大數(shù)據(jù)領(lǐng)域演進路徑、研究熱點與前沿的可視化分析

何曉萍　黃龍

[摘要]本文以Web of Science為數(shù)據(jù)源，運用信息可視化軟件CiteSpaceⅢ對所搜集的有關(guān)大數(shù)據(jù)研究的文獻進行聚類分析和共引分析。通過CiteSpaceⅢ生成的知識圖譜并結(jié)合相關(guān)文獻的研究內(nèi)容，從演進路徑、研究熱點以及研究前沿三方面對大數(shù)據(jù)研究進行量化分析和解讀。6篇關(guān)鍵節(jié)點文獻很好地展示了大數(shù)據(jù)研究的演進路徑，13個高頻關(guān)鍵詞和10個突現(xiàn)詞表征了大數(shù)據(jù)的研究熱點與研究前沿，得出結(jié)論：大數(shù)據(jù)的研究經(jīng)歷了從大數(shù)據(jù)的計算模型、具體概念、復(fù)雜性科學(xué)的理論研究到有關(guān)大數(shù)據(jù)社會科學(xué)層面、應(yīng)用型實踐層面研究的歷程；大數(shù)據(jù)處理技術(shù)、大數(shù)據(jù)挖掘及大數(shù)據(jù)應(yīng)用是大數(shù)據(jù)研究的三大熱點；對大數(shù)據(jù)本身的研究、處理技術(shù)的研究、數(shù)據(jù)挖掘、系統(tǒng)、模型和網(wǎng)絡(luò)的研究以及其績效評估和數(shù)據(jù)管理的研究是大數(shù)據(jù)的研究前沿和發(fā)展趨勢，文章旨在為現(xiàn)階段大數(shù)據(jù)研究工作的深入開展提供參考。

[關(guān)鍵詞]大數(shù)據(jù)；CiteSpaceⅢ；演進路徑；研究熱點；研究前沿；可視化

[中圖分類號]G252

[文獻標識碼]A

[文章編號]1008-0821（2015）04-0046-06

大數(shù)據(jù)是當下繼云計算之后的一大熱點詞匯。2011年5月，信息存儲資訊科技公司EMC在“云計算相遇大數(shù)據(jù)”大會上正式提出了“大數(shù)據(jù)”的概念。幾近同時，麥肯錫全球研究院（MCI）發(fā)布了一份研究報告《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿領(lǐng)域》，它研究了文檔和數(shù)字數(shù)據(jù)的狀態(tài)以及處理這些數(shù)據(jù)所帶來的潛在價值。2012年1月，在瑞士達沃斯舉行的世界經(jīng)濟論壇上，“大數(shù)據(jù)”是主要討論的主題之一，該論壇上發(fā)布了一份題為《大數(shù)據(jù)，大影響》的報告，提出“數(shù)據(jù)已成為一種新的經(jīng)濟資產(chǎn)類別，就像貨幣或黃金一樣?！?012年3月，美國奧巴馬政府在白宮網(wǎng)站上發(fā)布了《大數(shù)據(jù)研究和發(fā)展倡議》，該倡議涉及聯(lián)邦政府的6個部門，這些部門承諾將投資超過兩億美元，來大力推動和改善大數(shù)據(jù)的提取、存儲、分析、共享和可視化。

無論是EMC、MGI的研究報告，世界經(jīng)濟論壇的論題，還是美國政府的倡議，都向人們預(yù)示著大數(shù)據(jù)時代的來臨。國內(nèi)外對大數(shù)據(jù)的研究不斷增加，該領(lǐng)域的研究文獻量也與日俱增，大量的研究文獻使得人們難以對大數(shù)據(jù)的知識進行深入地研究。信息可視化是常用的數(shù)據(jù)挖掘方法之一，它可以利用人類在可視化形勢下對模型和結(jié)構(gòu)的獲取能力來解決科技文獻數(shù)量過大、無法快速進行有效交流的問題，可視化數(shù)據(jù)挖掘可以觀察、發(fā)現(xiàn)、篩選和理解信息，發(fā)現(xiàn)數(shù)據(jù)和信息背后所隱藏的含義。本文將運用信息可視化工具CiteSpaceⅢ，以Web of Science數(shù)據(jù)庫中收錄的有關(guān)大數(shù)據(jù)研究的文獻為樣本進行聚類分析和共引分析，對大數(shù)據(jù)的研究熱點、主題內(nèi)容和發(fā)展趨勢三方面進行量化分析和解讀。

