前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇大數(shù)據(jù)時(shí)代的優(yōu)缺點(diǎn)范文，相信會(huì)為您的寫作帶來(lái)幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

大數(shù)據(jù)時(shí)代的優(yōu)缺點(diǎn)范文第1篇

關(guān)鍵詞:大數(shù)據(jù);高校;教育管理;創(chuàng)新

我國(guó)的高校一直都是為我國(guó)培養(yǎng)各類高精尖人才的搖籃，并且也一直是我國(guó)科技人文方面的弄潮者、帶頭人。如今我國(guó)進(jìn)入了大數(shù)據(jù)時(shí)代，大數(shù)據(jù)時(shí)代是一個(gè)信息爆炸的時(shí)代，在這樣的時(shí)代當(dāng)中利與弊都是相當(dāng)明顯的，一方面大數(shù)據(jù)時(shí)代的到來(lái)可以讓學(xué)校在教育管理方面變得更加輕松利用互聯(lián)網(wǎng)就可以完成許多以往極為繁瑣的問(wèn)題，并且無(wú)論是在學(xué)校與學(xué)校之間的溝通交流還是學(xué)校與學(xué)生之間的溝通交流都會(huì)變得極為便利。但另一方面大數(shù)據(jù)時(shí)代的來(lái)臨也是高校對(duì)于自身教育管理模式不得不做出新的審視，從而對(duì)高校教育管理進(jìn)行創(chuàng)新。今天我們就來(lái)談一談關(guān)于大數(shù)據(jù)時(shí)代下高校教育管理創(chuàng)新的相關(guān)問(wèn)題。

一、大數(shù)據(jù)時(shí)代對(duì)高校教育管理的創(chuàng)新

(一)大數(shù)據(jù)時(shí)代對(duì)高校教育管理的理念與思維進(jìn)行創(chuàng)新

在傳統(tǒng)的教育模式當(dāng)中教材的制定通常都是少數(shù)教師經(jīng)過(guò)自身的教學(xué)經(jīng)驗(yàn)對(duì)教材進(jìn)行較為主觀的制定，就算其本身有著調(diào)研程序的存在，但是也是具有極大局限性的，無(wú)法完整且真實(shí)的反應(yīng)全國(guó)教育效果的數(shù)據(jù)統(tǒng)計(jì)出來(lái)，因此傳統(tǒng)模式下，教材的制定是具有很大局限性的。大數(shù)據(jù)時(shí)代的來(lái)臨則徹底改變了這樣的情況，首先在大數(shù)據(jù)時(shí)代當(dāng)中我們通過(guò)高效的網(wǎng)絡(luò)調(diào)查與統(tǒng)計(jì)可以極為迅速的將現(xiàn)有的教材當(dāng)中，哪一部分是讓學(xué)生喜歡的具有良好教學(xué)效果的，哪一部分又是學(xué)生不喜歡的，通過(guò)這樣的方式我們就可以在最短的時(shí)間內(nèi)找出教材當(dāng)中的優(yōu)點(diǎn)和缺點(diǎn)，這些優(yōu)缺點(diǎn)往往都是較為客觀的并不帶有太多的主觀意識(shí)。其實(shí)大數(shù)據(jù)對(duì)于教材編寫的影響僅僅是大數(shù)據(jù)對(duì)于高校教育管理影響的一個(gè)側(cè)面，無(wú)論是對(duì)于學(xué)生經(jīng)常進(jìn)入的誤區(qū)統(tǒng)計(jì)，還是對(duì)于各個(gè)教室教育效果的統(tǒng)計(jì)，都在對(duì)整個(gè)教育管理的理念與思維進(jìn)行著根本的改變。

(二)大數(shù)據(jù)時(shí)代對(duì)高校教育模式進(jìn)行了創(chuàng)新

在傳統(tǒng)的高校教學(xué)當(dāng)中盡管大部分高校課程都是開(kāi)放式，可以讓非本專業(yè)的學(xué)生進(jìn)行旁聽(tīng)，但是這種模式卻依舊使得教學(xué)資源較為集中化，一個(gè)高校的教育資源僅僅能集中在其高校本身而無(wú)法向其他高校擴(kuò)散。但是在大數(shù)據(jù)時(shí)代，這種集中化的教學(xué)模式將得以根本性的改變，教師可以通過(guò)互聯(lián)網(wǎng)將自己的課程上傳到網(wǎng)絡(luò)當(dāng)中讓學(xué)生在網(wǎng)絡(luò)中聽(tīng)課，一方面可以讓學(xué)生反復(fù)的聽(tīng)課以加深印象和掌握其中的重點(diǎn)，另一方面這種網(wǎng)絡(luò)化教學(xué)所面對(duì)的受眾是更為廣泛的，無(wú)論是高校內(nèi)在讀的學(xué)生還是其他高校的學(xué)生乃至社會(huì)人員都可以進(jìn)行聽(tīng)課，從而使得高校教育不再僅僅限于其一所大學(xué)之內(nèi)，如今這樣的網(wǎng)絡(luò)化教學(xué)模式實(shí)際上已經(jīng)悄然來(lái)到，例如目前最為流行的MOOC，MOOC集中了優(yōu)質(zhì)的教學(xué)資源使學(xué)生無(wú)論身在哪一個(gè)大學(xué)內(nèi)都能享受到頂級(jí)大學(xué)的教學(xué)資源。MOOC對(duì)于我國(guó)的教學(xué)資源不均衡現(xiàn)象有著很好的改善，它除了具有其他在線課程教學(xué)所具備的優(yōu)點(diǎn)之外還具備著一些其獨(dú)特的優(yōu)點(diǎn)。其實(shí)這種在大數(shù)據(jù)時(shí)代下所產(chǎn)生的網(wǎng)絡(luò)教學(xué)模式都與高校教育管理的影響也是十分深遠(yuǎn)的，使得其不僅需要對(duì)傳統(tǒng)的課堂教學(xué)進(jìn)行管理，其同樣需要將精力放在網(wǎng)絡(luò)教學(xué)方面，以保證其整體的良好教學(xué)效果。

