大数据时代的数字图书馆

《大数据时代的数字图书馆》由会员分享，可在线阅读，更多相关《大数据时代的数字图书馆（82页珍藏版）》请在装配图网上搜索。

1、大数据大数据时时代的数字代的数字图书馆图书馆Digital Library in theBig Data Age123提纲大数据与数字图书馆：为何要提出这个命题？大数据对数字图书馆的挑战：为何总是信息革命？对策探讨：数字图书馆向业务流程上游移动3 大数据与数字图书馆 数字图书馆受到广泛的重视，成绩斐然 数字图书馆的建设与需求存在差距大数据与数字图书馆 什么是大数据？大数据在哪里？根据IDC监测，全球数据量大约每两年翻一番，意味着人类在最近两年产生的数据量相当于之前产生的全部数据量，预计到2020年，全球将总共拥有35ZB的数据量，相较于2010年，数据量将增长近30倍。指数型增长的海量数据图片

2、来源：IBM;Cisco;comScore;MapReduce;Radicati Group;Twitter;You Tube 什么是大数据？准确化（Veracity）：浪里淘沙却又弥足珍贵11/26/2012社会80%的数据到底掌握哪里？政府、企业？今天的数字图书馆在业务流程的哪一端？“大数据”是一个用来描述海量的结构化和非结构化数据的流行短语，这些数据的容量非常巨大以至于很难用传统的数据库和软件技术进行存储、管理和处理。大数据的特性可以用4V描述大量化（Volume）：存储大；计算量大多样化（Variety）：来源多；格式多快速化(Velocity)：增长速度快；处理速度要求快大数据的四个

3、主要特征图片来源：国金证券研究所 大数据在哪里？业务流程数据含天文望远镜拍摄的图像、视频数据、气象学里面的卫星云图数据等科学大数据含数据库等社会大数据含SNS、微博、新闻媒体、视频网站、电子商务、招聘信息等个人大数据含个人实时位置、状态、见闻、言论等企业大数据含物联网、联通、移动、电信等通信和互联网运营商等Big Data2011年产生与复制的信息量超过1.8ZB5年中增长了9倍 数字图书馆的成就斐然11/26/2012我国数字图书馆的成就斐然 结构化学术资源内容丰富，结构完整。包括电子图书、电子期刊、电子报纸、数据库、音视频资源、网络资源在内的海量数字资源 数字图书馆将资源进行有序组织，在一

4、定程度上突破了时间和空间的限制，为学术界便捷地获取信息与知识、社会数字阅读11/26/2012我国数字图书馆的成就斐然 数字图书馆为社会构建了一个资源共享的公共服务平台，它集馆藏、服务和人为一体，延伸了传统图书馆的服务功能 我国的数字图书馆多数是联合建设型图书馆，多以政府投资的形式开展，注重馆际合作，共同争取经费支持，以实现资源的合理布局与共享 数字图书馆的建设与需求存在差距数字图书馆与实体馆资源同质数字图书馆处理的问题是数据资源数字化、音频视频信息的转换、存贮和检索以及多媒体信息技术的扩展深化，但缺乏对海量数据的加工处理与管理服务。从长远发展的角度来看，数字图书馆应该进行数字资源的深层次开发

5、，拓展对原始数据的挖掘、采集、组织、保存与利用，开拓一条数据资源主导型的发展新模式。技术上的差距并不难弥补，最大的差距是收集数据的意识。我们收集数据的意识不强，对于数据在决策当中的重要性认识不够，这才是数字图书馆最大的制约因素。数字图书馆与实体馆用户同质因数字图书馆资源内容多数为馆藏资源的数字化，实体馆用户同质的现象较为普遍。一些数字图书馆系统自成体系走出实体馆的象牙塔，实现不同用户群体的信息共享与利用11/26/2012数字图书馆非结构化数据空白大数据可以分成二种类型：一是结构化数据即行数据，存储在数据库里，可以用二维表结构来实现的数据。二是半结构化或者非结构化数据这种数据包括电子邮件、办公