1 數(shù)據(jù)來源和研究方法

Web of Science是美國Thomson Scientific（湯姆森科技信息集團）基于WEB開發(fā)的產(chǎn)品，是大型綜合性、多學(xué)科、核心期刊引文索引數(shù)據(jù)庫，收錄了8000多種世界范圍內(nèi)最有影響力的、經(jīng)過同行專家評審的高質(zhì)量的期刊，以Web of Science為數(shù)據(jù)源進行研究，可以保證研究數(shù)據(jù)的全面性和權(quán)威性。本文選取了Web of Science數(shù)據(jù)庫中的4個子庫：Science Citation Index Expanded（SCI-EXPANDED）、Social Sciences Citation Index（SSCI）、Conference Proceedings Citation Index-Science（CPCI-S）和Conference Proceedings Citation Index-Social Science&Humanities（CPCI-SSH），檢索方式選擇高級檢索，檢索策略為：主題=（“big data”），時間跨度=所有年份，共檢索到有關(guān)大數(shù)據(jù)得研究文獻記錄1849條（檢索日期：2014年10月12日）。

本文研究工具采用陳超美教授開發(fā)的信息可視化軟件CiteSpaceⅢ，其獨到的創(chuàng)新之處在于繪制的一幅科學(xué)知識圖譜，能夠顯示一個學(xué)科或知識域在一定時期發(fā)展的趨勢與動向，形成若干研究前沿領(lǐng)域的演進歷程。將檢索到的1849篇文獻題錄信息（主要包括篇名、關(guān)鍵詞、摘要、作者、參考文獻等字段）導(dǎo)入到CiteSpaceⅢ軟件中。有關(guān)大數(shù)據(jù)研究的第一篇文獻的發(fā)表于1993年，即所檢索到的文獻時間范圍是1993-2014年，共計22年，以每2年設(shè)為1個時間分區(qū)（Time slicing），總共分為11個時間段；主題詞來源（Term Source）選擇標題（Title）、摘要（Abstract）、關(guān)鍵詞（Author Keywords）和標識符（Keywords Plus）；分析節(jié)點（Node Types）選擇共引文獻（Cited Reference）；設(shè)置閥值（c，cc，ccv）為（2，2，15），（3，2，20），（4，3，20），c為最低被引次數(shù)，cc為本時間段內(nèi)的共被引次數(shù)，ccv為規(guī)范化以后的共被引次數(shù)，每個時間段中選取被引次數(shù)最高的30篇文獻。運行CiteSpaeeⅢ軟件，得到大數(shù)據(jù)研究共引分析文獻網(wǎng)絡(luò)組圖和知識圖譜，就此分析關(guān)鍵節(jié)點文獻。主題詞類型（Term Type）有名詞短語（Noun Phrases）和突現(xiàn)詞（Burst Terms）兩種，名詞短語可以表達大數(shù)據(jù)的研究熱點，而突現(xiàn)詞則可表達大數(shù)據(jù)的研究前沿及發(fā)展趨勢。

2 結(jié)果與分析

2.1大數(shù)據(jù)研究文獻的時間分布情況

對WOS數(shù)據(jù)庫中大數(shù)據(jù)研究文獻按年代變化進行時間分布分析，如圖1所示，從圖中可以看出，大數(shù)據(jù)的研究可以分為3個階段：第一階段從1993-2007年，為大數(shù)據(jù)的孕育階段，該階段大數(shù)據(jù)研究成果零散，發(fā)文量十分有限；第二階段從2008-2011年，為大數(shù)據(jù)研究的起步階段；第三階段從2012o2014年，為大數(shù)據(jù)研究的上升階段，研究文獻劇增，且年發(fā)文量大于200篇，呈現(xiàn)出快速增長的態(tài)勢，2014年的文獻數(shù)據(jù)不全，但已有600篇，由此可以預(yù)測未來大數(shù)據(jù)的研究將保持迅猛增長的勢頭。同時，通過Logistic曲線擬合文獻量的時間序列分布，發(fā)現(xiàn)大數(shù)據(jù)研究還處在快速上升時期，還沒出現(xiàn)成熟前的“拐點”。endprint