(三)大數(shù)據(jù)時(shí)代對(duì)高校教育的評(píng)價(jià)模式進(jìn)行了創(chuàng)新

在教育評(píng)價(jià)中利用大數(shù)據(jù)進(jìn)行分析，運(yùn)用技術(shù)層面來(lái)對(duì)于教學(xué)進(jìn)行評(píng)價(jià)與分析從而對(duì)整體的教育綜合質(zhì)量進(jìn)行提升。大數(shù)據(jù)時(shí)代的到來(lái)使得其對(duì)于教育的評(píng)價(jià)不在局限于主觀的臆斷和個(gè)人的經(jīng)驗(yàn)之談而是變?yōu)榱艘环N具有數(shù)據(jù)支撐的客觀評(píng)價(jià)，其可以通過(guò)在各類教學(xué)平臺(tái)上學(xué)生對(duì)于各個(gè)導(dǎo)師課程的點(diǎn)擊量進(jìn)行統(tǒng)計(jì)也可以活躍度調(diào)查來(lái)對(duì)整個(gè)教育評(píng)價(jià)進(jìn)行數(shù)據(jù)支持。

二、大數(shù)據(jù)時(shí)代下高校教育管理的發(fā)展趨勢(shì)

(一)增加高校教育管理的預(yù)知性

未卜先知或許聽(tīng)起來(lái)是較為玄幻的一種說(shuō)法，但是這種說(shuō)法在未來(lái)的大數(shù)據(jù)時(shí)代當(dāng)中卻變得越來(lái)越有依據(jù)和底氣。我們通過(guò)對(duì)大數(shù)據(jù)的分析可以對(duì)任何事物的未來(lái)進(jìn)行一個(gè)較為客觀的判斷，雖然這個(gè)判斷未必是百分之百正確的，但是這樣的可能性卻是極高的。對(duì)于高校教育管理員其實(shí)也是如此，高?？梢酝ㄟ^(guò)對(duì)學(xué)生與教師各類日常生活活動(dòng)以及教育活動(dòng)的數(shù)據(jù)分析找到學(xué)生目前所普遍存在的問(wèn)題，這里包括了在教學(xué)活動(dòng)中和生活中的問(wèn)題，并且也可以對(duì)未來(lái)這些問(wèn)題的發(fā)展趨勢(shì)做出一個(gè)較為合理的判斷，其整個(gè)過(guò)程都是有著各類數(shù)據(jù)作為支撐的，因此其準(zhǔn)確性還是能夠有所保證的。大數(shù)據(jù)的預(yù)知性在未來(lái)必然會(huì)在高校的教育管理當(dāng)中被越來(lái)越多的應(yīng)用。

(二)高校教育管理將要求教師需要一定的數(shù)據(jù)分析能力

在未來(lái)的教學(xué)活動(dòng)當(dāng)中高校教師不僅需要優(yōu)秀的教學(xué)能力，其還必須擁有一定的數(shù)據(jù)分析能力，因?yàn)樵谖磥?lái)擺在教師面前的不僅僅是一個(gè)個(gè)的課程方面的難點(diǎn)重點(diǎn)，還包括了各類學(xué)生的數(shù)據(jù)信息，教師必須通過(guò)對(duì)于這些數(shù)據(jù)的分析來(lái)得出在未來(lái)的教學(xué)活動(dòng)當(dāng)中應(yīng)當(dāng)側(cè)重于哪里，又將精簡(jiǎn)于哪里，從而使得其教學(xué)更加具有效率和實(shí)用性。

三、結(jié)束語(yǔ)

大數(shù)據(jù)時(shí)代的到來(lái)對(duì)于高校教育管理工作帶來(lái)影響是一個(gè)必然的存在，并且在未來(lái)高校的教育管理模式必然也會(huì)以創(chuàng)新作為出路，只有在教育管理方面進(jìn)行創(chuàng)新才可以使得高校的教育更加具有效率，也更加能夠使得其培養(yǎng)出的人才對(duì)社會(huì)更加有益。

參考文獻(xiàn):

［1］中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心．第34次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告［R］．2014．

［2］教育部．教育信息化十年發(fā)展規(guī)劃(2011－2020年)［Z］．2012．

大數(shù)據(jù)時(shí)代的優(yōu)缺點(diǎn)范文第2篇

[關(guān)鍵詞]大數(shù)據(jù)；信息技術(shù)；數(shù)據(jù)處理

[中圖分類號(hào)]TP274[文獻(xiàn)標(biāo)識(shí)碼]A

20世紀(jì)中葉計(jì)算機(jī)的誕生標(biāo)志著電子時(shí)代正式開(kāi)始，從此人類社會(huì)開(kāi)始生產(chǎn)并存儲(chǔ)各類型的數(shù)據(jù)。經(jīng)過(guò)數(shù)次計(jì)算機(jī)技術(shù)革命，單位面積所能存儲(chǔ)的數(shù)據(jù)量大大提高。近年來(lái)，由于WEB2.0應(yīng)用的全面爆發(fā)，網(wǎng)絡(luò)參與者同時(shí)也成了網(wǎng)絡(luò)信息的制造者，由WEB2.0帶來(lái)的大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)開(kāi)始呈現(xiàn)出幾何增長(zhǎng)。因此，麥肯錫公司在2011年的報(bào)告《Big Data：the Next Frontier for Innovation》[1]中，對(duì)這種密集型數(shù)據(jù)爆炸的現(xiàn)象成為“大數(shù)據(jù)”時(shí)代的到來(lái)。

1大數(shù)據(jù)的概念

大數(shù)據(jù)的概念并不是憑空出現(xiàn)的，它的前身是海量數(shù)據(jù)。但兩者之間有所區(qū)別。海量數(shù)據(jù)強(qiáng)調(diào)了數(shù)據(jù)量的規(guī)模之大，并沒(méi)有對(duì)其特性進(jìn)行定義。而大數(shù)據(jù)的概念包含了大數(shù)據(jù)的體積、傳播速率、特征等內(nèi)容。雖然截至目前還沒(méi)有對(duì)大數(shù)據(jù)有統(tǒng)一的定義，但被廣泛接受的定義為：大數(shù)據(jù)是無(wú)法在一定時(shí)間內(nèi)用通常的軟件工具進(jìn)行收集、分析、管理的大量數(shù)據(jù)的集合[2]。大數(shù)據(jù)的特點(diǎn)一般歸納為四點(diǎn)：一是數(shù)據(jù)總量大，目前大數(shù)據(jù)的最小單位一般被認(rèn)為是10～20TB的量級(jí)；二是數(shù)據(jù)類型多，包括了結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)；三是數(shù)據(jù)的價(jià)值密度很低；四是數(shù)據(jù)產(chǎn)生和處理的速度非?？臁＿@四個(gè)特點(diǎn)又被稱作大數(shù)據(jù)的4 V理念，即：Volume，Variety，Value，Velocity[3]。

