吴信东,李 娇,周 鹏,卜晨阳

1(大数据知识工程教育部重点实验室(合肥工业大学),安徽 合肥 230009)

2(合肥工业大学 计算机与信息学院,安徽 合肥 2 30601)

3(合肥工业大学 大知识科学研究院,安徽 合肥 2 30009)

4(明略科技集团,北京 100 102)

5(安徽大学 计算机科学与技术学院,安徽 合肥 2 30601)

随着互联网、云计算等技术的迅猛发展,网络空间中的数据以不可预计的速度增长,信息社会进入了大数据时代[1].除了大数据的“5V”特征外,数据碎片化已成为大数据处理中不可忽视的问题.如何有效地融合这些碎片化数据,从多源异构的碎片化数据中获取整个大数据集合的全局数据特征,继而从海量碎片化数据中提取出有价值的信息,已成为学术界的研究重点和热点.

在大数据环境下,由于数据的多源异构性,来自不同数据源的碎片化数据往往具有不同的数据结构和形式.碎片化数据融合的首要挑战就是:如何从这些多源异构的数据中抽取出真正有价值的信息,使用合适的处理机制对碎片化数据进行提取和分析.另外,碎片化数据融合并不只是简单地将数据“拼凑”在一起,而是通过分析碎片化数据之间的内在联系,得到新的、完整的数据.此外,经过融合后的数据通常具有复杂的语义关系,为此,我们需要寻找一种标准化的数据表示方式对其进行存储与表示.故而,碎片化数据融合极具挑战性[2].本文以碎片化家谱数据融合为例,详细阐述了数据融合过程中存在的问题和……