2.2大數(shù)據(jù)研究的演進路徑分析

信息可視化軟件CiteSpaceⅢ有兩種顯示共引網(wǎng)絡(luò)圖譜的視圖方式，分別為聚類視圖（cluster views）和時區(qū)視圖（time-zone views）。時區(qū)視圖的顯示方式突出共引網(wǎng)絡(luò)節(jié)點隨時間變化的結(jié)構(gòu)關(guān)系。運行CiteSpaceⅢ軟件得到大數(shù)據(jù)研究文獻共引網(wǎng)絡(luò)節(jié)點的時區(qū)視圖，圖譜中共有182個節(jié)點，410條連線，如圖2所示。

CiteSpaceⅢ最突出的特點就是關(guān)鍵節(jié)點的計算測量，圖中每個圓形節(jié)點代表一篇引文，節(jié)點大小與被引用次數(shù)有關(guān)，節(jié)點越大，被引頻次越高，其文獻價值也越大，當設(shè)置“標簽字體大小依比例顯示選項”后，被引頻次高的引文在圖中的字體也越大，同時，節(jié)點間的連線代表引用關(guān)系與引用時間，連線越粗則引用次數(shù)越多，連線顏色則提示引用時間，依時間先后序列由冷色向暖色改變。從知識理論的角度看，關(guān)鍵節(jié)點文獻通常是在該領(lǐng)域中提出重大理論或是創(chuàng)新概念的文獻，也是最容易引起新的研究前沿?zé)狳c的關(guān)鍵文獻。按被引頻次的大小，表1列舉出了圖2中排名前六位的有關(guān)大數(shù)據(jù)研究關(guān)鍵節(jié)點文獻，這些文獻都是大數(shù)據(jù)研究的知識基礎(chǔ)，結(jié)合圖2，按時間順序?qū)Ρ?中的關(guān)鍵節(jié)點文獻進行分析，即可梳理出大數(shù)據(jù)研究發(fā)展的演進路徑。

第一篇文獻是由MapReduce、BigTable等系統(tǒng)的創(chuàng)造者Jeff Dean于2008年發(fā)表在《COMMUNICATIONS OF THE ACM》刊物上的《Mapreduce：Simplified data processing on large clusters》，文章借鑒函數(shù)式編程語言，強調(diào)了MapReduce的思想，將MapReduce模型用于大規(guī)模數(shù)據(jù)集的并行運算，包括“分布grep，分布排序，web連接圖反轉(zhuǎn)，每臺機器的詞矢量，web訪問日志分析，反向索引構(gòu)建，文檔聚類等”。這說明借助關(guān)鍵技術(shù)對大規(guī)模數(shù)據(jù)進行深入的研究，最大限度地提升管理和使用大規(guī)模數(shù)據(jù)的能力開始成為研究的重點。

第二篇文獻是由Howe，Doug于2008年發(fā)表在《NA-TURE》雜志上的《Big data：The future of biocuration》，文章基于大數(shù)據(jù)環(huán)境，提出了“生物文獻數(shù)據(jù)結(jié)構(gòu)化”這一概念，通過數(shù)據(jù)結(jié)構(gòu)化來規(guī)范生物文獻信息，從而提高生物學(xué)信息的獲取率和利用率。這標志著大數(shù)據(jù)的研究在生物學(xué)學(xué)科得到廣泛關(guān)注。

