大数据：可“感知”情绪“挖”出抄袭

记者从香港中文大学深圳研究院日前主办的“富媒体大数据：感知、处理、检索及应用”博文论坛（第二期）了解到，如何对富媒体大数据进行有效挖掘成为大数据领域的研究热点，对数据进行精确建模、设计高效算法、构建核心技术，从而实现数据驱动运营，是目前产业界和学术界正在探索和研究的主要方向之一。 　　“21世纪的‘数据’相当于20世纪的‘石油’。”据香港中文大学计算机科学与工程学系教授、国际电机及电子工程师学会院士吕荣聪介绍，不同于传统的多媒体数据，富媒体大数据因聚合了多种媒体数据的动态性与交互性，包含了更多的信息与价值。大数据具有四个非常典型的特点4V，即规模急剧膨胀（Volume）、来源多种多样（Variety）、变化快速瞬息（Velocity）、关系错综复杂（Veracity）。 　　今年7月，香港中文大学深圳研究院的深圳富媒体大数据分析与应用重点实验室项目获批。该实验室以富媒体大数据计算平台为基础，以智能计算技术为核心，结合互联网及多媒体相关应用发展关键技术，已积累了大量丰富的研究成果，并成功用于互联网和教育等产业。 　　香港中文大学计算机科学与工程学系教授、深圳富媒体大数据分析与应用重点实验室主任金国庆告诉记者，比如通过社交网络的分析可以进行意见挖掘、感情分析，可以用分析工具获知哪些人在推广某些产品上更加有效，可以通过对企业负责人公开的社交网络信息挖掘出一定的社会关系链，比如通过对文本相似度的分析，可以快速找出有抄袭嫌疑的文章，最终由人来决定一篇文章是否抄袭。 　　金国庆表示，目前这一检测文件相似度的系统及方法已在香港、台湾、新加坡等地申请了5项专利，已经在香港政府与香港高校等较为广泛的范围内使用，希望通过深圳的平台做更多的推广，推动该产品在内地更大范围内使用。 　　据介绍，深圳市富媒体大数据分析与应用重点实验室不仅将继续在富媒体大数据方面产出理论成果、分析工具、产品应用等，而且将依托深圳这一产业型取向的城市在大数据产业化方面的优势，将更多研究成果向内地推广应用。 NLPIR 2014大会：汉语分词系统NLPIR 2014发布暨ICTCLAS用户交流大会 汉语分词系统NLPIR(前身ICTCLAS)从2000年诞生以来，历时14年，全球用户突破30万，先后获得了2010年钱伟长中文信息处理科学技术奖一等奖，2003年国际SIGHAN分词大赛综合第一名，2002年国内973评测综合第一名，已经成为中文信息处理领域标杆性的工作。ICTCLAS创始人张华平博士倾力打造，即将推出的NLPIR2014版，是迄今为止最大的一次更新，在汉语分词体系架构下增加了对英文词法分析的支持，可以自动识别英文词汇的原型、词性标注、命名实体与关键词；并在当前汉语词法分析的基础上，实现了文档的完整语义分析，自动提取文档的人名、地名、机构名、文章作者、发布的媒体、关键词与摘要，是当前中文信息处理的必备神器，值得期待！ 我们即将召开NLPIR2014发布暨ICTCLAS用户大会，由北京理工大学大数据搜索挖掘实验室主办，计算机世界与大数据论坛联合承办。张华平博士诚邀历年来所有支持我们前行的ICTCLAS用户，中文分词及中文信息处理的技术爱好者莅临参加，分享中文语言智能理解的美妙。届时，张华平博士将亲自讲解NLPIR2014背后的技术原理与最新进展，并由资深工程师在不同操作系统不同开发语言下NLPIR的实训技巧，同时还有不同背景的资深用户分享他们的使用开发经验。 在线报名：http://118.192.14.52/bigdatatrain/bm.jsp（请注明NLPIR2014；场地有限，只接收前100名） 基本信息 会议形式 (a) PPT算法讲解； (b) NLPIR2014系统演示与实际开发操作； (c) 针对学员具体需求的互动交流会 (d) 提供专属U盘：保护NLPIR2014的演示系统、各类试用的API以及新版开发手册； 会议时间 12月21日上午9:00-12:00，下午13:30-17:00 ( 17:00-18:00 开放式讨论答疑 ) 门票费用 (a)1400元 （包含门票，NLPIR2014演示系统、开发包与文档， U盘，工作餐，赠送由张华平博士亲笔签名的《大数据搜索与挖掘》专著）； (b) 12月10日前缴费优惠价1300元；老学员或同单位三人以上报名九折优惠；全日制学生凭学生证会费优惠价格980元，不含发票。 (c)名额有限，参会者需在参会前提前购买门票。 (d)差旅及食宿费用自理。 与会嘉宾 主讲人：张华平：NLPIR(ICTCLAS)创始人与开发者，北京理工大学大数据搜索挖掘实验室主任，博士，副教授 主持人：赵燕平：北理工经管学院教授，北京理工大学大数据搜索挖掘实验室副主任 特邀ICTCLAS典型用户嘉宾待定（将包括跨国企业、金融、政府机关、科研院所、投资与互联网等代表性用户） 会议地址 北京理工大学理工国际交流中心 在线报名：http://118.192.14.52/bigdatatrain/bm.jsp（请注明NLPIR2014；场地有限，只接收前100名） ICTCLAS创始人张华平博士简介 2005年博士毕业于中科院计算所，研究方向为：微博计算、自然语言处理、信息检索与信息安全、大数据搜索与挖掘。曾先后获得2010年度钱伟长中文信息处理科学技术奖一等奖，中科院院长优秀奖、中科院计算所所长特别奖，中科院计算所“百星计划”首批入选者。张华平作为课题组长主持开发了国家自然科学基金、863、973、242等科研课题十余项，发表《大数据搜索与挖掘》《信息检索：算法与启发式规则》《自然语言理解》等专译著3部，所研制的ICTCLAS分词系统已经向国内外的企业和学术机构颁发了三十万多份授权，在学术界和产业界得到了广泛的应用。并作为特邀技术专家，先后在中央电视台、全国网络侠客行大会、全球大数据技术峰会、中国网络科学大会上做大数据相关的主题演讲,广受好评。 会议日程 时间 讲师 环节 主要内容 8:00-9:00 各位参会人员 会议报到 签到，领取各项资料。 9:00-9:20 赵燕平教授 大会开幕式 开幕式致辞，嘉宾与学员介绍 9:20-09:50 张华平博士 NLPIR2014发布 1)     NLPIR2014功能展示：分词、词性标注、命名实体识别、新词识别、英文分析、关键词提取； 2)    NLPIR2014开发包介绍 09:50-10:10   合影留念及茶歇   10:10-12:00 张华平博士 NLPIR2014汉语分词关键技术及最新进展 1.  ICTCLAS的层叠隐马分词模型（汉语分词、未登录词识别、词性标注） 2.   ICTCLAS的词典管理专利算法：完美双数组TRIE树； 3.  新词识别与关键词提取算法原理； 4.  NLPIR2014英语词法分析技术； 12:00-13:30   工作午餐   13:30-15:00 张华平博士 康肖钰硕士生 张冰波硕士生 NLPIR2014汉语分词开发包使用实训 1.    NLPIR2014 C/C++语言调用实训 2.    NLPIR2014 Java语言调用实训 3.    NLPIR2014 Linux调用实训 4.    NLPIR2014 高级编程实训（多线程安全、用户自适应分词、python调用、关键词提取等） 15:00-15:30 朱勇高级工程师 NLPIR示范应用：黄金眼Web大数据搜索与挖掘平台 主要介绍利用NLPIR系统开发的黄金眼Web大数据搜索与挖掘平台，展示主要功能与背后的实战应用经验，目前已经应用于工信部、总参、财经杂志等单位。 15:30-16:00 姜伟（北京外事办信息中心主任） NLPIR示范应用：政务公文主题词提取系统 主要介绍利用NLPIR系统开发的政务公文主题词系统，历经十余年，目前已经应用于大部分政府机关。 16:00-16:30 罗文川（缔元信CTO） NLPIR示范应用：缔元信网站统计数据挖掘与应用 主要介绍缔元信利用NLPIR系统开发的互联网网站统计数据挖掘与应用，是目前网站统计方面权威的机构。 16:30-17:00 待定     17:00-18:00  张华平博士 交流沙龙  可与ICTCLAS创始人张华平博士直接交流讨论 名额有限，先到先得，参会报名热线： 张老师 ：13681251543    Email: zhangjie@bigdatabbs.com 官网支持：http://ictclas.nlpir.org 在线报名：http://118.192.14.52/bigdatatrain/bm.jsp（请注明NLPIR2014；场地有限，只接收前100名）

转载于:https://my.oschina.net/u/1160813/blog/180821