2大數(shù)據(jù)的技術(shù)

依據(jù)大數(shù)據(jù)生命周期的不同階段，可以將與大數(shù)據(jù)處理相關(guān)的技術(shù)分為相應(yīng)的三個(gè)方面：

2.1大數(shù)據(jù)存儲(chǔ)

從海量數(shù)據(jù)時(shí)代開(kāi)始，大規(guī)模數(shù)據(jù)的長(zhǎng)期保存、數(shù)據(jù)遷移一直都是研究的重點(diǎn)。從20世紀(jì)90年代末至今，數(shù)據(jù)存儲(chǔ)始終是依據(jù)數(shù)據(jù)量大小的不斷變化和不斷優(yōu)化向前發(fā)展的。其中主要有：DAS（Direct Attached Storage），直接外掛存儲(chǔ)；NAS（Network Attached Storage），網(wǎng)絡(luò)附加存儲(chǔ)；SAN（Storage Area Network），存儲(chǔ)域網(wǎng)絡(luò)和SAN IP等存儲(chǔ)方式[4]。這幾種存儲(chǔ)方式雖然是不同時(shí)代的產(chǎn)物，但各自的優(yōu)缺點(diǎn)都十分鮮明，數(shù)據(jù)中心往往是根據(jù)自身的服務(wù)器數(shù)量和要處理的數(shù)據(jù)對(duì)象進(jìn)行選擇。

此外，這兩年數(shù)據(jù)存儲(chǔ)的虛擬化從研究走向現(xiàn)實(shí)。所謂虛擬化，就是將原有的服務(wù)器進(jìn)行軟件虛擬化，將其劃分為若干個(gè)獨(dú)立的服務(wù)空間，如此可以在一臺(tái)服務(wù)器上提供多種存儲(chǔ)服務(wù)，大大提高了存儲(chǔ)效率，節(jié)約存儲(chǔ)成本，是異構(gòu)數(shù)據(jù)平臺(tái)的最佳選擇。從技術(shù)角度來(lái)講，虛擬化可以分為存儲(chǔ)虛擬化和網(wǎng)絡(luò)虛擬化，網(wǎng)絡(luò)虛擬化是存儲(chǔ)虛擬化的輔助，能夠大幅度提升數(shù)據(jù)中心的網(wǎng)絡(luò)利用率和傳輸速率。目前IBM、浪潮、思科等公司紛紛發(fā)力虛擬化市場(chǎng)，可以預(yù)見(jiàn)虛擬化會(huì)成為未來(lái)大數(shù)據(jù)存儲(chǔ)的一個(gè)主流技術(shù)。

2.2大數(shù)據(jù)挖掘

在大數(shù)據(jù)的處理技術(shù)中，超大規(guī)模的數(shù)據(jù)挖掘一直是難點(diǎn)，也是重點(diǎn)。面對(duì)上百TB，甚至PB級(jí)別的異構(gòu)數(shù)據(jù)，常規(guī)的處理工具往往難以擔(dān)當(dāng)重任。需要考慮到的是大數(shù)據(jù)是個(gè)不斷生長(zhǎng)的有機(jī)體，因此在挖掘過(guò)程中還要考慮到未來(lái)數(shù)據(jù)繼續(xù)增長(zhǎng)所帶來(lái)的影響。

因此，大數(shù)據(jù)的挖掘需要采用分布式挖掘和云計(jì)算技術(shù)。Google公司一直是分布式挖掘技術(shù)的領(lǐng)導(dǎo)者，它研發(fā)了MapReduce分布式挖掘工具[5]，英特爾公司在此基礎(chǔ)上開(kāi)發(fā)了Hadoop分布式挖掘工具。這兩個(gè)工具都具有高效、高擴(kuò)展、高可靠性和高容錯(cuò)率的特點(diǎn)，并提供免費(fèi)版本，適用于各種類型的大數(shù)據(jù)挖掘。

2.3大數(shù)據(jù)分析

從內(nèi)容來(lái)說(shuō)，大數(shù)據(jù)的分析分為技術(shù)和方法兩種類型。從技術(shù)上講，主要是分布式的數(shù)據(jù)分析和非結(jié)構(gòu)化數(shù)據(jù)處理等。從方法上講，主要是利用常用的數(shù)理統(tǒng)計(jì)方法來(lái)進(jìn)行數(shù)據(jù)分析，例如使用可視化的數(shù)據(jù)分析工具。但兩者是一個(gè)有機(jī)的整體。大數(shù)據(jù)處理的最終目的是為了將數(shù)據(jù)之間的關(guān)系以可視化的方式呈現(xiàn)在用戶面前，包括了處理的全部過(guò)程和展現(xiàn)的過(guò)程。在數(shù)據(jù)分析過(guò)程中，不僅僅是需要計(jì)算機(jī)進(jìn)行自動(dòng)化的分析，更需要人工進(jìn)行數(shù)據(jù)選擇和參數(shù)的設(shè)定，兩個(gè)是辯證的關(guān)系。

隨著大數(shù)據(jù)行業(yè)的興起，產(chǎn)生了一個(gè)新的職業(yè)，被稱作數(shù)據(jù)科學(xué)，而從事該行業(yè)的人員被稱作數(shù)據(jù)科學(xué)家。這類科學(xué)家的一個(gè)特點(diǎn)就是能夠藝術(shù)性地將數(shù)據(jù)進(jìn)行可視化分析，簡(jiǎn)單明了而且能夠展現(xiàn)出數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。