6、处理文档，以及许多存储在Web上的信息及图像、音频和视频等可以被感知的信息。企业中80%是非结构化或半结构化的。世界结构化数据增长率大概是32%，而非结构化数据增长则是63%。至2012年，非结构化数据占有比例将达到互联网整个数据量的75%以上。这些非结构化数据的产生往往伴随着社交网络、移动计算和传感器等新的渠道和技术的不断涌现和应用。数字图书馆中，多数为数据库建设，非结构化的数据内容所占比重非常低。缺乏大数据的分析，数字图书馆很难融入企业等用户群体的细节服务。数字图书馆非结构化数据空白科学研究的变化要求数字图书馆大数据的支撑科学研究的不断变化转型对数字图书馆的大数据利用提出了要求。然而，数字

7、图书馆缺乏大数据的利用，这无法迎合科学研究的变化要求。11/26/2012研究变化了：数据驱动的研究面向问题的研究面向数字与模拟的研究面向决策支持的研究面向创新驱动的研究越来越依赖数据11/26/2012学术交流模式已经变化了(学术交流融合)图片来源：http:/www.ariadne.ac.uk/issue36/lyon11/26/2012传统学术交流的四要素:登记-鉴定-发现-保存 Registration-establishing the intellectual priority of an idea,concept,or research;Certification-certifyi

8、ng the quality of the research and/or thevalidity of the claimed finding;Awareness-ensuring the dissemination and accessibility ofresearch,providing a means by which researchers canbecome aware of new research;and Archiving-preserving the intellectual heritage for future use数字图书馆面临新的研究需求11/26/2012E-

9、Science海量数据科教结合协同创新产学研结合第四范式创新主体的转移要求大数据十八大报告指出，要更加注重协同创新，要构建以企业为主体、市场为导向、产学研相结合的技术创新体系产业转型升级依赖于科技创新。这个过程萌芽于科学发现，生长于成果转化，科学发现就成了科技创新的原点发现隐秘的消费规律；微博和手机的普及、社交网络的广泛应用使得以往几乎不可能完成的一些人群活动规律研究成为可能。例如人群在物理上如何移动？全球多家互联网巨头都意识到“大数据”时代来临的重要意义。惠普、IBM、微软等纷纷通过收购“大数据”相关厂商来实现技术整合。Gartner研究表明，全球500强中85%的企业将无法利用他们的大数据

10、国际上的大数据开发趋势强劲2009年，欧洲一些领先的研究型图书馆和科技信息研究机构建立了伙伴关系致力于改善在互联网上获取科学数据的简易性。2010年7月，联合国发布了大数据促发展：挑战与机遇（Big Data for Development:Challenges&Opportunities）白皮书，指出大数据对于全世界是一个历史性的机遇，可以利用大数据造福人类。2012年1月，瑞士达沃斯召开的世界经济论坛上，大数据是主题之一，会上发布的报告大数据，大影响：国际化发展的新机遇(Big Data,Big Impact:New Possibilitiesfor International Devel

11、opment)宣称，数据已经成为一种新的经济资产类别，就像货币或黄金一样。11/26/2012国际上的大数据开发趋势强劲 2009年5月，美国政府成立了名为Data.Gov的公共数据开放的门户网站；2010年12月，奥巴马政府出台了规划数字化未来的专门报告，把数据收集和使用的工作提到了战略的高度。2012年3月，美国政府发布了大数据研究和发展计划，此项带有2亿多美元推动资金的倡议，旨在通过推动和改善与大数据相关的收集、组织和分析工具及技术，提升从海量和复杂的数据集中获取知识和洞察分析能力。奥巴马则强调政府必须和公司、大学合作结盟，全民动员来应对“大数据”时代的挑战。2012年5月，美国行政管理

