|
大數據和數據挖掘在科研領域的發(fā)展 |
| 作者：佚名 來源：網絡 |
大數據在看著你嗎？
除了安全和商業(yè)，大數據和數據挖掘在科研領域也正在風起云涌。越來越多的設備帶著更加精密的傳感器，傳回愈發(fā)難以駕馭的數據流，于是人們需要日益強大的分析能力。在氣象學、石油勘探和天文學等領域，數據量的井噴式增長對更高層次的分析和洞察提供了支持，甚至提出了要求。
2005年6月至2007年12月海洋表面洋流示意圖。數據源：海面高度數據來自美國航空航天局
（NASA）的Topex/Poseidon衛(wèi)星、Jason-1衛(wèi)星，以及海形圖任務/Jason-2衛(wèi)星測高儀；重力數據來自NASA/德國航空航天中心的重力恢復及氣候實驗任務；表面風壓數據來自NASA的 QuikScat任務；海平面溫度數據來自NASA/日本宇宙航空研究開發(fā)機構的先進微波掃描輻射計——地球觀測系統；海冰濃度和速度數據來自被動微波輻射計；溫度和咸度分布來自船載、系泊式測量儀器，以及國際Argo海洋觀測系統。
這幅2005年6月至2007年12月海洋表面洋流的示意圖集成了帶有數值模型的衛(wèi)星數據。漩渦和窄洋流在海洋中傳送熱量和碳。海洋環(huán)流和氣候評估項目提供了所有深度的洋流，但這里僅僅使用了表層洋流。這些示意圖用來測量海洋在全球碳循環(huán)中的作用，并監(jiān)測地球系統的不同部分內部及之間的熱量、水和化學交換。
在醫(yī)學領域，2003年算是大數據涌現過程中的一個里程碑。那一年第一例人類基因組完成了測序。那次突破性的進展之后，數以千計人類、靈長類、老鼠和細菌的基因組擴充著人們所掌握的數據。每個基因組上有幾十億個“字母”，計算時出現紕漏的危險，催生了生物信息學。這一學科借助軟件、硬件以及復雜算法之力，支撐著新的科學類型。
精神障礙通常是具體病例具體分析，但是一項對150萬名病人病例的研究表明，相當多的病人患有超過同一種疾病。芝加哥大學的西爾維奧·康特中心利用數據挖掘理解神經精神障礙的成因以及之間的關系�！昂脦讉�（研究）團隊都在致力于這個問題的解決�！敝行闹魅伟驳铝摇げ袼够ˋndrey Rzhetsky）說，“我們正試圖把它們全部納入模型，統一分析那些數據類型……尋找可能的環(huán)境因素。”
另一例生物信息學的應用來自美國國家癌癥研究所。該所的蘇珊·霍爾貝克（Susan Holbeck）在60種細胞系上測試了5000對美國食品和藥品管理局批準的抗癌藥品。經過30萬次試驗之后，霍爾貝克說：“我們知道每種細胞系里面每 一條基因的RNA表達水平。我們掌握了序列數據、蛋白質數據，以及微觀RNA表達的數據。我們可以取用所有這些數據進行數據挖掘，看一看為什么一種細胞系對混合藥劑有良好的反應，而另一種沒有。我們可以抽取一對觀察結果，開發(fā)出合適的靶向藥品，并在臨床測試。”
互聯網上的火眼金睛
當醫(yī)學家忙于應對癌癥、細菌和病毒之時，互聯網上的政治言論已呈燎原之勢。整個推特圈上每天要出現超過5億條推文，其政治影響力與日俱增，使廉潔政府團體面臨著數據挖掘技術帶來的巨大挑戰(zhàn)。
印第安納大學Truthy（意：可信）項目的目標是從這種每日的信息泛濫中發(fā)掘出深層意義，博士后研究員埃米利奧·費拉拉（Emilio Ferrara）說�！癟ruthy是一種能讓研究者研究推特上信息擴散的工具。通過識別關鍵詞以及追蹤在線用戶的活動，我們研究正在進行的討論�！�
Truthy是由印第安納研究者菲爾·孟澤（Fil Menczer）和亞力桑德羅·弗拉米尼（Alessandro Flammini）開發(fā)的。每一天，該項目的計算機過濾多達5千萬條推文，試圖找出其中蘊含的模式。
大數據盯著“#bigdata”（意為大數據）。這些是在推特上發(fā)布過“bigdata”的用戶之間的連接，用戶圖標的尺寸代表了其粉絲數多寡。藍線表示一次回復或者提及，綠線表示一個用戶是另一個的粉絲。
一個主要的興趣點是“水軍”，費拉拉說：協調一致的造勢運動本應來自草根階層，但實際上是由“熱衷傳播虛假信息的個人和組織”發(fā)起的。
2012年美國大選期間，一系列推文聲稱共和黨總統候選人米特·羅姆尼（Mitt Romney）在臉譜網上獲得了可疑的大批粉絲�！罢{查者發(fā)現共和黨人和民主黨人皆與此事無關�！辟M拉拉說，“幕后另有主使。這是一次旨在令人們相信羅姆尼在買粉從而抹黑他的造勢運動�！�
水軍的造勢運動通常很有特點，費拉拉說。“要想發(fā)起一場大規(guī)模的抹黑運動，你需要很多推特賬號，”包括由程序自動運行、反復發(fā)布選定信息的假賬號。“我們通過分析推文的特征，能夠辨別出這種自動行為�！�
推文的數量年復一年地倍增，有什么能夠保證線上政治的透明呢？“我們這個項目的目的是讓技術掌握一點這樣的信息�！辟M拉拉說，“找到一切是不可能的，但哪怕我們能夠發(fā)現一點，也比沒有強�！�..
|
|