第三篇文獻是由英國e-Science計劃前首席科學(xué)家Tony Hey于2009年發(fā)表在《NATURE》雜志上的《The Fourth Paradigm：Data-Intensive Scientific Discovery》，該文探索了數(shù)據(jù)密集型計算以及未來計算技術(shù)的發(fā)展，揭示出數(shù)據(jù)分析已經(jīng)成為繼理論、實驗和計算之后的第四種科學(xué)發(fā)現(xiàn)基礎(chǔ)，是產(chǎn)生經(jīng)濟價值的新源泉。數(shù)據(jù)分析有助于市場預(yù)測、社會學(xué)以及醫(yī)學(xué)等學(xué)科領(lǐng)域的知識規(guī)律發(fā)現(xiàn)和趨勢預(yù)測，達成“真理盡在數(shù)據(jù)中”的效果，“數(shù)據(jù)科學(xué)”逐漸成為業(yè)界學(xué)者研究的新興領(lǐng)域。

第四篇文獻是由WHITE T撰寫的《Hadoop：The Ddfini-tive Guide》一書，于2009年由O'Reilly Media，Inc.出版社出版，書中展示了如何使用Hadoop構(gòu)建可靠、可伸縮的分布式系統(tǒng)，程序員可從中探索如何分析海量數(shù)據(jù)集，管理員可以了解如何建立與運行Hadoop集群。作為處理海量數(shù)據(jù)集的理想工具，Apache Hadoop架構(gòu)是MapReduce算法的一種開源應(yīng)用，是Google（谷歌）開創(chuàng)其帝國的重要基石，更是打開“數(shù)據(jù)金礦”大門的金鑰匙。

第五篇文獻是由麥肯錫全球研究院（MGI）于2011年發(fā)布的研究報告《Big data，The next frontier for innovation，competition，and productivity》，該報告系統(tǒng)的闡述了大數(shù)據(jù)概念，麥肯錫認為，“大數(shù)據(jù)”是指其大小超出了典型數(shù)據(jù)庫軟件的采集、儲存、管理和分析等能力的數(shù)據(jù)集。該定義有兩方面內(nèi)涵：一是符合大數(shù)據(jù)標準的數(shù)據(jù)集大小是變化的，會隨著時間推移、技術(shù)進步而增長；二是不同部門符合大數(shù)據(jù)標準的數(shù)據(jù)集大小會存在差別。同時，報告詳細列舉了大數(shù)據(jù)的核心技術(shù)，深入分析了大數(shù)據(jù)在美國醫(yī)療衛(wèi)生、歐洲聯(lián)合公共部門管理、美國零售業(yè)、全球制造業(yè)和個人地理位置信息5個領(lǐng)域的應(yīng)用，明確提出了政府和企業(yè)決策者應(yīng)對大數(shù)據(jù)發(fā)展的策略。作為第一份從經(jīng)濟和商業(yè)維度詮釋大數(shù)據(jù)發(fā)展?jié)摿Φ难芯砍晒沂境鰯?shù)據(jù)正在成為有形資本、人力資本這類產(chǎn)品的一個因素，如何讓商業(yè)適應(yīng)大數(shù)據(jù)，如何讓大數(shù)據(jù)的更有利的管理和更有價值的分析，是一個全新的具有挑戰(zhàn)的話題。

最后一篇是由被譽為“大數(shù)據(jù)商業(yè)應(yīng)用第一人”的Mayer-Schoenberger于2013年在《INTERNATIONAL JOURNAL OF COMMUNICATION》雜志上發(fā)表的《Big Data：A Revolution That Will Transform How We Live，Work and Think》，文中前瞻性地指出，大數(shù)據(jù)帶來的信息風(fēng)暴正在變革我們的生活、工作和思維，大數(shù)據(jù)開啟了一次重大的時代轉(zhuǎn)型，其中最大的轉(zhuǎn)變就是，放棄對因果關(guān)系的渴求，而取而代之關(guān)注相關(guān)關(guān)系。也就是說只要知道“是什么”，而不需要知道“為什么”，這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰(zhàn)。該文還提出大數(shù)據(jù)的核心就是預(yù)測。大數(shù)據(jù)將為人類的生活創(chuàng)造前所未有的可量化的維度。大數(shù)據(jù)已經(jīng)成為新發(fā)明和新服務(wù)的源泉，而更多的改變正蓄勢待發(fā)，例如谷歌、微軟、亞馬遜、IBM、蘋果、facebook、twitter、VISA等大數(shù)據(jù)先鋒們已經(jīng)開啟了對大數(shù)據(jù)最具價值的應(yīng)用歷程。因此，該關(guān)鍵節(jié)點論文是大數(shù)據(jù)應(yīng)用在大數(shù)據(jù)時代的一個重要標志。