12、和预算局发布了数字政府：建立一个面向21世纪的平台来更好服务美国人民（DigitalGovernment:Building a 21st Century Platform to Better Servethe American People）行政指令，旨在实现“随时、随地、任何设备”都能获得政府信息资源，提高全社会服务的质量。图片来源：McKinsey Global Institute：“Big Data The next frontier forinnovation,competition and productivity”（2011 年 5 月）麦肯锡评估报告中指出，大数据的应用每年潜在可

13、为美国医疗健康业和欧洲发达经济体政府分别节省3000亿美金和2500亿欧元的开支。利用个人位置信息潜在可创造出1000亿美金的消费者剩余。在国际社会的强力驱动下，我国在大数据开放方面还有待进一步的努力。大数据的市场空间及对社会的贡献任何人在任何时间、任何地点，可以获得所需要的任何知识，这是数字图书馆建设的美好愿景。而当前，多数数字图书馆服务系统都是基于门户网站开展的服务。少数数字图书馆的服务范围已从互联网向移动通信网、广播电视网等网络平台逐步拓展，开展了移动图书馆等新媒体服务建设，但服务功能有限。我国数字图书馆对用户信息需求与信息获取习惯的变化还不够敏感，缺乏创新理念与服务机制，缺乏与业务流程

14、的融合数字图书馆处在象牙塔远离创新前沿 大数据对数字图书馆的挑战11/26/2012为何总是信息革命？数字图书馆缺乏大数据，导致数字图书馆处在象牙塔 科学研究的变化，要求数字图书馆适应新的需求 创新主体的转移，要求数字图书馆适应企业界的需要 用户信息素养的变化，要求数字图书馆适应社会搜寻的需要 国际上图书馆的变化 对数字图书馆的竞争 原生大数据的缺乏，与实体图书馆资源和用户同质现象 非结构化数据缺乏，数字图书馆通常都是在数据库里存在的结构化数据，非结构化数据如声音、视频、音频、图片等可视可听的数据空白 数字图书馆中的数据则是在各种国内外数据库里存在的结构化数据，大数据的缺乏导致数字图书馆处在象

15、牙塔中。数字图书馆缺乏大数据，导致数字图书馆处在象牙塔科学研究的变化，要求数字图书馆适应新的需求 现在越来越多新的学科领域，完全建立在大量数据的基础上，比如系统生物学（Systems Biology）、宏生态学（Macroecology）、基因组学（pureGenomics）等。美国国家科学基金会和美国国家卫生研究院将对大数据进行联合招标，旨在改进核心科学与技术手段，提高从各种大型数据集中提取重要信息并对其进行有效管理、分析和可视化能力，加速科技成果的产生，并带领国家进入一些全新的、以往不可企及的研究领域。33 李国杰院士认为：“长期以来，许多领域都是在用小数据做科学实验，找出一个模型和规律。

16、现在越来越复杂，有一堆数据看上去没有规律。科学家要找到新的研究方法，这种模式和方法的改变需要探索。要研究大数据的问题在哪儿，在应用中发现什么技术难题，这些有针对性的问题，不是凭空想出来的，是需要实践总结出来的。”从目前来看，大数据技术主要涵盖的领域有可视化分析、数据挖掘算法、预测性分析能力、语义引擎、数据质量和数据管理等 因此，数字图书馆应适应科学研究变化的新领域、新技术与新需求，推动数字图书馆的发展创新主体的转移，要求数字图书馆适应企业界的需要 党的十八大：要构建以企业为主体、市场为导向、产学研相结合的技术创新体系（2012年11月8日）全国科技创新大会，推进科技与经济结合（2012年7月6

17、日）技术创新企业主体地位大数据概览图片来源：互联网 国金证券研究所11/26/2012 从上图的大数据概览中可以看到企业作为创新主体的重要作用。企业应用还是大数据的主要推动者。生物、医学、天文、环境、物理、工程、经济、互联网等诸多领域涉及大数据的处理和应用。自2005年以来，IBM投资160亿美元进行了30次与大数据有关的收购，促使其业绩稳定高速增长。2012年，IBM股价突破200美元大关，3年之内翻了3倍。华尔街早就开始招聘精通数据分析的天文学家和理论数学家来设计金融产品。IBM现在是全球数学博士的最大雇主，数学家正在将其数据分析的才能应用于石油勘探、医疗健康等各个领域。eBay通过数据挖

