引言

随着社会向“大数据”化方向发展，其要求的计算量越来越大，对于数据处理的动态性和实时性要求越来越高，单个服务器和终端的处理能力的局限性显露无疑。在这种情况下，“云计算”应运而生。“云计算”通过大数据技术将网络上的各种数据资源虚拟成一个特殊的计算器，满足所需的计算资源，向用户提供信息及一系列服务。警务信息化在大数据和信息化浪潮的带动下，已取得革命性发展，几乎改变了传统的警务工作模式。但是随着警务数据量和应用需求的不断增长，现行硬件构架和服务模式已难以满足警务应用需求，警务信息“云”化已势在必行。

警务云建设涉及多个方面，是一项复杂的系统工程。其中对数据结构化和服务的规划及重构将直接影响到将来系统建设和应用，笔者结合刑侦工作的实际需求，对警务云的数据结构化和服务的规划等方面提出建议，希望能够更加完善警务云。

一、侦查信息化应用需求

伴随着社会信息化水平的快速提高，互联网和物联网等新型应用的不断催生，社会上的数据越来越多，对于数据的信息化处理的方式、速度、精度都提出了极高的要求。而作为维护社会安稳的警务人员，也面临着如何将这些数据有效地进行整合、分类、研判进而转化为有效的侦查线索的难题。而且就算是针对指定的一类数据，根据不同的案件需求，对于数据项的选择和分析方法也完全不同。例如在对犯罪嫌疑人的住店信息进行轨迹分析时，可能会出现以下的应用场景：

 

表一

  

个人住店信息数据应用场景需求 需要的数据项 分析方法对于A住过的酒店进行整合证件号码、酒店名称通过证件号码查询个人住店信息，再根据入退房时间、地址确定轨迹对于C的同住人员整合通过证件号码查询个人住店信息，在结果中对酒店名称去查了解B的轨迹 证件号码、入住时间、退房时间、酒店地址证件号码、酒店编号、入住时间、退房时间、酒店地址、房号存在多种方法，最简单的是通过C的证件号码查询个人住店信息，再查询其具有相同入住时间、退房时间、房号、酒店编号的其他人了解在不同时间段分别在D酒店和E酒店都住宿过的人证件号码、酒店编号、入住时间、退房时间根据入退房时间、酒店编号分别查询出指定时间段在D酒店和E酒店的住宿人员列表，将在D酒店和E酒店的住宿人员列表中的证件号码进行交叉比对

表一列出的只是一个部分的假设应用场景，实际应用可能更加复杂，特别是对多类数据进行综合分析的时候，其复杂程度可想而知。然而再复杂的应用需求也是有规律的，对信息应用需求进行分类，大致可以分为查询信息、交叉比对、关系分析、排查分析、数据挖掘五类，这五类方法是将庞杂的数据进行数据结构化的重要工具，因为信息的查询多是通过关键字来进行的，故此这里笔者不作为介绍的重点，主要是介绍其余四类。

（一）交叉比对

交叉对比是指对两组或多组数据中相同标识项进行对比，从而发现数据间相同数据项的操作。交叉对比又可以分为同类数据比对和非同类数据比对：

1.同类数据比对。既进行比对的两组或多组数据的所有数据项相同。例如想找到与A、B、C三个手机都通过话的号码，就可以对A、B、C三个手机话单的通话对方号码进行交叉对比，分析比中的号码为共同的号码。又如表一对D酒店和E酒店不同时间段都住宿过的人进行比对也属于同类数据比对。

2.非同类数据比对。既进行对比的两组数据或多组数据的数据项不同，但是至少有两组数据存在相同标识数据。例如分析重点人员乘坐航班的情况、其手机号码存储在哪些人的手机中，就可以通过以下方式进行交叉比对分析结果：一是将重点人员数据的手机号码分别与手机通讯录数据中机主号码和通讯录号码进行比对。二是将重点人员数据中的证件号码分别与航班旅客数据进行比对。

