大數(shù)據(jù)時代下電子信息應(yīng)用技術(shù)研究

許倫湘

中圖分類號：TP334.8 文獻標識碼：A 文章編號：1004-0226（2021）12-0083-03

近年來，大數(shù)據(jù)得到了迅速發(fā)展。迄今為止，全世界各個領(lǐng)域中都有大數(shù)據(jù)的影子。當代社會是一個信息爆炸的時代，當前電子信息網(wǎng)絡(luò)用戶基數(shù)也越來越大，每天都會產(chǎn)生大量數(shù)據(jù)。在大數(shù)據(jù)環(huán)境下，對于電子信息應(yīng)用、處理技術(shù)提出了新挑戰(zhàn)，在大數(shù)據(jù)時代的發(fā)展下，數(shù)據(jù)的重要性日益凸顯。

1對大數(shù)據(jù)的分析

大數(shù)據(jù)是電子信息、信息與通信技術(shù)的結(jié)合產(chǎn)物，發(fā)展至今。阿爾文·托夫勒提出：“大數(shù)據(jù)是現(xiàn)代社會變革和發(fā)展不容小覷的重要武器”，但是，截至目前為止，關(guān)于大數(shù)據(jù)還沒有準確、統(tǒng)一的表述。

從字面意義來看，大數(shù)據(jù)即數(shù)據(jù)體量大、爆炸性增長的數(shù)據(jù)，大數(shù)據(jù)屬于全新的信息資產(chǎn)，依托于數(shù)據(jù)處理模式，可以讓各類信息資產(chǎn)發(fā)揮出驚人力量。根據(jù)麥肯錫公司的定義：“大數(shù)據(jù)是指在一定時間內(nèi)無法用傳統(tǒng)數(shù)據(jù)庫對數(shù)據(jù)內(nèi)容進行采集、存儲、分析、管理的數(shù)據(jù)集合”。從哲學角度來看，大數(shù)據(jù)是人類社會發(fā)展的一個必然產(chǎn)物，在大數(shù)據(jù)時代的到來下，各類物質(zhì)、意識、思維的呈現(xiàn)形式都發(fā)生了顯著變化，這標志著我們迎來了“萬物皆數(shù)”的時代，在大數(shù)據(jù)時代中，人們需要借助數(shù)據(jù)理解萬物，任何一切都是基于數(shù)據(jù)從得出，最終也會演化為數(shù)據(jù)。在大數(shù)據(jù)時代，具有幾個重要特征。

1.1結(jié)合了實體與信息

在大數(shù)據(jù)時代中，各類客觀事物都可以利用數(shù)據(jù)來量化，如空間、時間、科學研究、個體行為、音頻、視頻和圖像等。大數(shù)據(jù)的主要特征就是實體與信息之間的結(jié)合，信息與實體不同，大數(shù)據(jù)時代的數(shù)據(jù)實體，為信息的理解提供了必備條件，能夠?qū)⑷f事萬物轉(zhuǎn)化為可以理解的語言，利用數(shù)據(jù)化的形式做到了人機結(jié)合。以銀行大廳智能機器人助理為例，不僅可以進行簡單的認知交流活動，還能夠針對咨詢客戶的需求來做出數(shù)據(jù)分析，將客戶需求轉(zhuǎn)化為數(shù)字代碼，利用大數(shù)據(jù)來判斷其潛在需求，為其提供解決方案，不僅能夠提高工作效率，也有效降低了人力成本。

1.2滿足了獨享與共享

大數(shù)據(jù)實現(xiàn)了線下、線上之間的融合，進一步擴大了信息圈，誕生了集體智慧，呈現(xiàn)出上升趨勢。數(shù)據(jù)擁有者可以獨享數(shù)據(jù)，也可以將數(shù)據(jù)上傳到網(wǎng)絡(luò)，讓其他人一起共享，每個人都可以利用大數(shù)據(jù)來更新知識結(jié)構(gòu)、完善認知，這類信息均是網(wǎng)絡(luò)空間系統(tǒng)的重要組成，人們可以在生活中相互交流溝通，這不僅不會影響信息傳遞，反而能夠擴大信息共享范圍，構(gòu)建出全新的知識體系。