18、掘可以精确计算出广告中的每一个关键字为公司带来的回报。大数据应用也早已在商业领域应用。金蝶他们参与搭建的全国中小企业信息平台，汇集了4000万家企业，通过对这些企业海量数据的挖掘和分析，能对经济运行状况作出准确的预警 在微观经济领域，“大数据”的作用也越发凸显。天气预报的信息和数据可以帮助农业的种植者在特定季节中避免遭受气象灾害 在企业管理上，大数据可以用来决策下一步的投资、战略部署、产品研发。”用户信息素养的变化，要求数字图书馆适应社会搜寻的需要 今天的图书馆用户研究不像从前 从大量的数据中分析潜在的价值决定着大数据时代的图书馆的发展水平及方向。随着个性化、学科化等越来越专业、编辑服务的实施

19、与出现，用户的服务要求也日益提高 在大数据时代，图书馆的数据处理范围、方式、对象、目的等将发生巨大的变化 在大数据时代，数据分析、数据挖掘、数据增值11/26/2012图书馆需要融于社区图片来源：http:/www.ariadne.ac.uk/issue36/lyon国际上图书馆的变化 ARL报告11/26/2012We have seen in recent years it can beargued that:Many users now have the skills and access totechnologies to find and access resourceswhich

20、previously were mediated by librarians.We are seeing a decrease in the importance offinding via metadata and an increase in theimportance of social discovery.11/26/2012Focussing on the technologicaldevelopments we have seen in recentyears it can be argued that:Many users now have the skills and acce

21、ss totechnologies to find and access resourceswhich previously were mediated by librarians.We are seeing a decrease in the importance offinding via metadata and an increase in theimportance of social discovery.11/26/2012 We are seeing a decrease in the importance oflibraries providing access to trus

22、ted resources.Instead users now wish to access resourcesthey find in the wild but will need to be ableto evaluate such resources.We are seeing a decrease in an unquestioningbelief in the value of libraries and librariansand a need for the sector to be able todemonstrate value and pro-actively market

23、themselves.对数字图书馆的竞争 对于社会中以知识存贮、利用与开发为己任的图书馆来说，在这个“大数据”时代如何提高海量增长的文献处理能力，搜寻新的数据计算、知识发现及信息服务的新途径，面临挑战 数字图书馆应由静态发展转向动态发展，将数字图书馆与产业、社区结合在一起 数字图书馆的对策探讨:向业务流程上游移动数字图书馆的对策探讨 非结构化大数据开发 分布式大数据开发 大数据开发相关技术 领域大数据开发 原生大数据开发 特藏大数据开发大规模非结构化数据急剧增长 大数据时代的数据膨胀导致图书馆无法在一定时间内用常规软件工具对其内容进行抓取、处理和管理。这些数据主要有两类情况：一类是原有数据种类

24、量的增加另一类是过去我们没有关心或没有能力关心的数据：如社交媒体、实时位置、智能设备、传感器计量等复杂业务数据非结构化大数据开发大数据环境下，图片、音频、视频、XML、HTML、办公文档、各类报表等非结构化数据大量增加。图片来源：甲骨文公司(从非结构化数据到大数据(Big Data)非结构化大数据开发 大数据分析经常会用到存储数据库来快速处理大量记录的数据流通。一、结构化数据：海量数据的查询、统计、更新等操作效率低二、非结构化数据 图片、视频、word、pdf、ppt等文件存储 以多种物理的和逻辑的格式存储的，而且储存地点具有分散性，其内容可能存储于图书馆内部的不同设备之中以及图书馆外部。不利