通過以上關(guān)鍵節(jié)點文獻的分析，可以得出，在2008年之前，由于大數(shù)據(jù)理論和基礎(chǔ)比較缺乏，有關(guān)大數(shù)據(jù)研究的論文發(fā)文量比較低，且沒有產(chǎn)生具有影響力的文獻。從2008年開始，隨著研究的不斷深入，進入大數(shù)據(jù)領(lǐng)域進行研究的機構(gòu)、學(xué)者等不斷增加，有關(guān)大數(shù)據(jù)研究的論文發(fā)文量急劇增長，產(chǎn)生了許多重要的研究成果。大數(shù)據(jù)的研究經(jīng)歷了從大數(shù)據(jù)的計算模型、具體概念、復(fù)雜性科學(xué)的理論研究，到伴隨大數(shù)據(jù)研究技術(shù)的全面拓展而進行的有關(guān)大數(shù)據(jù)社會科學(xué)層面、應(yīng)用型實踐層面研究的歷程。endprint

2.3大數(shù)據(jù)研究熱點分析

由于關(guān)鍵詞是作者對文章核心內(nèi)容的精煉與概括，體現(xiàn)文章研究價值與方向，因此在軟件分析結(jié)果中，頻次高的關(guān)鍵詞常被用來確定一個研究領(lǐng)域的熱點問題，另外，從文章中提取的名詞短語也可以在一定程度上代表某學(xué)科的研究熱點。在CiteSpaceⅢ軟件中，節(jié)點類型選擇關(guān)鍵詞（Keyword）、主題詞類型選擇名詞短語（Noun Phrases），并選擇Pathfinder算法，運行CiteSpaceⅢ軟件得到由關(guān)鍵詞和名詞短語生成的大數(shù)據(jù)研究熱點知識圖譜，圖譜中有342個節(jié)點，1076條連線，如圖3所示。

圖3中的圓形節(jié)點和方形節(jié)點分別代表關(guān)鍵詞和名詞短語，節(jié)點的大小表示關(guān)鍵詞或名詞短語出現(xiàn)的頻次，圓形節(jié)點越大，越可以體現(xiàn)大數(shù)據(jù)的研究熱點，同樣，方形節(jié)點越大，也在一定程度上代表了大數(shù)據(jù)的研究熱點。選取出現(xiàn)頻次大于等于40的熱點名詞術(shù)語，得到大數(shù)據(jù)研究熱點詞匯統(tǒng)計表，見表2。

從圖3和表2可以看出，出現(xiàn)頻次最高的熱點詞為big data（大數(shù)據(jù)），達1305次，且其中心度值（0.56）也位居首位，一方面，表明了選擇“big data”為本文的研究主題具有一定的明確性；另一方面，也說明“big data”這一表述在學(xué)術(shù)界被普遍認可，且對大數(shù)據(jù)的研究也極其重視。其他高頻熱點詞匯按出現(xiàn)頻次高低分別為：cloud computing（云計算）、big data analytics（大數(shù)據(jù)分析）、mapreduce（分布式計算）、data mining（數(shù)據(jù)挖掘）、hadoop（分布式系統(tǒng)基礎(chǔ)架構(gòu)）、social media（社交媒體）、machine learning（機器學(xué)習(xí)）、model（模型）、big data application（大數(shù)據(jù)應(yīng)用）、social network（社交網(wǎng)絡(luò)）、networks（網(wǎng)絡(luò)），同時，這些熱點詞匯正是前文所述多數(shù)關(guān)鍵節(jié)點文獻研究的主要內(nèi)容。