1.3擁有與使用的結(jié)合

在信息社會的發(fā)展下，各類資源都表現(xiàn)出新的發(fā)展趨勢，實現(xiàn)了擁有、使用之間的結(jié)合，在大數(shù)據(jù)時代到來前，人們習慣沿用傳統(tǒng)的思維習慣，個人的信息所有權(quán)屬于個人時，個人才擁有使用權(quán)，而在大數(shù)據(jù)時代中，不需要擁有就可以便利的使用，使用者、擁有者之間可以共享資源，顛覆了傳統(tǒng)的思維方式。

2大數(shù)據(jù)時代下電子信息技術(shù)的應(yīng)用特點

大數(shù)據(jù)、電子信息之間是息息相關(guān)的，電子信息的發(fā)展推動了大數(shù)據(jù)時代的進步。當前，電子信息信息處理技術(shù)也在更新迭代，在大數(shù)據(jù)時代下，對于電子信息技術(shù)的應(yīng)用提出了更高要求。

首先，數(shù)據(jù)處理分析更加膨脹：大數(shù)據(jù)時代下，各類數(shù)據(jù)資源越來越復(fù)雜，每天都會生成大量的信息數(shù)據(jù)資源，給互聯(lián)網(wǎng)運營商帶來一定的數(shù)據(jù)管理壓力，只是單一的信息量分析，那么電子信息的分析效率并不高，很容易出現(xiàn)錯誤問題。

其次，信息數(shù)據(jù)種類更加豐富：在科技的發(fā)展下，受眾對于互聯(lián)網(wǎng)的接受度越來越高，互聯(lián)網(wǎng)中出現(xiàn)的大數(shù)據(jù)不僅涵蓋電腦，也涵蓋智能手機、移動平臺終端，信息數(shù)據(jù)的來源更加多元，現(xiàn)有的分析技術(shù)很難滿足信息處理要求。

最后，信息傳播過程表現(xiàn)出快速化，即時性的特征，在信息技術(shù)的發(fā)展下，信息傳輸過程表現(xiàn)出了實時性、高速性的特點，受眾對于信息數(shù)據(jù)的及時性要求越來越高，這對于電子信息信息處理技術(shù)的要求也顯著提升。

3大數(shù)據(jù)時代下電子信息應(yīng)用技術(shù)

3.1分布式信息處理技術(shù)

分布式信息處理技術(shù)是以GDS作為核心，應(yīng)用分布式儲存、分布式處理的方式來提升信息處理速度，優(yōu)化讀寫結(jié)構(gòu)。數(shù)據(jù)存儲上，應(yīng)用了陣列式存儲方式，不僅能夠?qū)?shù)據(jù)進行模塊化管理，也能夠?qū)?shù)據(jù)進行循環(huán)利用，提高了檢索速度。

在這一技術(shù)的應(yīng)用上，需要構(gòu)建出科學完善的信息安全體系，其內(nèi)容涵蓋安全技術(shù)、安全管理、安全組織機構(gòu)幾個部分，安全管理是在平臺架構(gòu)中設(shè)置的安全管理流程和安全管理制度，同時，制定科學的安全風險分析模塊，從管控方面著手，利用科學的技術(shù)和方法對其中的信息進行風險識別，根據(jù)風險評估結(jié)果來制定防控預(yù)案，避免受到外來因素的影響。在具體的操作方式上，需要科學制定風險評估范圍，對各類業(yè)務(wù)內(nèi)容進行細致調(diào)查，形成安全需求評估報告，并識別數(shù)據(jù)風險，對數(shù)據(jù)開展核實評估，將其整理為評估報告，應(yīng)用科學的危險品安全威脅評估手段，對異常行為進行檢測、掃描，通過滲透測試、手工檢查等方式來制定風險計劃，制定防控方案，讓各類數(shù)據(jù)都能夠處于安全環(huán)境中。

同時，對于信息的采集，也要高度重視。數(shù)據(jù)是在各類安全資源中采集而來，并按照安全事件轉(zhuǎn)化為存儲格式，再根據(jù)關(guān)聯(lián)規(guī)則來進行分析，將信息預(yù)警時間顯示在平臺上，如果用戶需要獲取信息，直接點擊按鈕即可。另外，還要強化安全監(jiān)控。安全監(jiān)控是針對數(shù)據(jù)庫、端口、服務(wù)器、網(wǎng)絡(luò)設(shè)備應(yīng)用進程進行的監(jiān)控，以確保信息在存儲傳輸中的安全，相關(guān)人員要對各類信息數(shù)據(jù)進行實時監(jiān)控，構(gòu)建統(tǒng)一的管理架構(gòu)，確保符合大數(shù)據(jù)時代的信息安全管理需求，并進一步規(guī)范數(shù)據(jù)運維安全管理流程，設(shè)置接口層、業(yè)務(wù)邏輯層和采集數(shù)據(jù)層，發(fā)揮出每一層級的作用，為用戶提供優(yōu)質(zhì)的信息服務(wù)。