25、于检索、查询和存储三、半结构化数据 转换为结构化存储 按照非结构化存储图片来源：甲骨文公司(从非结构化数据到大数据(Big Data)结构化与非结构化数据的统一管理甲骨文公司的大数据解决方案:分布式大数据开发 如何从海量数据中发现特定知识，如何高效地处理海量数据，几乎是任何一个信息分析机构要面对的问题。大规模非结构化数据的激增，需要分布式大规模数据库的开发。目前，如果不谈架构层面上传统的IaaS、PaaS与SaaS，就数以分布式与虚拟化为主要代表的云计算技术被普遍接受。图片来源：中信证券，张新峰，大数据(Big Data)专题研究报告大数据大市场大机遇分布式大数据开发 目前，云数据管理技术因其

26、低成本、去中心化、可无限水平扩展、可无间歇在线扩展和海量数据管理能力，在很多领域取得明显成功，如Google，Amazon，国内的淘宝等。基于云技术的分布式大规模数据库将全面替代主流关系数据库的呼声越来越高。分布式计算技术可对海量数据进行分析以实时得出答案。云计算是分布式计算、并行计算和网格计算的发展，是实时分析与NoSQL数据功能的结合。分布式大数据开发 云计算的数据存储技术主要有Google的非开源的GFS(Google file system)和Hadoop的GFS 开源实现HDFS(Hadoopdistributed file system)。以Google为代表的云计算以其应用简单、

27、高效得到了广泛认可。它通过在分布式文件系统GFS基础之上的MapReduce编程模型以及廉价集群的建立，解决了许多大规模数据的计算问题。由雅虎资助的开源项目Hadoop，是一个类似于Google 云计算的技术平台，专注于海量数据存储、处理的分布式系统，同时提供了基于Java的MapReduce框架，能够将分布式应用部署到大型廉价集群上。与此同时，Hadoop在图书馆也得到了应用。例如，Nutch搜索引擎中的分布式搜索、索引等。以Hadoop云计算平台为例 Hadoop是Apache开源组织的一个分布式计算开源框架，它基于廉价PC服务器，专注于海量数据存储、处理的分布式系统。Hadoop具备低廉

28、的硬件成本、开源的软件体系、较强的灵活性、允许用户自己修改代码等特点，同时能支持海量数据存储和计算任务。Hadoop提供由Java 实现的Map-Reduce技术框架，能够将分布式应用部署到廉价服务器上。同时为应用程序提供了一组稳定可靠的接口。Hadoop框架中最核心的设计是Map-Reduce和HDFS。Map-Reduce分布式计算 Hadoop 中的Map-Reduce是一个软件框架，基于它写出来的应用程序能够运行在大型集群上，并以一种可靠容错的方式并行处理大规模的数据集。Map-Reduce 模型使用函数Map分割数据和函数Reduce合并数据。图片来源：云计算与大数据-新一代数据管理

29、技术数字图书馆体系结构预测用户行为日志、微博HDFS用户信息NoSQLDataBase大数据集缩减针对用户的最佳推送批处理查询、借阅信息内容推送用户管理数字图书馆用户信系统息系统技术架构客户端应用层（SAAS）应用平台门户网站、用户管理、搜索引擎等数据处理接口数据分块、数据合并、Map、Reduce集群 VM主机HadoopMap-ReduceHDFS负载均衡、容错机制、资源管理平台层（PAAS）基础设施层（IAAS）虚拟化层计算/存储/网络/应用/服务器虚拟化实体层CUP/存储/网络/IO/计算/其他资源大数据开发的相关技术 大数据开发是建立在一个获取、组织和分析范式之上的：1、获取：大数据

