学术堂首页 | 文献求助论文范文 | 论文题目 | 参考文献 | 开题报告 | 论文格式 | 摘要提纲 | 论文致谢 | 论文查重 | 论文答辩 | 论文发表 | 期刊杂志 | 论文写作 | 论文PPT
学术堂专业论文学习平台您当前的位置:学术堂 > 计算机论文 > 计算机信息管理论文

大数据环境下计算机信息处理的应用与发展

来源:计算机产品与流通 作者:黄志彬
发布于:2020-04-02 共3451字

  摘    要: “大数据”时代的到来,对多个产业领域和技术产生影响。本文从“大数据”时代的发展现状入手,阐述该背景下计算机信息处理技术的类型与应用,并指出计算机信息处理技术的发展不足与相关建议,为产业领域与技术发展提供理论与实践参考。

  关键词: “大数据”; 机器学习; 分布式处理技术;

  “大数据”是指需采取全新处理方式,利用优化流程与更强的决策力,方可处理的一种多元化、海量信息资产。目前全球已正式进入“大数据”时代,信息数据呈指数级增长,信息类型更为多元,信息传递速度更快,对计算机信息处理技术提出更高要求,从而为社会发展提供技术支持。

  一、“大数据”时代分析

  在2012年《纽约时报》的一篇专栏中提到:“大数据”时代已经到来。正如专栏中所说,在2012年后,大数据在产业领域的渗透范围逐渐扩大,大数据技术的优势越发突出,推动了社会的发展与进步。“大数据”时代表现出显着的海量、多元、高效与复杂特征。其中,海量是指数据数量增多,从TB发展为ZB;多元是指数据种类繁多,包括图片、音视频与网页等;高效是指互联网加快了信息传递效率;复杂是指大数据的处理难度较高。在“大数据”时代,各个产业可将海量数据信息为技术,筛选出有价值的内容,了解消费者的需求,深化与消费者的沟通,推动行业的转型升级[1]。

  二、“大数据”时代背景下计算机信息处理技术及应用

  在“大数据”时代,海量数据信息的有效处理,是推动产业升级的关键。就此,技术人员需选择合理的计算机信息处理技术,保障大数据优势的发挥。本节主要介绍五种计算机信息处理技术,介绍其原理、优势与应用,为技术人员提供帮助。

  (一)数据挖掘技术

  数据挖掘技术是指通过先进技术进行海量数据的筛选,找出有价值或所需的信息,为大数据应用奠定基础。常用的数据挖掘技术包括决策树、神经网络、关联规则、贝叶斯分类、主成分分析及聚类算法等,技术人员可根据大数据的类型与筛选要求,选择最佳的数据挖掘技术。以关联规则为例,其在产业领域最广泛的应用为购物篮分析,通过消费者购物篮商品间的关联度,分析消费者的购物习惯,为零售商销售商品提供指导。例如,沃尔玛超市利用关联规则分析消费者的购物篮后,发现10%的消费者同时购买尿不湿和啤酒,且在购买尿不湿的消费者中,70%购买了啤酒。针对购物篮海量数据挖掘,沃尔玛超市总结消费者的购物习惯,将啤酒和尿不湿摆放在同一区域,超市的销售额有显着提升。

  (二)数据分析技术

  针对筛选完成的数据,技术人员需选择合理的数据分析技术,总结数据承载的信息,为相关领域提供参考。常用的数据分析技术涵盖空间分析、情感分析、回归分析与网络分析等。其中,空间分析是将GPS数据、遥感数据等空间大数据为基础,为地理信息发展提供技术支持;情感分析常用于用户评价分析,利用爬虫技术整合用户的好评与差评,通过词法与句法分析等技术,掌握用户对商品评价的关键词,为商品生产优化决策提供参考;回归分析可将海量数据为基础,分析不同变量的关系,其应用最为广泛;网络分析是指将网络相关数据为基础,分析网络故障,为网络发展决策提供参考[2]。
 

大数据环境下计算机信息处理的应用与发展
 

  (三)分布式处理技术

  部分超大数据集或超大文件的处理难度较大,行业学者研发了分布式处理技术,将元数据切分为不同模块,为数据分析提供便利。常用的分布式处理系统为HDFS,具有较高的容错性和灵活性,可实现批量处理与小文件存储。例如,针对大型企业应用服务器每天上传的海量流量日志,技术人员可引进HDFS,根据流量日志筛选标准,编写相应代码,实现海量流量日志文件的自动化、高效化筛选,缓解企业应用服务器的运行压力,为企业业务经营创设良好网络环境。

  (四)数据索引技术

  在“大数据”时代的海量数据背景下,产业领域需应用数据索引技术,为海量数据查询与开发提供条件。目前应用最广泛的数据索引技术为BIGTABLE,由谷歌公司研发,该架构将互补式聚簇索引为基础,可在短期内完成数据的查询。谷歌内部的多个集群均应用BIGTABLE,如Google Earth与Google Analytic最具特色的功能为个性化查询,推动了数据索引与信息查询的发展。在该功能中,BIGTABLE可存储用户的数据信息,根据用户的专属ID、历史查询内容、历史查询时间与用户行为等信息,制作专属数据图表,为用户提供符合其使用习惯的个性化查询结果,用户也可获取自己的服务记录,浏览查询历史,使数据索引与信息查询更为智能化、人性化。