3大數(shù)據(jù)的應(yīng)用

麥肯錫在大數(shù)據(jù)的研究報(bào)告中指出，大數(shù)據(jù)的應(yīng)用已經(jīng)滲透到每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，逐漸成為了重要的生產(chǎn)因素[6]。按照專業(yè)領(lǐng)域劃分，信息技術(shù)、互聯(lián)網(wǎng)行業(yè)、商業(yè)、遙感探測(cè)已經(jīng)開(kāi)始應(yīng)用大數(shù)據(jù)技術(shù)來(lái)進(jìn)行研究和生產(chǎn)效益；生物信息技術(shù)、科研情報(bào)所、圖書情報(bào)領(lǐng)域已經(jīng)對(duì)大數(shù)據(jù)展開(kāi)了研究，并進(jìn)行了規(guī)劃；其他專業(yè)和行業(yè)對(duì)大數(shù)據(jù)可能仍處于了解階段，但大數(shù)據(jù)的浪潮很快就會(huì)波及大部分的行業(yè)領(lǐng)域。

從大數(shù)據(jù)的應(yīng)用效果來(lái)看，總體趨勢(shì)與上述的三類專業(yè)呈現(xiàn)出一致性。百度、淘寶等公司作為信息技術(shù)、互聯(lián)網(wǎng)和商業(yè)領(lǐng)域的杰出代表，已經(jīng)對(duì)大數(shù)據(jù)開(kāi)始了深度應(yīng)用，馬云在卸任阿里巴巴CEO時(shí)更是闡述了大數(shù)據(jù)時(shí)代將改變互聯(lián)網(wǎng)商業(yè)的面貌，誰(shuí)提前開(kāi)始大數(shù)據(jù)的應(yīng)用，就可以獲得未來(lái)行業(yè)發(fā)展的優(yōu)勢(shì)。大數(shù)據(jù)的普及需要一個(gè)過(guò)程，首先從重點(diǎn)應(yīng)用行業(yè)開(kāi)始，例如信息技術(shù)領(lǐng)域行業(yè)，逐漸擴(kuò)展到其他行業(yè)。美國(guó)已經(jīng)由白宮頒布了大數(shù)據(jù)開(kāi)發(fā)與利用的國(guó)家級(jí)戰(zhàn)略，由美國(guó)國(guó)防部和國(guó)土安全局牽頭開(kāi)展全面推廣大數(shù)據(jù)的應(yīng)用。我國(guó)目前對(duì)大數(shù)據(jù)的研究并不多，應(yīng)用更是缺乏。如果要推動(dòng)大數(shù)據(jù)的應(yīng)用，應(yīng)當(dāng)由國(guó)家層面進(jìn)行大數(shù)據(jù)的平臺(tái)建設(shè)。在今年的國(guó)家自然科學(xué)基金和社會(huì)科學(xué)基金的課題指南中，已經(jīng)提出了很多設(shè)計(jì)大數(shù)據(jù)的課題，相信在未來(lái)幾年內(nèi)國(guó)家會(huì)對(duì)大數(shù)據(jù)的研究、開(kāi)發(fā)與利用提供政策和資金支持。

總而言之，大數(shù)據(jù)的技術(shù)與應(yīng)用還是處于起步階段，其應(yīng)用的前景不可估量。各個(gè)行業(yè)應(yīng)當(dāng)把握時(shí)代脈搏，充分認(rèn)識(shí)到大數(shù)據(jù)所能帶來(lái)的革命性改變，只有這樣才能夠保持創(chuàng)新與進(jìn)步，從而站在行業(yè)的最前沿。

參考文獻(xiàn)：

[1]Manyika J，McKinsey Global Insti？ tute，Chui M，et al. Big data： The next fron？ tier for innovation，competition，and produc？ tivity[M]. McKinsey Global Institute，2011.

[2]盧勝軍，王忠軍，栗琳.賽博空間與大數(shù)據(jù)雙重視角下的錢學(xué)森情報(bào)思想[J].情報(bào)理論與實(shí)踐，2013，36（004）： 1-5.

[3]Hirt C W，Nichols B D. Volume of fluid（VOF）method for the dynamics of free boundaries[J].Journalofcomputational physics，1981，39（1）： 201-225.

[4]Chirillo J，Blaul S. Storage Security： Protecting，SANs，NAS and DAS[M].John Wiley & Sons，Inc.，2002.

[5]Dean J，Ghemawat S. MapReduce： simplified data processing on large clusters[J]. Communications of the ACM，2008，51（1）： 107-113.

[6]鄭玲微.大步跨入“大數(shù)據(jù)”時(shí)代[J].信息化建設(shè)，2013（1）.

大數(shù)據(jù)時(shí)代的優(yōu)缺點(diǎn)范文第3篇

在社會(huì)城市化、產(chǎn)業(yè)聚集化、數(shù)據(jù)資源化、生態(tài)全球化的今天，城市競(jìng)爭(zhēng)成為各地區(qū)的必修課題。作為中國(guó)西部開(kāi)發(fā)的重要代表城市，雖然在生態(tài)文明建設(shè)和大數(shù)據(jù)發(fā)展上搶占了鰲頭，在城市形象塑造與傳播上卻顯得分外薄弱?，F(xiàn)有的形象是什么？形象傳播得又如何？現(xiàn)存的策略有哪些優(yōu)缺點(diǎn)？本文將試分析大數(shù)據(jù)+生態(tài)文明城市形象塑造與傳播的大致情況，以供參考。

關(guān)鍵詞：

城市形象塑造與傳播；整合營(yíng)銷傳播；新媒體；大數(shù)據(jù)；生態(tài)文明

21世紀(jì)大眾傳媒的發(fā)展使得整合營(yíng)銷傳播成為傳播業(yè)界的慣用手段，而從2009年新浪微博的出現(xiàn)，到2011年微信的誕生，新媒體時(shí)代的微傳播成為炙手可熱的傳播新趨勢(shì)。近五年以來(lái)，通過(guò)發(fā)展大數(shù)據(jù)產(chǎn)業(yè)和生態(tài)文明，城市形象塑造與傳播取得了一定的成果，但不足之處也非常明顯。本文將分析現(xiàn)有營(yíng)銷策略，為城市形象塑造與傳播理論的研究添磚加瓦。2014年，環(huán)境空氣質(zhì)量?jī)?yōu)良天數(shù)為314d，優(yōu)良率為86.0%，森林覆蓋率達(dá)到45%，人均公共綠地面積達(dá)11.2m2。①在此條件下，大力發(fā)展生態(tài)文明和大數(shù)據(jù)產(chǎn)業(yè)，將城市形象塑造與傳播的訴求點(diǎn)放在了“生態(tài)資源”和“互聯(lián)網(wǎng)+”上?！笆濉逼陂g，累計(jì)旅游接待3.19億人次，旅游總收入3858.65億元，較“十一五”分別增長(zhǎng)127%和245%。②