30、开发方案必须能够以高速度获得海量数据。这通常要通过服务器群集来传播大量文档和存储，每个服务器都在各自的本地磁盘上存储整体数据的一个子集，虽然有很多方案，但Hadoop和NoSQL是提供这一功能两个最基本的技术。2、组织：从大规模的非结构化数据中识别和提取有用的信息，而不移动这些数据的组织能力是十分必要的。Hadoop Map-Reduce框架通过分布在群集中的所有服务器上处理工作来提供这一功能。通过各节点返回主节点的高度综合的数据可以被其他统计工具分析或载入传统的数据仓储中。NoSQL非关系型数据库 NoSQL=Not Only SQL NoSQL在很多情况下又叫做云数据库。处理数据的模式完全

31、是分布于各种低成本PC服务器和存储磁盘。NoSQL结构解决了关键数据集成的统一接口问题，强调高吞吐、高并发、高可用、高分区容错性。不用将数据进行归类组织，能处理各种类型的文档，数据格式灵活多变，没有标准，模型简单。大部分数据关系仅需建立一次，数据结构和结构之间的关系稳定，不再经常变化；变化的只是数据值大数据开发的相关技术 3、分析：经过组织的大数据可以被传统的数据分析工具分析，如加载汇总数据到数据仓储。目前已有专门的大数据处理引擎，提供基于数据库分析（In-database）和内存分析（In-memory）。数据库分析进行动态数据管理，目的在于分析和报告数据运行情况、减少数据移动和促进更好的数

32、据管理。使用可扩展的数据库架构，进行库内分析，可以减少数据准备的时间，构建、导出和更新分析模型。内存分析可以迅速解决大数据的复杂分析问题，使用内存和多用数据接口快速运行复杂的新计算。用户可即时对数据检索和可视化、构建和导出分析模型并完成具体业务和挑战。这些都是在分布式的内存中进行的，而非在一个磁盘中。一、支持对象存储的统一存储技术 文件+元数据=对象 元数据通常称为“关于数据的数据”，是有效管理、共享和存储信息的最重要因素，可以实现大数据的集成和循环利用。大数据时代增长幅度最大的非结构化数据，将通过互联网协议以文件或对象的形式提供。这些数据可增长至成百上千的拍字节和数十亿个对象，除了需要更大的

33、文件系统和可扩展的模块存储系统外，还需要对文件、模块和对象数据存储进行融合。通过消除数据保护的备份成本，数据分析的ETL（提取、转换和加载）成本以及文件、模块和对象存储孤岛的管理成本来提高存储效率。其它大数据相关技术 数据挖掘技术可以对关系数据库中的结构化数据，或是文本、图形、图像数据等半结构化数据，甚至是分布在网络上的异构型数据进行采集。三、可视化技术 由于难以以数据的形式清晰地进行观察海量信息，所以要通过直观、生动的可视化图形对数据进行展示数据的关系和结构。大数据时代迅速增长的非结构化数据也需要可视化技术向用户展现。非结构化数据的可视化编辑系统用超图模型的方法，将传统方法所不能表示的非结构

34、化数据用超图模型统一表示，并能在数据库中有效的存储，而且提供给用户一个交互式的界面。其它大数据相关技术二、数据挖掘技术可视化关系图资料来源：国金证券(大数据引领我们走向数据智能化时代BigData专题报告)领域大数据开发领域大数据开发 政府投入大数据开发，形成示范效应，以推动大数据的发展。在民生领域，应用大数据技术，提升服务能力和运作效率，以及个性化的服务，比如医疗、卫生、教育等部门；在安防领域，应用大数据技术，提高应急处置能力和安全防范能力；在金融、电信等领域投资建立大数据的处理分析手段，实现综合治理、业务开拓等目标。三峡工程长江中下游干旱台风梅花日本核辐射气象舆情监测对气候的影响极端天气频