  (五)可视化技术

  和以往的文字或数字类数据信息不同,计算机信息处理技术可拓展数据信息的展示方式,通过可视化技术的应用,为用户提供图片、音视频与图表等数据信息,使数据分析结果更为全面,有助于大数据优势的发挥。可视化技术是大数据技术、计算机图形学及人工智能等学科的整合产物,可为信息检索与信息认知提供便利,具有准确、简洁和创新等特点。

  目前可视化技术的应用方式有以下五种:(1)面积或尺寸可视化,使数据对比更为明晰,如天猫店铺的动态评分,可使消费者了解店铺宝贝、卖家服务与物流等要素与行业平均水平的对比结果;(2)颜色可视化,通过不同颜色表示不同指标的强弱;(3)图形可视化,根据数据分析主题绘制数据结果的背景图形,协助用户理解数据信息;(4)地域空间可视化,结合区域地图展示数据信息,如区域人口信息、经济信息与产品信息等;(5)概念可视化,利用生动形象的图片展示抽象化数据,强化数据信息传递效果。

  三、“大数据”时代背景下计算机信息处理技术发展分析

  (一)计算机信息处理技术发展不足

  软件开发不足。在“大数据”时代,信息处理数量与要求增多,硬件设施表现乏力,海量数据的处理需大量硬件设施支持,普通硬件设施难以高效完成计算机信息处理工作。基于多元化的计算机信息处理技术,行业专家与技术人员需加强软件开发,与硬件设施配合,提升计算机信息处理技术应用效果。

  信息安全风险较大。“大数据”时代,人们每天在互联网产生海量数据,数据涵盖用户的手机号、姓名等多项重要信息,易被盗取或泄露,引发信息安全问题,侵害用户的隐私权。针对信息安全风险问题,需加强网络信息保护。

  缺乏专业人才。“大数据”时代发展迅猛,计算机信息处理技术转型升级较快,行业人才良莠不齐,难以有效应用先进多元的技术。可见,教育机构与相关单位需加强人才培养,为大数据与计算机信息处理技术发展提供丰富人力资源。

  (二)计算机信息处理技术发展建议

  加强与云计算技术的整合。针对软件开发不足问题,相关人员需加强计算机信息处理技术与云计算技术的整合。云计算技术可为计算机信息处理技术的海量计算,创设大数据平台,无需利用多个硬件设施,即可高效完成海量数据计算工作,还可与相关业务整合,提高产业运行效率。以华为云政务大数据为例,华为企业将政府数据部门的各项数据为基础,设计以政务资源、财政经济、城市运营为核心的大数据服务平台,利用云计算技术构建服务平台架构,为政府部门决策、提供惠民服务提供帮助。制定完善安全管理机制。针对“大数据”时代出现的安全问题,相关单位需制定完善安全管理机制,引入多元安全技术手段,如保密技术、隐蔽技术与认证技术等。其中,保密技术可提升信息的安全防护等级,避免机密信息泄露,常用方式为信息隐藏、网络信息隔离等,配以单位的用户权限设置,保护信息安全;隐蔽技术常用于版权保护与隐蔽通信等领域,可将大数据信息隐藏于互联网,避免信息被盗取或泄露;认证技术可避免大数据的内容、序号等信息被篡改[3]。

  加强计算机信息人才培养。大数据的发展前景广阔,教育机构与相关单位需加强信息人才培养,为计算机信息处理技术的进步与拓展应用提供支持。各大高校信息专业可开设大数据专业课程,用于分析大数据时代发展特征、大数据技术与计算机信息处理技术,丰富学生的理论知识,并通过项目实训,强化其实践素养,使其具备大数据相关工作的能力。就相关单位来说,可根据业务大数据的处理要求,组织岗位人员参与培训,培养其大数据意识与专业素养,实现计算机信息处理技术的有效应用。

  四、结论

  综上所述,“大数据”时代背景下计算机信息处理技术表现出多样性、功能性特征,可为人们生产生活提供极大便利。针对计算机信息处理技术存在的软件开发不足、安全风险大、专业人才缺乏等问题,技术人员需加强计算机信息处理技术与云计算技术的整合,制定完善的安全管理机制,并加强人才培养,推动技术的进一步发展。

  参考文献

  [1]张润.基于大数据的计算机信息处理技术分析[J].科学技术创新,2019(25):92-93
  [2]付媛媛.浅析大数据时代信息处理技术及发展趋势[J].信息记录材料,2019,20(08):43-44.
  [3]张洋,侯然,李亚东等.探讨大数据时代计算机信息处理技术的现状与发展[J].计算机产品与流通,2019(06):109.

作者单位:中海油信息科技有限公司
原文出处:黄志彬.“大数据”时代背景下计算机信息处理技术分析[J].计算机产品与流通,2020(02):12+284.
相关标签:
  • 报警平台
  • 网络监察
  • 备案信息
  • 举报中心
  • 传播文明
  • 诚信网站