營(yíng)銷手段和傳播渠道缺乏創(chuàng)新性和多樣性：①營(yíng)銷對(duì)象定位不準(zhǔn)，受眾細(xì)分不足。沒(méi)有準(zhǔn)確定位目標(biāo)人群，導(dǎo)致了拳拳出擊，次次不中的現(xiàn)象。②營(yíng)銷手段陳舊，模式單一化。除去傳統(tǒng)的新聞媒體發(fā)稿，雖然政府也通過(guò)召開(kāi)了各類發(fā)展研討會(huì)、論壇等，但會(huì)議本身缺乏主動(dòng)性，很難長(zhǎng)期形成影響力。③傳播渠道過(guò)窄，忽視新媒體影響力。陷入了與時(shí)代脫節(jié)的泥淖。很多宣傳只坐在紙媒和電視媒體上，沒(méi)有做到全媒體覆蓋傳播渠道和目標(biāo)受眾接收渠道產(chǎn)生了偏差。怎樣在有限的資源里實(shí)現(xiàn)后發(fā)趕超，是這類偏遠(yuǎn)地區(qū)城市亟待解決的問(wèn)題。通過(guò)分析的城市形象塑造與傳播策略，了解在城市形象塑造與傳播上出現(xiàn)的問(wèn)題以及上訴成功案例的經(jīng)驗(yàn)總結(jié)，我大體得出以下幾點(diǎn)體會(huì)：

1準(zhǔn)確城市定位，明確目標(biāo)

受眾城市正是由人為所打造的某種兼具實(shí)體功能和精神服務(wù)的產(chǎn)品，當(dāng)然也需要有自己的受眾群，自己的營(yíng)銷對(duì)象。根據(jù)的現(xiàn)有營(yíng)銷策略分析，應(yīng)該在現(xiàn)有營(yíng)銷成果的基礎(chǔ)上，積極分析，認(rèn)真細(xì)分市場(chǎng)，重新分配城市的營(yíng)銷策略。

2擊中傳播訴求，做好城市產(chǎn)品

中醫(yī)講究對(duì)癥下藥，對(duì)于城市形象的傳播也是這樣。只有弄懂了受眾想要什么，才能給他什么。擁有很多特色資源，這個(gè)時(shí)候，我們應(yīng)該深入分析受眾需求，幫助他們挑選適合他們的訴求點(diǎn)，對(duì)癥下藥，一針見(jiàn)血。

3跟上媒介步伐，更新傳播渠道

現(xiàn)今新媒體大行其道，傳播方法日新月異，消費(fèi)者從哪里接收，我們就應(yīng)該在哪里宣傳。未來(lái)的五年，將是中國(guó)移動(dòng)互聯(lián)網(wǎng)井噴式發(fā)展的五年?，F(xiàn)在迎頭趕上還為時(shí)不晚。傳統(tǒng)媒體，甚至過(guò)去的“兩微一端”已經(jīng)不能滿足需求。年輕人們正以光速更新?lián)Q代他們的信息接收渠道。以傳統(tǒng)媒體、新媒體和公關(guān)活動(dòng)混合形成的3D全媒體營(yíng)銷將成為傳播的主流。

4大膽創(chuàng)新手段，開(kāi)啟“后受眾時(shí)代”

受眾時(shí)代的營(yíng)銷都如同計(jì)劃經(jīng)濟(jì)，先調(diào)查清楚受眾喜歡什么，需要什么，再根據(jù)受眾的需要來(lái)生產(chǎn)產(chǎn)品。而現(xiàn)在，創(chuàng)造需求，引導(dǎo)需求，教授需求才是發(fā)展主流。不管是引導(dǎo)人們生態(tài)、綠色的生活方式，還是用大數(shù)據(jù)提供未來(lái)產(chǎn)業(yè)發(fā)展的新基礎(chǔ)，都需要“后受眾時(shí)代”。所做的事情是走在受眾需求的前面，發(fā)掘受眾內(nèi)心渴望。受眾，訴求，資源，渠道。這些可能還遠(yuǎn)遠(yuǎn)不足以概括當(dāng)今城市形象塑造與發(fā)展。更多的變化在不斷產(chǎn)生，每一秒都有新的變化。我們只有保持求知的心態(tài)，嚴(yán)謹(jǐn)?shù)膽B(tài)度和大膽的創(chuàng)新，才能把握時(shí)代脈搏，讓城市形象煥發(fā)光彩。

參考文獻(xiàn)：

[1]陳喜波.城市形象與城市形象學(xué)[J].城市問(wèn)題，2001（6）：46~48．

[2][美]菲利普•科特勒.俞利軍，江春，譯.國(guó)家營(yíng)銷：創(chuàng)建國(guó)家財(cái)富的戰(zhàn)略方法[M].北京：華夏出版社，2001.

[3]康宇航，王續(xù).城市形象塑造與傳播的市場(chǎng)細(xì)分[J].城市問(wèn)題，2003.

大數(shù)據(jù)時(shí)代的優(yōu)缺點(diǎn)范文第4篇

關(guān)鍵詞：大數(shù)據(jù)；云計(jì)算；圖模型；數(shù)據(jù)處理

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2013）22-5002-02

1 概述

隨著產(chǎn)生數(shù)據(jù)的設(shè)備使用數(shù)量越來(lái)越多，使用范圍越來(lái)越廣，大量的非結(jié)構(gòu)化數(shù)據(jù)每秒鐘都被產(chǎn)生出來(lái)，比如視頻、照片、社交媒體評(píng)論以及網(wǎng)站評(píng)述等數(shù)據(jù)都是這樣的數(shù)據(jù)。這意味著越來(lái)越多的數(shù)據(jù)不能被存儲(chǔ)在預(yù)定義的結(jié)構(gòu)化表格中，相反，這類數(shù)據(jù)往往由形式自由的文本、日期、數(shù)字適時(shí)組成。某些數(shù)據(jù)源生成速度非?？?，甚至來(lái)不及分析就進(jìn)行存儲(chǔ)。這也是無(wú)法單純依靠傳統(tǒng)數(shù)據(jù)管理和分析工具來(lái)存儲(chǔ)、管理、處理和分析大數(shù)據(jù)的原因。為了從這些大數(shù)據(jù)中獲取和分析特定的需求信息，就需要對(duì)大數(shù)據(jù)的技術(shù)進(jìn)行研究。

