着异性,因此,针对不同行业、领域及大数据处理需求,就需要在原有共性技术体系的基础上,形成专业性较强的专业化大数据知识服务体系,从而针对独特的专业化要求,形成其独有的大数据异性技术体系。

(6)是基于知识、能力、资源、过程共享和交易的知识服务模式。

与传统的知识服务模式相比,大数据知识服务模式共享的不仅仅是服务资源,还有知识、能力及服务过程。随着大数据时代的来临,对大数据获取、存储、组织、分析和决策过程进行管理的基本策略不是移动数据,而是将计算、知识及服务推向数据,在相应的知识库、专家库、数据处理模型、数据处理框架的支持下,实现资源、知识、能力及过程的虚拟化封装、描述、发布、配置、调用和显示,真正实现大数据获取、存储、组织、分析和决策过程中的知识、能力、资源、过程的全面共享和交易。

(7)是基于群体创新的知识服务模式。

正如美国国家科学基金会的大数据研究和发展计划所言,大数据知识服务旨在促进管理、分析、可视化和从大量多样分散异构的数据集中提取有用信息,并充分利用群体创新的力量,创造有意义的网络基础设施以及一体化水平的数据和工具,以支持科学和教育。

(8)是更为绿色环保的知识服务模式。

大数据知识服务的目标之一是围绕结构化、半结构化及非结构化大数据处理需求,实现大数据获取、存储、组织、分析和决策过程中的知识、能力、资源和过程等的全面共享,提高大数据的利用率,实现数据、知识及服务增值。换句话说,就是实现绿色低碳的环保型大数据知识服务模式。

随着科学研究、传感网络、互联网应用及电子商务等应用领域数据量的飞速增长,大数据正逐渐成为学术界和产业界关注的焦点,相较于Web2.0、云计算、物联网等信息技术的发展轨迹,大数据技术似乎来得更为猛烈。