交叉对比虽然操作简单，但是在操作过程中不无彰显着其重要性，是信息应用过程中不可或缺的手段，也是将数据结构化的基石。

（二）关系分析

关系分析是在确定分析目标的情况下，根据有关信息资源，分析出与该目标存在某种关联性的其他目标。主要分为以下几种方式：

本次科考队副领队魏福海曾9次赴南极执行任务并担任过昆仑站站长，他引用古语抒怀：“世之奇伟、瑰怪、非常之观，常在于险远，而人之所罕至焉，固非有志者不能至也。”

1.在登记信息中分析与确定目标存在某种关系的其他目标。例如确定目标人员，可通过户籍登记资料分析出其同户人员、同址人员、同工作人员，通过案件信息分析其同案人员。

2.通过确定目标的行为轨迹特征分析出与其存在特定关系的其他目标。例如通过确定目标人物住酒店编号、入退房时间等信息分析其同住人员，通过航班信息中的航班号、日期、订票编号等信息分析出其同行人员，通过上网记录登记信息的上下网时间、地点分析其同上网人员等。

3.通过对不同目标的不同行为轨迹特征分析出与其存在特定关系的其他目标。例如对几辆车已掌握其轨迹和人员手机号码轨迹，可以通过对比目标在时间、空间上是否存在多点重叠，来分析出是否有关联性。

4.多层关系路径查找。如果两个目标之间未发现直接关系，可通过路径查找的方法找到形成两个目标之间关联的中间目标对象及其关系类型。

（三）排查分析

4. 地址：所有描述位置信息的数据。首先要对所有地址信息进行标准化描述，将描述相同地点的不同描述内容进行合并。

1.通过行为活动规律排查分析目标。例如在对套牌车辆的排查分析中，可根据同一辆车在短时间内不可能同时出现在距离较远地点的规律排查出可能套牌的车辆的号码也可以通过对封闭路段上的多个卡口点经过车辆进行反规律分析，不符合正常规律的车辆（封闭路段的车辆必经过此路段的所有卡口）列入排查范围。

2.通过关系特点规律排查分析目标。类似于社会网络分析中的弱关系分析，即分析出将没有直接联系的团体连接到一起的关键节点。例如，将从事油墨、印刷、纸张、印刷工人等行业的人员网络连接到一起的人，其从事印刷工厂行业的可能是非常大的，如果其所联系的印刷工人中有涉及从事印刷假币或假发票经历的，同时销售纸张的人也曾经向假币和假发票窝点销售过纸张的，那么这个印刷厂工人从事印刷假币或者假发票的可能性就非常高了。因此对从事油墨、纸张、印刷工人等行业人员的关系排查，就可能找到假币或者假发票窝点。

全文检索和对象要素组合检索是各种应用系统最常用的功能,其具体实现这里不再赘述,要注意的是在数据重构后的情况下,对象之间的“关系”中的数据项目也应成为检索的内容。

（四）数据挖掘

数据挖掘是目前对数据分析最高级的应用，上述提到的排查分析中提到的“规律”一般是有经验的侦查员长期积累并总结出来的，而数据挖掘却是发现这种“规律”的另一途径。用数据挖掘方式发现数据中的“规律”往往是我们“意想不到”的，需要侦查员在实践中不断去印证、检验，所以从数据挖掘结果到实际应用需要很长一段时间的“发现、印证”过程。数据挖掘在警务工作中虽然还没有成熟的案例，但其在电力、炼钢、超市、电信等行业的成功应用证明在警务工作也有应用空间。初步看来，数据挖掘中的关联分析、聚类分析、预测分析等算法对警务情报分析过程中的关系分析、异常事件监测、犯罪形势分析预测等应用应该有很大帮助。

