鲍时平

摘 要 大数据的到来给网络信息资源的服务带来巨大的变化，本文首先通过介绍在大数据的环境下网络信息资源服务创新的现状，包括基于Web2.0的信息服务和基于云计算的信息服务，然后总结了三个网络信息资源服务创新策略。

关键词 大数据 服务创新 策略

随着新一轮信息信息技术革命的进行，互联网运用的领域愈发广泛，以微博和博客为代表的 web2.0网络服务迅速成长，新兴的社交网络的出现和快速发展，以及以智能手机和平板电脑为主要工具智能终端逐渐普及，使得计算机应用产生的数据量呈现爆发式的增长。这些大量数据背后蕴藏着的巨大信息资源，被认为将会改变人们的生活和理解世界的方式。而这些信息资源已经成为国家的战略性资源，对于这些信息资源进行整合利用和服务的能力水平也成为衡量国家的综合竞争力标准的一部分。2015年8月19日，在国务院总理李克强主持召开的国务院常务会议上，通过了《关于促进大数据发展的行动纲要》，提出要推动政府信息系统和公共数据互联共享，消除信息孤岛，加快整合各类政府信息平台，增强政府公信力，促进社会信用体系建设。《关于促进大数据发展的行动纲要》的通过说明我们国家对于在大数据这个数字环境下的信息资源的共享服务非常的重视，已经逐渐的上升为国家战略。

大数据浪潮的到来在给国家的互联网企业带来發展机遇的同时也同样面临着巨大的挑战，比如目前关注度较高的数据的隐私与安全、多源数据的互操作等问题。因此在提高网络信息资源服务能力的同时更须关注的是如何进行创新以解决大数据带来的诸多的挑战问题，从而更科学得为用户提供服务。

1大数据与信息资源服务

大数据在近些年来受到越来越多的企业、学者等的关注。早在1980年，美国首先提出了海量数据的概念，随着互联网技术的迅速发展，各行各业的数据都在呈爆发式增长，但是目前对于大数据的概念还是没有统一的定义。维基百科中对大数据的定义是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间限制的数据集。全球著名的管理咨询公司 McKinsey则将数据规模超出传统数据库管理软件的获取、存储、管理以及分析能力的数据集称为大数据。然而从大数据的特征角度来考虑它的定义目前有具有代表性的3V定义，即大数据的三个特征是多样性（variety）、规模性（volume）和高速性（velocity）。这3V也表示了大数据最显著的三个特征，即数据的种类繁多，包括声音、图像、音频以及视频等形式；数据的数量非常庞大，这对数据处理和存储的工具也提出了更高的要求；数据的产生速度非常快。后来在3V特征的基础上又提出了4V特征，即增加了价值密度（value）特征。从大数据的这些特征就可以看出这给信息资源的组织利用以及高效的提供服务带来了巨大的挑战。

信息资源服务体系主要包括信息的采集、处理、存储和利用等过程，最终的目标是为用户提供高效的信息服务以满足用户的需求。在大数据的浪潮到来之前信息资源服务体系主要集中于信息的获取、加工和处理过程，而如今随着大数据的产生信息资源的服务更加偏重于对数据产生的管理，然后利用云服务平台进行数据的交换和存储。

2网络信息资源服务创新现状

2.1基于Web2.0的信息资源服务

Web2. 0 作为新一代的互联网应用模式，其参与式架构、自组织性和个性化的特征，已经深刻影响着人们对信息的生产、组织、传递、开发和利用的观念。Web2.0时代是一个众创时代，网络协同创作成为Web2.0时代最大的特征，信息用户不再仅仅是被服务的对象，他们每个人还可以参与到信息内容的创作与信息资源的服务当中去。以维基、微博、博客和社交网站等为代表Web2.0的服务极大的提高了网络信息资源服务的效率。维基百科就是一项依靠群体智慧来将碎片化的信息资源进行整合的典型应用。豆瓣网是一个兴趣网络社群，用户可以通过豆瓣网找到具有共同兴趣爱好的人然后进行信息的交流与分享。由于社交网站产生的数据大多数都是非结构化的，常规的数据管理工具无法进行处理，目前大数据的处理技术主要有Hadoop技术、Map-Reduce和云计算等，而处理更加复杂的非结构化数据的工具随着大数据的到来也在进一步开发之中。

2.2基于云计算的信息资源服务

云计算是将大量网络计算资源、存储资源与软件资源统一调度以构成一个计算资源池向用户提供按需服务的 IT 服务模式。云计算的出现，把数据存储和数据分析变成了一个可以更加方便获得的网络服务。云计算的两大特征是它的高扩展性和虚拟化，它的强大计算能力使得云供应商能够将信息资源与用户需求进行匹配从而为用户提供服务。目前，主要形成了基于大服务商和基于数据中心的两种云计算环境下的多源信息服务模式。比如国内的阿里云平台通过在线公共服务的方式为更多的公司企业提供安全可靠的数据计算和数据处理的能力。

