,

(亳州职业技术学院信息工程系,安徽 亳州 236800)

0 引 言

目前万维网具有超过万亿的统一资源定位符(URL)，cebook 有 10 亿节点和千亿连边，大脑神经元网络有数百亿节点，中国三大运营商的手机通讯网络无一不拥有数亿用户。如何处理超大规模的网络数据，已经成为学术界急需解决的关键科学问题。

传统的数据分析方法，主要是根据以前的经验，先设计出人工模型，然后根据设计出的模型对数据进行分析，这种方式在以前是还是有效的，处理一些结构性强、数据量小的信息，但是在大数据的时代下，在使用这种方式，就会出现很多弊端，已经不能适应现代大数据的发展了[1]。另外，现在占据大数据时代的主要是一些非结构性数据，出现的模式也是不一样的，无法再根据之前的经验进行分析，再想要建立人工模型，是十分困难的，这就需要再研究相关数据挖掘技术，所以，神经网络分析方法就应运而生了，它能够从复杂、深量的数据中提取有用的信息，这就是现代的大数据分析方法。

神经网络方法主要是以深度学习为主要特点，以数据驱动、数据自动检索来提取其中的数据信息，尤其是在非结构化、模型不明且多变、跨领域的大数据上更具有显著优势，复值BP神经网络方法主要是通过在内部构建许多隐形的机器模型和大量的数据分析训练，从而得出准确的数据信息，随着大数据时代的不断深入，大数据所含有的信息量也十分丰富，只有想神经网络这种更加复杂、更有表达能力的模型，才能够挖掘出其中的内在信息。……