以上提到的信息化应用需求在关际应用中并非单独存在，往往是互相交叉重复使用，至于时机和方法，需要侦查人员熟练掌握各种方法后灵活运用。

基于Unity3D的变电站移动虚拟培训研 究 …………………………………………………………… 卢梅丽 （12）

二、云平台数据规划建议

为满足业务警种数据分析需求，通常有两种方法：一是直接提供原始数据，二是提供数据服务接口。直接提供原始数据可能出现数据安全问题，不符合数据安全管理原则，因此，提供数据服务接口的方式更加安全可靠。但是，在不提供拷贝原始数据的情况下，靠要穷举所有应用需求和场景，并向警种提供接口服务，就目前的数据结构和存储模式，几乎是不可能的。为了更好地提供数据服务，打破现有数据结构和存储方式造成的瓶颈，建议将数据重构并改变存储方式。

（一）数据重构

要提供统一的服务规范，必须有统一的数据规范。目前公安机关的数据种类繁多，数据项目各异，没有统一的数据规范，一方面造成数据的大量重复，一方面不利于为应用提供统一服务。数据重构是根据数据分析需求按照一定的标准对数据进行分类，并将数据按照分类重新组合。目前大部分应用系统都对数据进行分类，一般分为人员、物品、组织、地址、案件，但只是将数据进行归类，并没有对数据进行重新组合，因此还是无法向应用方提供统一的数据分析服务。数据重构过程至少要完成以下工作：

由表1可知，适用3%征收率的增值税小规模纳税人在“营改增”后，流转税税负降低了0.1%，所得税税负有所提升，但是总税负呈下降趋势。由表2可知，适用5%征收率的增值税小规模纳税人在“营改增”后，流转税税负降低了0.023%，所得税税负有所提升，但是总税负也呈下降趋势。如果考虑到小规模纳税人可能享受小微企业所得税税收优惠政策，税负下降更加明显。

水市场运行机制是：水权需求者通过水市场寻求需要的水权，包括取用水户的可交易水权或政府 “招拍挂”的水权；水权持有者将可交易水权投入市场，提供交易信息；政府将“招拍挂”水权在水市场挂牌，提供相关信息；水权供需双方通过水市场交易平台完成水权交易，交易之后水权的变更需要到政府办理相关手续，对新增水权进行确权登记发证。因水权交易不同于一般的商品交易，政府需要对其用途进行管制。

我院开展的品管圈活动周期为6个月,每1~2月召开一次圈会,每次会议时长控制在1~2小时,对发现的问题进行分析讨论,并共同商讨解决措施以及总结护理所取得的成果。并且需要对护理质量进行评价分析,进行措施修改,持续性的进行质量改进。

数据分类：数据分类以该对象具有唯一标识并可以区分其他对象为原则，一般可分为人员、物品、组织、地址、行为等，分类后每一组可以区别于其他数据的数据元称为“对象”，具体说明如下：

 

表二

  

人口基本信息 在逃人员信息 人员(抽象合并)公民身份证号、姓名、性别、民族、户籍地县级公安机关、户籍地派出所、户籍地、出生日期、户籍登记地址、曾用名、出生地、籍贯、身高、出生地详址、籍贯国家、服务处所、兵役状况、背景名称。人员标识、姓名性别、身份证号、民族、身高、口音、职业、户籍地区划、户籍地址、现住地区划、现住地址、籍贯区划、籍贯、指纹编号、DNA编号。公民身份证号、姓名、曾用名、性别、民族、职业、出生日期、身高、口音、职业、兵役状况、指纹编号、DNA编号，人员背景。（住址、户籍、出生地、服务场所等项目不作为人员信息项目，原因请见下述）

1. 人员：以证件号码作为唯一标识，将涉及人员信息登记的信息全部归到该类。如人口基本信息、吸毒人员信息、在逃人员信息、违法犯罪人员信息、重点人员信息等。

2. 物品：将所有涉及物品类登记的信息全部归入该类，如车辆、手机号码、手机设备、银行账号等。列入该类别的物品必须具有唯一标识，同时要规范物品名称并进行编号，并通过物品编号和该物品的标识组合作为该物品的唯一标识。如车辆(编号W01)、手机号码(编号W02)，那么车牌号码为粤A00001的车辆和手机号码13900000001唯一标识就分别是“W01粤A00001和“W0213900000001”。