目前，大數(shù)據(jù)的研究熱點可以從以下3方面來分析：（1）大數(shù)據(jù)處理技術(shù)的研究。這一研究熱點主要涉及云計算、大數(shù)據(jù)分析、Hadoop、Mapreduce、模型等技術(shù)，尤其是Hadoop、Mapreduce帶來的并行式和分布式算法，為更高效率的管理和處理海量數(shù)據(jù)集帶來了可能。同時，云計算模式為大數(shù)據(jù)提供了存儲空間和計算能力，是大數(shù)據(jù)處理技術(shù)的基礎(chǔ)。（2）大數(shù)據(jù)挖掘的研究。這一研究熱點主要涉及云計算、社交網(wǎng)絡(luò)、社交媒體、數(shù)據(jù)分析、數(shù)據(jù)挖掘等。社交媒體、社交網(wǎng)絡(luò)的普及產(chǎn)生了大量的數(shù)據(jù)，而沉睡的數(shù)據(jù)只是一堆低價值密度的垃圾，只有通過數(shù)據(jù)挖掘，才能發(fā)現(xiàn)和創(chuàng)造其潛在的價值，同時，大數(shù)據(jù)挖掘的實現(xiàn)也需要云計算技術(shù)支持。在業(yè)界，IT巨頭們?nèi)纾篏oogle、微軟、EMC、IBM、惠普等互聯(lián)網(wǎng)公司都已經(jīng)意識到大數(shù)據(jù)挖掘的重要意義，紛紛通過收購大數(shù)據(jù)分析公司，進行技術(shù)整合，希望從大數(shù)據(jù)中挖掘更多的商業(yè)價值。（3）大數(shù)據(jù)應(yīng)用的研究。這一研究熱點主要涉及大數(shù)據(jù)應(yīng)用、數(shù)據(jù)分析、機器學(xué)習(xí)等。與傳統(tǒng)數(shù)據(jù)分析相比，大數(shù)據(jù)技術(shù)的核心目標之一即是從數(shù)據(jù)量大、數(shù)據(jù)結(jié)構(gòu)類型多樣的數(shù)據(jù)中挖掘信息和獲取知識，而大數(shù)據(jù)技術(shù)這一目標的實現(xiàn)離不開機器學(xué)習(xí)的技術(shù)。通過機器學(xué)習(xí)高效智能地獲取新知識，為數(shù)據(jù)分析應(yīng)用帶來價值是當今大數(shù)據(jù)應(yīng)用研究的一大重點。

2.4大數(shù)據(jù)研究前沿分析

陳超美認為，使用突現(xiàn)主題術(shù)語要比使用出現(xiàn)頻次最高的主題詞（title words）更適合探測學(xué)科發(fā)展的新興趨勢和突然變化。運用CiteSpaceⅢ軟件的突現(xiàn)詞探測（Detect Bursts）技術(shù)，觀察詞頻的時間分布，將突現(xiàn)詞（Burst Terms）從大量的主題詞中探測出來，從而揭示出大數(shù)據(jù)的研究前沿。主題詞類型選擇突現(xiàn)詞（Burst Terms），運行CiteSpaceⅢ軟件，得到大數(shù)據(jù)研究前沿的網(wǎng)絡(luò)圖譜，如圖4所示。探測得到10個突現(xiàn)詞，見表3。