35、发，有多少是人为之祸？公众对气象部门的气象服务有了全新的期待。依托数据中心与云服务平台，拓尔思大数据管理系统还原热点气象事件引发的网络舆情，总结气象部门应对气象危机的得失，为气象部门开拓气象服务新领域、提升气象服务水平提供参考。中国气象局大数据管理资料来源：北京拓尔思公司(理解大数据，实践大数据)气象信息月度走势图年度热门气象事件排行榜全国气象舆情热度概览气象口碑媒体分布图中国气象局大数据管理借助数据中心的大数据与云服务平台，拓尔思大数据管理系统为气象局提供了全面的多维度分析。资料来源：北京拓尔思公司(理解大数据，实践大数据原生大数据开发 原生数字资源被普遍认为是在产生之初无相同物理替代形态的

36、数字信息。由于 原生数字资源 没有其他的存储形式，原生大数据的开发、采集、组织和保存工作更需得到图书馆重视。OCLC对于原生数字资源的分类有：数码照片、数字文档、网络存档、数字手稿、电子记录、静态数据集、动态数据、数字艺术、数字媒体出版物。原生大数据开发1、数码照片使用数码相机拍摄的数码照片是增长最快的一种原生数据。保存的重点在于将其以当前的主流形式拷贝在同时时期的可持久使用的媒介上。为保护照片的完整和原始，还要注意色彩空间与压缩。2、数字文档如今基本所有的文档文件都是以数字形式创建的。是否保持其纸本或数字形式是一个基本而又重要的问题。以创建文档的软件区分这些数字文档，继续保留如PDF等标准格

37、式的文档。原生大数据开发3、网站存档机构可以自己通过互联网捕捉网络快照，以获得集中的存档：国家图书馆可以对该国的网站进行存档；大学可以对某领域内容进行存档。这些档案可能集中于某一特定主题或事件。可以将这些档案以ISO标准WARC文件格式保存；可以通过互联网档案的开源开发工具来抓取和访问内容。原生大数据开发4、数字手稿可向手稿提供者推荐修改、组织、命名文件的方法和保存文件的格式与媒介。大多数收集来的手稿只需稍作处理以保障内容即可。只有极少数作者的手稿值得进行仿真重建以作收藏。5、电子记录这类记录包括政府文件和公司、机构、组织档案。这类数据多处于文字处理格式的资料中，包括电子邮件、数据库、电子表格

38、、说明和其他类型的文件。由于其中一些只能通过专用软件读取，所以最好能从专有格式中将其抽取出来。原生大数据开发6、静态数据集静态数据集是建立在研究过程中，并且是未来研究的基础。但静态数据集的创建往往没有考虑保存和以后访问的问题，一些数据集需要特殊的软件和文件才能使用。因此，样品的性质、收集数据的方法、软件的使用等背景信息都应予以保留。7、动态数据动态数据是指在系统应用中随时间变化而改变的数据，例如社交网络上的大量社会信息。可以通过建立动态数据中心和自动化管理平台，进行基于分布式数据库的即时管理。原生大数据开发8、数字艺术数字艺术可以是数字摄影等简单形式，也可以是混合媒介的、动态的、更为复杂的形式

39、。9、数字媒体出版物它们定期以数字形式发表。如音乐、电影、视频和游戏等商业出版物可以被放入其它可替代的媒介中。对于一些类似早期电影的已经失去商业价值的内容，由于版权和许可问题，图书馆很难采取行动防止其在老化和衰减过程中流失。特藏大数据管理 大数据环境下，一个图书馆没有必要也不可能将它的全部馆藏数字化。但图书馆必须将优先对在某一方面形成了一定规模的、结构比较完整的文献资源特别是原生信息资源，进行有系统、有组织地开发整理，以真正发挥数字图书馆的规模效益。例如美国国会图书馆的“美国记忆”项目，收集整理了照片、手稿、海报、乐谱、地图、录音、动态图像等记载美国历史文化的特藏。特藏大数据管理 OCLC于2

