大数据情景的outlier分析与异类知识管理模式研究

Based on the context of big data, this project puts forward a scientific problems：How to improving the efficiency of the outlier analytics and designing a model of outlier knowledge management. The problem is a hot and important social network computing issues in the big data analytics with a wide range of actual background. In order to improve outlier knowledge discovery and application of outlier knowledge in the social network, the project study on outlier mining and the mechanism of outlier knowledge management from the perspective of social network mining. Firstly ,the project analysis the common features of source of big data and sharing pattern of the characteristics of social network source; Secondly, the project research the description model and analytics model for outlier of social relationship relevance based on granular computing; Thirdly, design a optimized combination model for outlier in social computing, and then answer the question:what is the mechanism of outlier knowledge. Finally, We propose a model of outlier knowledge management which can identify outliers and added the knowledge chain value of BPI;which can find outlier knowledge integration methods and the mechanism of outliers knowledge discovery; which can become outlier knowledge BM.We verify these findings which will choice three or four tpyes of emerging applications based on cases,experiment and samples for a big data outlier mining areas. The research contributions can provide the new methodologies of big data outlier discovery and the mechanism of outliers knowledgea management;it can provide a apply model for outlier knowledge based on business science of big data context .

本项目提出“大数据情景下如何分析outlier与异类知识管理模式”科学问题。该问题是数据分析与异类知识管理的热点问题，具有广泛的实际背景。为了提高揭示异类知识应用机理，首先，项目研究大数据源特性和大数据共享模式；其次，研究社会网络关系关联性问题粒度描述与大数据outlier分析模型；再此，建立大数据outlier优化组合模型与异类知识价值链决策模型，最后，构建异类知识管理模式：①面向典型Outlier在知识价值链的决策价值中，如何改善业务流程，增加决策的有效性，即异类知识管理流程改善模式。②大数据情景下的异类知识管理集成方法与形成机理。③大数据情景的异类知识管理商业模式研究。在研究中，拟选择3到4个应用领域来验证理论成果。项目的价值：大数据情景下oulier的识别方法的探索；揭示异类知识管理的机理和异类知识管理商务应用。

项目的背景:在电子商务、金融保险等实际中，存在outlier与异类现象，利用大数据情景，对outlier分析并揭示异类知识应用机理和构建异类知识管理理论成为研究需求。 .主要研究内容: 项目揭示大数据情景下的异类现象和异类知识管理机理。主要研究了两大主题四个方面的内容：大数据情景的异类探索与异类知识管理的理论及应用；评论中异类因素的图片、在线排名、情感因素与有效性分类在商业中的影响机理。在研究中选择了服装、金融、保险等应用领域来验证理论成果。.重要结果:项目发现了第一印象的图片、异类知识、在线排名与有有效性分类的异类对于在线商品的管理有重要的价值。弥补了知识管理缺乏异类知识管理的理论与方法的研究；提出了大数据情景下偏隐私产品管理模式。在国际知名的A类期刊Decision Support Systems（一区,SSCI/SCII）、国际知名知识管理杂志Knowledge Management Research & Practice（JKM影响因子第三， SSCI）、Electronic Commerce Research(SCI)、Journal of Computer Information Systems(SCI)等；以及中文国家自科管理学部A类刊物：情报学报、系统工程理论与实践等发表21篇期刊论文。主办3次国际和国内学术会议，发表3篇国际会议论文，Session Chair7次，国际会议优秀论文二等奖2次，省政府三等奖1次；重要社会服务（包含主题报告、智慧城市项目开发、企业咨询和政府规划等）17次；培养学术研究生13人。.关键数据:汽车保险数据和纺织服装数据；在线评论数据与3个案例数据。.科学意义:大数据情景下outlier的识别方法的探索；揭示异类知识管理的机理和异类知识管理商务应用。为智能数据管理科学、知识管理应用中一类问题更深入研究提供理论与方法。