2 大數(shù)據(jù)介紹

大數(shù)據(jù)近幾年來(lái)新出現(xiàn)的一個(gè)名詞，它相比傳統(tǒng)的數(shù)據(jù)描述，有自己的四個(gè)特性[1]，分別是：Volume（大的數(shù)據(jù)量）、Velocity（輸入和處理速度快）、Variety（數(shù)據(jù)多種多樣）、Veracity（真實(shí)有價(jià)值）。因此，大數(shù)據(jù)需要新的處理模式來(lái)取代傳統(tǒng)的數(shù)據(jù)處理方法，它同時(shí)包含數(shù)據(jù)量巨大和快速的處理速度兩層含義。

云計(jì)算是一種大數(shù)據(jù)的處理技術(shù)平臺(tái)，綜合了各種資源之后提供一些虛擬技術(shù)服務(wù)。這樣的方式可以很大程度降低用戶維護(hù)、處理、使用數(shù)據(jù)以及其他計(jì)算資源的成本。數(shù)據(jù)單位已不再是用GB，TB能夠滿足的描述需要，而是步入了PB級(jí)別的時(shí)代。傳統(tǒng)的數(shù)據(jù)存儲(chǔ)方式已經(jīng)不能滿足這些數(shù)據(jù)的存儲(chǔ)和處理，只有依托云平臺(tái)存儲(chǔ)技術(shù)的方式來(lái)解決這個(gè)當(dāng)前已經(jīng)面臨的問(wèn)題。

3 大數(shù)據(jù)技術(shù)分析

3.1 大數(shù)據(jù)的處理方式

大數(shù)據(jù)的處理方式大致分為數(shù)據(jù)流處理方式和批量數(shù)據(jù)處理方式兩種。

數(shù)據(jù)流處理的方式適合用于對(duì)實(shí)時(shí)性要求比較高的場(chǎng)合之中。并不需要等待所有的數(shù)據(jù)都有了之后再進(jìn)行處理，而是有一點(diǎn)數(shù)據(jù)就處理一點(diǎn)，更多地要求機(jī)器的處理器有較快速的性能以及擁有比較大的主存儲(chǔ)器容量，對(duì)輔助存儲(chǔ)器的要求反而不高。

批量數(shù)據(jù)處理方式是對(duì)整個(gè)要處理的數(shù)據(jù)進(jìn)行切割劃分成小的數(shù)據(jù)塊，之后對(duì)其進(jìn)行處理。重點(diǎn)在于把大化小——把劃分的小塊數(shù)據(jù)形成小任務(wù)分別單獨(dú)進(jìn)行處理，并且形成小任務(wù)的過(guò)程中不時(shí)進(jìn)行數(shù)據(jù)傳輸之后計(jì)算，而是將計(jì)算方法（通常是計(jì)算函數(shù)——映射并化簡(jiǎn)）作用到這些數(shù)據(jù)塊最終得到結(jié)果。

3.2 大數(shù)據(jù)技術(shù)模型

大數(shù)據(jù)的技術(shù)模型目前主要研究的是圖1的模型。

圖1是一種描述復(fù)雜關(guān)系的數(shù)據(jù)結(jié)構(gòu)，它并不像線性鏈表和樹(shù)那樣看上去結(jié)構(gòu)簡(jiǎn)單和清晰，但它能描述一些更為錯(cuò)綜復(fù)雜的層次和關(guān)系。對(duì)實(shí)際關(guān)系的描述使用范圍和頻率都更多更廣。采用一些數(shù)學(xué)方法和算法工具來(lái)對(duì)圖進(jìn)行處理，是處理大數(shù)據(jù)的一個(gè)前提。存儲(chǔ)圖結(jié)構(gòu)數(shù)據(jù)的時(shí)候一般選用鄰接矩陣或鄰接表的方式來(lái)進(jìn)行，這在數(shù)據(jù)結(jié)構(gòu)這門學(xué)科里面已經(jīng)有所研究。圖的兩個(gè)頂點(diǎn)之間用邊進(jìn)行連接，這個(gè)可以看作網(wǎng)絡(luò)結(jié)構(gòu)里面，相鄰兩個(gè)節(jié)點(diǎn)之間有傳輸消息的通路。一個(gè)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)對(duì)應(yīng)出來(lái)的也是復(fù)雜的圖結(jié)構(gòu)，處理的時(shí)候需要將該圖進(jìn)行分割處理，采用分而治之的辦法來(lái)解決問(wèn)題。

如果節(jié)點(diǎn)A和B之間的所有通路都被C阻塞了，就意味著C有向分割了A和B，即A和B在給定條件C時(shí)獨(dú)立。

這種方法就降低了條件限制的復(fù)雜性，有效地將問(wèn)題利用數(shù)學(xué)模型求解出來(lái)。

3.3 大數(shù)據(jù)處理系統(tǒng)應(yīng)用

開(kāi)源是現(xiàn)在很多大型國(guó)際IT公司倡導(dǎo)的服務(wù)方式，這個(gè)理念擁有很多擁護(hù)者。雖然它最初的出現(xiàn)和商業(yè)搭不上邊，但已為具有現(xiàn)展理念的國(guó)際大型商業(yè)IT公司所接受，他們所認(rèn)同的是面向服務(wù)的開(kāi)源，進(jìn)而出現(xiàn)了新的經(jīng)濟(jì)增長(zhǎng)方式。

目前有一些較為前沿的公司已經(jīng)研發(fā)開(kāi)源的大數(shù)據(jù)處理技術(shù)，比較典型的是推特研發(fā)的Storm系統(tǒng)和谷歌研發(fā)的MapReduce模型。前者是以數(shù)據(jù)流方式進(jìn)行數(shù)據(jù)處理而后者是采用批量數(shù)據(jù)的處理方式。

MapReduce是目前用得比較多的方法，其核心思想就是兩個(gè)步驟：Map和Reduce。Map過(guò)程就是一個(gè)映射過(guò)程，完成這一步之后再對(duì)其進(jìn)行Reduce過(guò)程處理，也即是精簡(jiǎn)的過(guò)程。最后將處理的最終結(jié)果進(jìn)行輸出。