3.2信息數(shù)據(jù)挖掘技術(shù)

信息數(shù)據(jù)挖掘技術(shù)是基于大數(shù)據(jù)信息搜索、數(shù)據(jù)結(jié)構(gòu)關(guān)聯(lián)技術(shù)對相關(guān)數(shù)據(jù)開展系統(tǒng)化分析、挖掘的過程，其主要流程如表1所示。

3.3分類與聚類分析

數(shù)據(jù)分類即針對數(shù)據(jù)內(nèi)部節(jié)點開展分類，再借助數(shù)據(jù)分析技術(shù)，對節(jié)點做出假設(shè)判定、結(jié)構(gòu)預(yù)測，預(yù)測出信息咨詢方向。聚類分析、分類分析之間具有顯著差異，前者是將數(shù)據(jù)劃分為對象組，再以此作為基礎(chǔ)，對數(shù)據(jù)進行快速分析。聚類分析、分類分析都會涉及語言編碼技術(shù)、網(wǎng)絡(luò)拓撲技術(shù)，因此，在數(shù)據(jù)挖掘、空間分析以及情感分析領(lǐng)域中，都有廣泛使用。

聚類分析對象是示例集合，并非單一示例，也不是傳統(tǒng)意義上的聚類任務(wù)擴展，具有特殊之處。分類分析的方式多種多樣，單一分類方式如貝葉斯、決策樹、K近鄰、人工神經(jīng)網(wǎng)絡(luò)、支持向量機等，還有Boosting、Bagging等，各類算法的優(yōu)缺點也不同，一般情況下，最為常用的就是SVM算法。

3.4關(guān)聯(lián)規(guī)則學習

關(guān)聯(lián)規(guī)則學習是針對大量數(shù)據(jù)分析、處理時，借助節(jié)點排序、數(shù)據(jù)對比等方式來分析數(shù)據(jù)關(guān)聯(lián)規(guī)則，對復(fù)雜數(shù)據(jù)來篩選、規(guī)律的方式。在傳統(tǒng)的二分類、多分類領(lǐng)域中，一個對象對應(yīng)的是一個類別標記。在真實對象中，分析對象大多有著多義性的特征，以圖像分類為例，一般圖像常常會對應(yīng)多個標記。在時代發(fā)展下，數(shù)據(jù)量越來越大，數(shù)據(jù)復(fù)雜性也更高，單一的標簽學習難以滿足技術(shù)發(fā)展的需求，多標簽成為了目前的研究成果。如今，多標簽被應(yīng)用在音樂情感分類、文本分類以及圖像視頻等領(lǐng)域之中。

針對多標簽學習算法，其研究重點主要在于算法適應(yīng)、問題轉(zhuǎn)換上。問題轉(zhuǎn)換可以將多標簽學習轉(zhuǎn)化為單標簽學習，代表性的有LP、BR以及CC。在社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)快速發(fā)展的狀況下，關(guān)于挖掘數(shù)據(jù)的關(guān)聯(lián)性，也成為當前業(yè)界的研究熱點。實踐顯示，在把控好置信度、支持度基礎(chǔ)上，利用關(guān)聯(lián)規(guī)則學習，能夠保障算法的精準，且算法復(fù)雜度并不是很高。就當前來看，關(guān)聯(lián)規(guī)則學習還是集中在多標簽學習算法上，在下一階段，還需要將多標簽學習算法、關(guān)聯(lián)規(guī)則挖掘算法之間結(jié)合起來。

4結(jié)語

在大數(shù)據(jù)時代背景下，電子信息技術(shù)的作用不言而喻，對于我國信息化建設(shè)的進程產(chǎn)生了直接影響。大數(shù)據(jù)環(huán)境下電子信息技術(shù)的應(yīng)用，需要關(guān)注到諸多問題，強化信息采集、處理和應(yīng)用，提供與之相符的信息安全技術(shù)，為大數(shù)據(jù)時代的發(fā)展提供更多便利。