3网络信息资源服务创新策略

3.1多源信息的融合来满足用户需求

在如今这个大数据时代，用户通过各种信息行为在网络上留下了各种数据痕迹，单看这些数据记录可能价值并不是很大，但是如果将用户在不同的信息系统留下的数据记录进行融合就可以从不同的角度来反映用户，通过挖掘这些数据之间的内在联系从而更加精准的了解用户的需求，当然这中间也要注重对用户隐私的保护。对于企业来说，将它们的内部数据与外部数据、历史数据与实时数据进行关联分析可以更加精准的了解企业的业务运营情况以及预测未来的发展趋势。内部数据主要是企业在运营的过程当中产生的业务数据，而外部数据主要包括外部市场情况数据，将这些数据融合可以使企业更清楚的认识到自身发展的优势与劣势；历史数据是指公司在过去发展的过程当中产生的数据，实时数据是指企业目前运营过程当中产生的数据，对历史数据进行分析可以预测未来，对实时数据分析可以清楚的掌握目前的运营状态，因此将两者进行融合更精准的对公司的战略进行定位。大数据时代，高校图书馆用户兴趣信息资源来自于各种信息系统生成的多源数据，如： 用户注册的基本信息、浏览记录、流通历史数据、信息咨询录和借阅记录，这些数据的类型主要有声音，图片，文本和视频等，这些数据可以从各个角度反映人物、事件或活动之间的相关信息，把这些数据融合在一起进行相关分析，可以更全面地揭示事物联系，挖掘新的模式与关系。关于用户的基本信息和用户的借阅记录这些数据属于结构化数据，这些数据可以用常规的工具来进行存储和分析，而对于用户的浏览记录和信息咨询记录等这些半结构化的或者是非结构化的数据就要采用大数据技术来进行分析处理，高校图书馆应该协同利用这些数据来获得用户的潜在需求，从而更好的为用户提供服务，另一方面也能促进高校图书馆向更加智能化的方向发展。

3.2加强智能化在信息服务当中的应用

人工智能的到来给信息服务业带来了颠覆性的变化，目前一些智能化的设备和技术在信息资源的服务当中已经有了越来越广泛的应用。大数据时代下数据量和数据的维度均很大，数据类型多，如声音、图像、音频和视频等，而这些碎片化的数据当中往往可能蕴含着丰富的规律和知识，运用智能化技术（ 语义网技术、数据挖掘技术、自然语言处理技术） 进行自动分析处理这些复杂的数据，从数据当中来获取隐含的信息，这些隐含的信息能够更加全面的反映事物的本质特征，通过进一步的挖掘能够发现它们之间的相关性，这样就延伸了事物表面所展现的规律或知识，这种隐含知识往往更有价值。智能化的设备和技术能够处理各种动态的网络信息资源，在处理过的数据的经验的基础上通过深度学习的方式对新产生的数据进行分析处理，这些处理技术和功能在大数据中通过人工的方式是很难完成的，因此在大数据的环境下的网络信息资源服务是离不开智能化的技术的。

3.3大数据环境下要突出个性化定制信息服务

在大数据时代要提高信息资源的服务质量就必须要为用户提供更精准和更高效的服务，从而提高用户的满意度。个性化定制信息服务是如今比较热门的一种信息服务模式。在信息服务领域，个性化服务被日益强化，这也是信息服务业发展的不可阻挡的趋势。另外，在线大规模定制环境下，允许客户用包括模糊语义之内的多种需求描述方式，获得半结构化的客户需求，可以通过一定方法将其转换成精确的资源内容要求。个性化定制服务主要包括客户信息管理模块和信息生产模块，信息服务商通过掌握客户的大数据然后为用户提供个性化的服务计划。目前个性化信息定制服务在电子商务网站领域应用得比较广泛，电子商务网站通过用户的购买和浏览等记录来为用户推送类似的商品的信息，但是这种个性化的推荐有时并不能完全满足用户的需要，所以个性化的信息服务应该强调的是个性化的预测服务，通过挖掘客户感兴趣的信息来预测用户的需求。

4结束语

大数据已经深入到社会的各行各业当中，如何从这些大数据当中挖掘出隐藏在其中的价值成为当今的热门话题。高校图书馆、政府、信息服务机构和互联网企业如今掌握着社会上丰富的信息资源，它们在提供信息资源服务方面有着巨大的优势，因此要通过大数据思维利用好智能化的技术在信息资源服务方面不断进行创新，为用户提供更加精准的服务。

参考文献

[1] 涂新莉，刘波，林伟伟.大数据研究综述[J].计算机应用研究，2014（06） ：1612-1616.

[2] 宁家骏.推进我国大数据战略实施的举措刍议[J].电子政务，2015（09）：2-5.

[3] BigData[EB/OL].http： / /en.wikipe-dia.org / wiki / Big_data，2018-06-25.

[4] MANYIKA，J.&C.BROWN; B，et al.Big Data：The next frontier for innovation，competition and pro-ductivity[R].Mckinsey Global Institute，2011.

[5] Grobelnik，M.Big-data computing：Creating revolutionary breakthroughs in commerce，science，and society[R/OL].http：//videolectures.net/eswc2018_grobelnik_big_data/，2018-6-25.

[6] 王伟军，黄杰.企业信息资源集成管理[M]. 武漢： 华中师范大学出版社，2008： 262-275.

[7] 冯登国，张敏.云计算安全研究[J].软件学报，2011，22 （01） ：71-83.

[8] 张斌，马费成.大数据环境下数字信息资源服务创新[J].情报理论与实践，2014，37（06）：28-33.

[9] 罗贺，李升.面向云计算环境的多源信息服务模式设计[J].管理学报，2012，9（11） ：1667-1673.

[10] 孙永生，赵青.大数据时代高校图书馆数字资源服务创新策略[J].山东图书馆学刊，2016（05）：71-75.

[11] 徐荣华 .基于元数据仓储的资源整合应用[J].图书馆杂志，2012 （04） ： 67-73.

[12] 经有国，但斌，张旭梅等.MC 半结构化客户需求信息表达与处理方法[J].管理科学学报，2011，14 （01） ：78-85.

[13] 徐扬.基于大规模个性化定制策略的信息服务模式研究[J].情报理论与实践，2015，38（04）：110-113+79.