40、010年11月发布的调查结果显示，馆藏空间、原生资源和数字化问题是馆藏大数据管理的三大最具挑战性的问题。经过长时间的努力，仍有一半的档案收集不在线，用户需求仍然无法满足；虽然减少了许多积压，而几乎同样多的在继续增长；原生数字资源管理仍处于起步阶段。特藏大数据管理1、数字化 完善大规模特色馆藏数字化模式，包括选择合适的资源、安全保护与操作、创建可持续元数据等；确定要数字化的不可多得的好书的范围，挑出那些有开放存取许可的；确定完成合作项目主体的最重要的差距所在。特藏大数据管理2、原生数字档案资料 定义原生数字档案资料的特征，作为“特色馆藏”的重要依据；制定一套合理的基本步骤和一个长期计划，管理原生

41、数字档案资料；为原生数字档案资料的选择、管理和保存开发使用案例和成本模型。特藏大数据管理3、馆藏 确定限制合作馆藏发展的障碍，将关键特色和预期效果有效结合；风险性资料4、人员5、长期保存向业务流程上游移动数字图书馆参与业务大循环与数据供应商合作与出版合作与企业合作我高兴看到：CALIS启动科学数据项目，中国科技信息研究所启动科技报告项目，国家图书馆启动国家记忆项目。我希望国家加大对这些项目的支持力度。通过探索，积累经验，为图书馆迎接大数据时代做出贡献！11/26/2012本演讲参考了国内外作者的著作，特此致谢！1 Big Data ：The Next Frontier for Innovati

42、on,Competition,andProductive,McKinsey Global Institute,2011.52 Big Data for Development:Challenges&Opportunities,UN GlobalPulse,2012.53Digital Government:Building a 21st Century Platform to Better Servethe American People,the office of Management and Budger,2012.54 Obama Administration Unveils “Big

43、Data”Initiative:Announces$200Million in New R&DInvestments,Executive Office of the President,2012.35 Big Data Across the Federal Government,Executive Office of thePresident,2012.36BigData,BigImpact:NewPossibilitiesforInternationalDevelopment,2012 World Economic Forum7 Clouds,big data,and smart asset

44、s:Ten tech-enabled business trendsto watch,McKinsey Global Institute,2010.88 Question for your HR chief:Are we using our people data to createvalue?,2011.39 Data,data,everywhere A special report on managinginformation,The Economist,2010.210 The Fourth Paradigm -Data-Intensive Scientific Discovery,Mi

45、crosoft,2009.1011 http:/en.wikipedia.org/wiki/Big_data12 http:/ http:/ 变身大数据“富矿”阿里巴巴、腾讯全面布局,温婷,上海证券报/2012年/7月/11日/第F09版17 魏浩.在图书馆信息门户中管理非结构化数据.J图书馆学刊.2005(01)：81-8318 张勇，朝乐门，邢春晓，张铭，王文清，张健.新一代数字图书馆应用支撑平台的研究与开发.J现代图书情报技术.2011(06)：5-1319 杨代庆，张智雄.基于Hadoop的海量共现矩阵生成方法.J图书情报工作.2009(04)：305-30920王亚民，刘学胜.基于H

46、adoop平台的数字图书馆研究J图书情报工作.2011(S2)：305-30921数据处理技术正在改变计算机的运行模式EB/OL.2012-11-11.http:/ AFCEA.2012.AFCEA Bethesda Presents:Big Data TechnologySymposium.NW,Washington,DC:White Paper Compilation.23 陈戈.冲破大数据藩篱重塑统一存储N中国计算机报.2012-6-18(028).24 王斌.数据挖掘在高校图书馆服务中的应用研究D西安理工大学.2010(12)：27-28.25 戴弘宁，文贵华，丁月华，范崇贵.非结构化数据的可视化编辑系统J计算机应用研究.2003(06)：75-76.26 Ricky Erway.2010.Demystifying Born Digital.OCLCResearch.27 Jackie M.Dooley，Katherine Luce.2010.Taking ourpulse:The OCLC Research survey of special collections andarchives.Dublin,Ohio:OCLC Research.28 曾湘琼.试论制约数字信息长期保存的软瓶颈J图书馆学研究.2005(12)：56-58.谢谢出席！