結(jié)合圖4和表3可以看出，突變率最高的主題詞為是“big data（大數(shù)據(jù)）”，達5.74，該主題詞代表了大數(shù)據(jù)領(lǐng)域?qū)Υ髷?shù)據(jù)本身的研究，而且，對大數(shù)據(jù)本身的研究依舊可能是未來大數(shù)據(jù)研究的熱點。除“big data（大數(shù)據(jù)）”以外，“mapreduce（分布式計算）”、“cloud computing（云計算）”、“hadoop（分布式系統(tǒng)基礎(chǔ)架構(gòu)）”這3個主題詞的突變率也較高，說明mapreduce框架、云計算、hadoop框架的數(shù)據(jù)處理技術(shù)近年來備受研究者關(guān)注。同時，與數(shù)據(jù)處理技術(shù)有關(guān)的“data mining（數(shù)據(jù)挖掘）”、“systems（系統(tǒng)）”、“model（模型）”、“networks（網(wǎng)絡(luò)）”，這4個主題詞的突變率也比較高，分別是3.87、3.21、3.15和3.12，由此可以看出與大數(shù)據(jù)有關(guān)的數(shù)據(jù)挖掘、系統(tǒng)、模型及網(wǎng)絡(luò)的研究是近年來大數(shù)據(jù)領(lǐng)域研究的重要前沿與發(fā)展趨勢。此外，“performance（績效）”和“management（管理）”這2個高突變詞也說明了近年來大數(shù)據(jù)在績效評估和數(shù)據(jù)管理方向研究的重視，有關(guān)大數(shù)據(jù)的績效評估和數(shù)據(jù)管理也將成為未來幾年內(nèi)大數(shù)據(jù)研究的重點。

3 結(jié)論

CiteSpaceⅢ信息可視化軟件具有較強的探測和分析某一學(xué)科演化路徑、研究熱點與研究前沿的功能，在上述大數(shù)據(jù)研究中得以完美體現(xiàn)，通過對Web of Science數(shù)據(jù)庫中收錄的有關(guān)大數(shù)據(jù)研究的文獻進行聚類分析和共引分析，得到以下結(jié)論：

（1）大數(shù)據(jù)研究的演進路徑：2008年，強調(diào)了MapRe-duce的思想，對大規(guī)模數(shù)據(jù)集進行并行運算，同時，大數(shù)據(jù)的研究開始向生物學(xué)學(xué)科滲透；2009年，探索了數(shù)據(jù)密集型計算以及未來計算技術(shù)的發(fā)展，揭示出數(shù)據(jù)分析已經(jīng)成為繼理論、實驗和計算之后的第4種科學(xué)發(fā)現(xiàn)基礎(chǔ)，并且，數(shù)據(jù)處理技術(shù)Hadoop的應(yīng)用，為更高效的處理海量數(shù)據(jù)集帶來了可能；2011年，系統(tǒng)地闡述了大數(shù)據(jù)概念，并介紹了大數(shù)據(jù)的核心技術(shù)，深入分析了大數(shù)據(jù)在不同領(lǐng)域的應(yīng)用，明確提出了政府和企業(yè)決策者應(yīng)對大數(shù)據(jù)發(fā)展的策略。2013年，前瞻性地指出了大數(shù)據(jù)帶來的信息風(fēng)暴正在變革我們的生活、工作和思維，大數(shù)據(jù)開啟了一次重大的時代轉(zhuǎn)型。

（2）大數(shù)據(jù)的研究熱點概括為3個方面：一是大數(shù)據(jù)處理技術(shù)的研究；二是大數(shù)據(jù)挖掘的研究；三是大數(shù)據(jù)應(yīng)用的研究。研究的內(nèi)容逐漸從“概念化”走向“價值”。

（3）大數(shù)據(jù)的研究前沿有4個：一是對大數(shù)據(jù)本身的研究；二是有關(guān)大數(shù)據(jù)處理技術(shù)的研究；三是與大數(shù)據(jù)處理技術(shù)有關(guān)的數(shù)據(jù)挖掘、系統(tǒng)、模型和網(wǎng)絡(luò)的研究；四是大數(shù)據(jù)績效評估和數(shù)據(jù)管理的研究。海量數(shù)據(jù)的存儲、管理、轉(zhuǎn)換、績效評估等問題，以及大數(shù)據(jù)在社會科學(xué)層面和應(yīng)用型實踐層面的研究將可能是大數(shù)據(jù)未來一段時間內(nèi)的深度挖掘的方向和研究趨勢。

（本文責(zé)任編輯：馬卓）endprint