3.4 大數(shù)據(jù)技術(shù)發(fā)展趨勢(shì)

傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)和新興的數(shù)據(jù)處理技術(shù)目前是并存狀態(tài)，它們之間將來(lái)會(huì)相互學(xué)習(xí)，相互滲透，相互影響，互相融合，最終形成對(duì)數(shù)據(jù)分析有利的格局，能夠更好地為大數(shù)據(jù)處理服務(wù)，從龐大巨量的數(shù)據(jù)當(dāng)中找到需要的數(shù)據(jù)并對(duì)之進(jìn)行處理、分析乃至決策。

4 結(jié)束語(yǔ)

大數(shù)據(jù)是當(dāng)今越來(lái)越多的數(shù)據(jù)源每分每秒不斷產(chǎn)生新數(shù)據(jù)后的一個(gè)產(chǎn)物，對(duì)他它的研究和利用是緊迫的事情。目前研究的一些大數(shù)據(jù)技術(shù)都有其優(yōu)缺點(diǎn)，技術(shù)種類也不是很多，還處于一個(gè)上升的階段。研究大數(shù)據(jù)的處理、分析、利用技術(shù)和方法，對(duì)今后這一分支的發(fā)展起到關(guān)鍵性的作用，對(duì)后來(lái)的科技產(chǎn)品乃至我們的日常生活都會(huì)帶來(lái)巨大的影響。

參考文獻(xiàn)：

[1] Grobelink M.Big-data computing： Creating revolutionary breakthroughs in commerce， science， and society[R/OL].2012.10.02. http：///eswc2012_grobelink_big_data/

[2] 戎翔，李玲娟.基于MapReduce的頻繁項(xiàng)集挖掘方法[J].西安郵電學(xué)院學(xué)報(bào)，2011（4）.

[3] 錢進(jìn)，苗奪謙，張澤華.云計(jì)算環(huán)境下知識(shí)約簡(jiǎn)算法[J].計(jì)算機(jī)學(xué)報(bào)，2011，34（12）：2332-2343.

大數(shù)據(jù)時(shí)代的優(yōu)缺點(diǎn)范文第5篇

關(guān)鍵詞：協(xié)同過(guò)濾；基于用戶；基于物品；相似程度

一、協(xié)同過(guò)濾推薦的研究現(xiàn)狀

首先了解一下推薦系統(tǒng)，比較普遍認(rèn)可的定義是Resnick和Varian在1997年[1]提出的：“它是利用電子商務(wù)網(wǎng)站向客戶提供商品信息和建議，幫助用戶決定購(gòu)買什么產(chǎn)品，模擬銷售人員幫助客戶完成購(gòu)買過(guò)程?！倍鴧f(xié)同過(guò)濾是推薦系統(tǒng)中最常見(jiàn)也是最廣泛應(yīng)用的推薦方法。Grundy書籍推薦系統(tǒng)[2]是公認(rèn)的第一個(gè)對(duì)協(xié)同過(guò)濾應(yīng)用的系統(tǒng)。還有Tapes-try郵件處理系統(tǒng)[3]，Ringo[4]等。Sarwar等[5]提出的利用夾角余弦來(lái)計(jì)算產(chǎn)品的相似程度。Chen和Cheng[5]通過(guò)觀察不同產(chǎn)品在用戶的列表次序來(lái)計(jì)算用戶與用戶的相似程度.而Yang和Gu[7]利用建立用戶的興趣點(diǎn)來(lái)計(jì)算用戶與用戶間的相似程度。

二、協(xié)同過(guò)濾推薦的主要思想

協(xié)同過(guò)濾推薦的思路可以說(shuō)是來(lái)源于生活。通過(guò)在生活中購(gòu)買產(chǎn)品你會(huì)發(fā)現(xiàn)一些有趣的現(xiàn)象。比如說(shuō)，人們總是更傾向于相信來(lái)自熟人的推薦，在你的朋友圈內(nèi)，很多朋友都在使用同一種產(chǎn)品，那么你就也會(huì)很大程度有意的選擇此產(chǎn)品。另外就是，在你對(duì)某種產(chǎn)品感興趣時(shí)，當(dāng)你發(fā)現(xiàn)有和你感興趣的這種產(chǎn)品類似的產(chǎn)品，與此同時(shí)，其他購(gòu)買者對(duì)這種產(chǎn)品的體驗(yàn)良好，那么你也很可能會(huì)購(gòu)買這種商品。協(xié)同過(guò)濾的主要思想可以分成兩個(gè)部分：一是通過(guò)分析用戶以往的購(gòu)買或者選擇信息，來(lái)計(jì)算用戶之間的相似程度，通過(guò)相似程度高的用戶可以說(shuō)是近鄰對(duì)一個(gè)產(chǎn)品或信息的偏好來(lái)預(yù)測(cè)目標(biāo)用戶的對(duì)此產(chǎn)品或信息的偏好程度。二是通過(guò)分析對(duì)用戶以往對(duì)某類產(chǎn)品的評(píng)價(jià)情況來(lái)預(yù)測(cè)該用戶對(duì)此類中新產(chǎn)品的偏好程度，及計(jì)算以往評(píng)價(jià)過(guò)的產(chǎn)品與要推薦產(chǎn)品間的相似度。

協(xié)同過(guò)濾推薦主要有兩種，一個(gè)是基于User的，另一個(gè)是基于iterm的。

1、基于用戶的方法主要是尋找與目標(biāo)用戶相似的用戶，認(rèn)為有相似偏好的用戶可能對(duì)某個(gè)產(chǎn)品或信息有相似的評(píng)價(jià)。通過(guò)利用相似近鄰的偏好程度來(lái)進(jìn)行對(duì)目標(biāo)用戶的評(píng)價(jià)的預(yù)測(cè)。比如說(shuō)有三部電影《饑餓游戲》《千與千尋》《分手大師》。A下載了《饑餓游戲》，播完了《千與千尋》，沒(méi)播完《分手大師》。B多次觀看《饑餓游戲》，播完《千與千尋》，沒(méi)看《分手大師》。C下載了《分手大師》，沒(méi)看《饑餓游戲》，沒(méi)播完《千與千尋》。那么可以看出來(lái)A與B很相似，那么再出現(xiàn)一個(gè)電影《變形金剛》，A是多次觀看，那么應(yīng)該把變形金剛推薦給B而不是C。關(guān)于這個(gè)用戶之間相似程度的計(jì)算，可以通過(guò)對(duì)電影的評(píng)分機(jī)制進(jìn)行量化，然后利用夾角余弦來(lái)計(jì)算用戶之間的相似程度。設(shè)用戶i和用戶j在n維對(duì)象的空間上的評(píng)分向量為i，j，那么計(jì)算cos（i，j）的公式為：

