大数据环境下的多源异构知识融合算法探索与优化

"大数据下的多源异构知识融合算法研究" 在大数据环境下，多源异构知识融合是一种关键的技术，它能从各种分散且结构各异的数据源和知识源中提炼出隐藏的、有价值的信息和知识。这篇研究由张瑶、李蜀瑜和汤明发表在《计算机技术与发展》2017年9月刊上，主要关注当前知识融合方法的局限，并提出了一种新的融合算法。 研究指出，尽管现有的数据融合算法在一定程度上是成功的，但在面对大数据的复杂性时，它们可能无法有效地处理异构知识的融合问题。因此，作者们深入研究了大数据环境下的知识融合方法，将已有数据融合技术进行改造，将其应用到知识融合领域，设计出了一种适用于大数据环境的多源异构知识融合算法。 为了提升获取知识的质量，他们还引入了知识源粒度的动态选择策略。粒度是指数据或知识的细化程度，选择合适的粒度可以确保融合过程的效率和精度。通过一种改进的知识源分解与合并方法，他们能够根据需要动态调整知识源的粒度，从而得到更精确且可靠的融合结果。 实验是在基于Hadoop和MapReduce框架搭建的平台上进行的，这二者是大数据处理的常用工具。实验结果证实了所提出的融合算法的有效性和可行性，它不仅能够成功地融合多源异构知识，还能显著提升融合算法的性能。 该研究的关键贡献在于提供了一种适应大数据环境的融合策略，这对于处理大规模、复杂、多样的数据源和知识源具有重要意义。这种算法可以广泛应用于知识发现、数据分析、决策支持等多个领域，对于提升大数据分析的效率和准确性有着积极作用。 关键词涵盖了大数据、多源异构知识、知识融合以及融合算法，这些都揭示了该研究的核心内容。文章的中图分类号和文献标识码则表明了它在计算机科学领域的专业定位，而doi（数字对象唯一标识符）则为后续的引用和追踪提供了方便。 这篇研究为大数据环境下的知识融合提供了一个创新的解决方案，通过结合数据融合技术和知识源粒度的动态管理，提高了知识提取的效率和质量。这一成果对于推动大数据分析技术的发展具有重要的理论和实践价值。