[目的/意义] 建构云计算技术环境下的海量数据分析是一种需要预载大量数据集的数据计算处理。针对传统海量数据分析处理数据细节方式所导致的分析质量与效率问题,运用Google三大云计算技术对其进行改进。[方法/过程] 通过对Google三大云计算技术——GFS、MapReduce和Bigtable进行文献调查、内容分析和技术分析,梳理出Google云计算技术在数据处理、技术架构和算法模型等方面的部署创新和设计改进。[结果/结论] 将Google云计算技术与传统本地数据分析处理方式与细节进行比较分析,得出Google云计算技术在操作海量数据分析时所具备的处理优势。借助Google云计算三大技术,提出海量数据分析流程在存储和访问、组织与管理以及并行处理3个方面的技术优化与改进策略。

[目的/意义] 信息分析是情报研究的核心环节,大数据时代为信息分析提供了更多的信息资源保障和技术支持,促使信息分析产生重大的革新。[方法/过程] 通过网络调查与文献资料收集,对国内外信息分析研究现状进行分析,总结当前大数据信息分析领域存在的5个关键问题,提出大数据时代信息分析的4个主要挑战。[结果/结论] 针对大数据环境下信息分析存在的问题和挑战,提出5方面的对策建议,宏观上对大数据时代的信息分析进行系统地梳理,从顶层设计的角度统领大数据时代的信息分析。

[目的/意义] 为了更好地指导计算机辅助信息分析工作的开展,构建计算机辅助信息分析技术框架,从顶层架构设计的视角指导计算机辅助信息分析。[方法/过程] 在文献综述和资料收集基础上,从数据库、数据仓库、OLTP、OLAP、BI和DSS 6个技术领域构建计算机辅助信息分析技术框架模型,从联机在线分析、数据挖掘和知识发现、社会网络分析、大数据分析4个方面详细分析当前主要的计算机辅助信息分析技术。[结果/结论] 对计算机辅助信息分析所面临的主要挑战和发展趋势进行展望,认为大数据分析将成为未来计算机辅助信息分析的重要研究内容,在大数据和云计算技术的推动下,计算机辅助信息分析将进一步向前发展,移动计算、社会计算将与信息分析深度融合。