cos（i，j）=i?j|i|*|j|

若兩個(gè)用戶的夾角余弦值相近，則可認(rèn)為他們是相似用戶。

關(guān)于相似程度的計(jì)算還可以通過(guò)皮爾森相關(guān)系數(shù)和修正余弦函數(shù)相似性等很多方法。

2、基于物品的方法主要首先是計(jì)算物品與物品之間的相似程度，然后結(jié)合用戶以前的購(gòu)買評(píng)價(jià)過(guò)的物品或選擇行為，最后對(duì)用戶進(jìn)行某種新物品的推薦。比如說(shuō)A喜歡看《分歧者》，《復(fù)仇者聯(lián)盟》，《超體》。然后有兩部電影《何以笙簫默》和《敢死隊(duì)》?？梢院苊黠@的看出可以向A推薦《敢死隊(duì)》?；谖锲返南到y(tǒng)過(guò)濾在計(jì)算物品的相似度時(shí)，也是可以通過(guò)評(píng)分量化，很多時(shí)候也是可以加入tag技術(shù)，對(duì)物品打標(biāo)簽，做標(biāo)簽矩陣。比如A喜歡的電影中《分歧者》是有動(dòng)作，愛(ài)情，科幻三個(gè)標(biāo)簽，每個(gè)標(biāo)簽的權(quán)重不一樣可以按0到1之間的分值設(shè)定。然后同理其他電影，最后通過(guò)量化計(jì)算相似度發(fā)現(xiàn)《敢死隊(duì)》更符合推薦。關(guān)于tag矩陣也可以是0-1矩陣。關(guān)于計(jì)算相似程度與（1）中提到過(guò)的方法類似。

三、協(xié)同過(guò)濾推薦的優(yōu)缺點(diǎn)

協(xié)同過(guò)濾的優(yōu)點(diǎn)有：

1、可以進(jìn)行過(guò)濾復(fù)雜性的，機(jī)器難以進(jìn)行提取有效自由文本的信息，如音樂(lè)，圖像等藝術(shù)類信息。

2、相對(duì)容易給用戶制造驚喜。與基于內(nèi)容的推薦不同，推薦給用戶的物品內(nèi)容可能是用戶不太熟悉的內(nèi)容，很可能發(fā)現(xiàn)用戶潛在的喜好但用戶本身卻沒(méi)有意識(shí)到的。

3、用戶的不斷增加，協(xié)同過(guò)濾推薦系統(tǒng)的性能也會(huì)增高。

協(xié)同過(guò)濾的缺點(diǎn)：

協(xié)同過(guò)濾推薦算法的典型缺點(diǎn)就是稀疏性問(wèn)題和冷啟動(dòng)問(wèn)題。冷啟動(dòng)問(wèn)題就是，當(dāng)有新用戶進(jìn)入時(shí)，由于沒(méi)有歷史行為數(shù)據(jù)而無(wú)法對(duì)其偏好進(jìn)行判斷，因此對(duì)其進(jìn)行推薦。同樣當(dāng)有新物品進(jìn)入系統(tǒng)時(shí)，由于沒(méi)有用戶對(duì)其評(píng)價(jià)過(guò)，它就得不到推薦。

四、總結(jié)

個(gè)性化推薦服務(wù)實(shí)質(zhì)就是有效率有針對(duì)性的解決大量數(shù)據(jù)的問(wèn)題，推薦算法在一定程度上實(shí)現(xiàn)了這個(gè)問(wèn)題，可是現(xiàn)實(shí)生活中，并不是一個(gè)算法，而是好幾種類型的推薦算法混合運(yùn)算，最后得出的推薦結(jié)果才能比較令人滿意，也會(huì)比單一算法精確很多。關(guān)于推薦系統(tǒng)性能的評(píng)價(jià)指標(biāo)最典型是精確度和推薦效率這兩個(gè)指標(biāo)。其中衡量精確度可以是平均平方誤差，平均絕對(duì)誤差和標(biāo)準(zhǔn)平局誤差等。個(gè)性化推薦沒(méi)必要非得追求完全精確，因?yàn)楸旧硗扑]的內(nèi)容就無(wú)法保證用戶百分之百的感興趣，但是還是要努力不斷追求精確度，這樣才能發(fā)揮其自身解決超載問(wèn)題，給用戶提供感興趣物品或信息的價(jià)值。網(wǎng)易云音樂(lè)作為音樂(lè)行業(yè)的后起之秀，在個(gè)性化推薦方面做的相當(dāng)不錯(cuò)，很多用戶反應(yīng)網(wǎng)易云音樂(lè)的個(gè)性化推薦總是給人驚喜，雖然網(wǎng)易沒(méi)有在這方面給出過(guò)多的介紹，但是不難看出，他們公司非常注重這個(gè)方面的功能板塊。因此對(duì)這個(gè)時(shí)代而言，不僅僅是對(duì)電子商務(wù)方面，個(gè)性化推薦的價(jià)值以及意義都是非常重要的。（作者單位：河北大學(xué)）

參考文獻(xiàn)：

[1] Resinick P，Varian H R.Recommender systems[J].Communications of the ACM，1997，40（3）：56-58.

[2] Rich E.User modeling via stereotypes.Cognitive Science，1979，3（4）：329―354.

[3] Goldberg D，Nichols D，Oki BM，et al.Using collaborative filtering to weave an information m ACM，1992，35（12）：61―70.

[4] Shardanand U，Maes P.Social information filtering：Algorithms for automating`Word of Mouth'.Proc Conf Human Factors in Computing Systems Denver，1995：210―217.

[5] Sarwar B，Karypis G，Konstan J，et al.Item-based collaborative filtering recommendation algorithms.Proc 10th Int' l WWW Conf，Hong Kong，2001：1―5.