5. 行为：行为主要包括案事件和活动轨迹数据。案事件包括案件、警情、事件等信息。使用案件、警情、事件编号作为唯一标识，如没有编号的，按照自定义规则进行编号。活动轨迹是比较特殊的行为，通常为人员或物品在时间和空间上的连续行为，如旅业住宿数据、民航数据、实名上网数据、电话通话清单、车辆卡口数据等，一般情况下不设定唯一标识，而是在转换成案事件的时候才设定唯一标识。

德国弗劳恩霍夫物流研究院中国首席科学家首席代表/中德智能技术博士研究院中方院长房殿军博士做了“改革开放40 年，中国人才与技术发展的喜与忧”的主旨报告并深刻地指出，“中国制造2025要想实现领域的创新，技术和人才这两大支柱不可缺少。”

排查分析是在未确定目标，只掌握该目标符合某种规律的情况下，通过排查的形式确定目标。主要有以下三种方式：

3. 组织：包括单位、公司、机构、团伙、团体等。一般使用组织类别编号和组织机构代码的组合作为标识，没有组织机构代码的，可重新自定义规则进行编码。

（二）数据重组

数据重组是从数据应用的角度将原始数据按照一定的标准进行拆分后重新按照上述分类进行写入，并在对象之间建立关联。数据重组是数据重构最关键的环节，主要从定义数据标准、数据拆分、数据关联三个阶段开展工作：

1.定义数据标准。根据各种数据的原始数据项，对照人员、物品、组织、地址、案事件分类，按照数据应用需求提取关键数据项，去除重复项目，确定每类数据的标准。例如对属于人员类别的人口基本信息和在逃人员信息的部分字段进行抽象合并。

2.数据拆分。数据拆分是将原始数据按照各分类的数据标准进行拆分并对应项目填写。如原始数据中涉及不同分类标准信息，将分别拆分并填写。例如上表中的人口基本信息拆分过程中，除将人口基本信息中对应人员类别标准项填写外，还需将住址、户籍、出生地、服务场所等项目分别填写入地址、组织类别对应标准数据项目中。

3.数据关联。数据关联是将已按照人员、物品、组织、地址、行为分类填写完成的对象之间建立关联信息，用于描述对象之间的关系。关联信息至少应包含以下数据项目，类型、关系来源、名称、方向、强度等级、关联发生时间、写入时间，备注等。关联信息主要来自三方面信息：

一是在原始数据拆分过程中根据登记信息的关系建立关系。如在对人口基本信息进行拆分后，应建立人员与其出生地、住址、服务场所等关系。

二是通过轨迹活动等信息分析或排查出的对象之间的关系。例如通过旅业住宿数据分析出A某的同住人员B某、C某。

随着我国城市化发展步伐的逐步加快，人们开始源源不断地涌入城市，使得出行成为了一大难题，一系列交通运输问题随之而来。而城市地铁具有运输量大、速度快、节能、准时等诸多特点，所以近几年来已经成为了城市生活的一种主要出行工具，随着城市地铁线路的设计范围逐渐扩大，同时也拓宽了城市地铁网络系统的搭建范围，因此使得地铁换乘站的建筑设计也成为了当前地铁运输的重点内容，并且实际建筑效果也会对地铁服务质量产生重要影响，因此要致力于研究城市地铁换乘站的建筑设计。为此，本文主要对当前城市地铁换乘存在的问题进行了分析，并对城市地铁换乘站的建筑设计进行了初步探究。

三是民警在工作过程中发现的对象之间的关系。例如民警在走访过程中发现A某和B某共同住在某出租屋中。

数据经过重构以后,所有原始数据将会变成以“对象”和“关系”为结构的网络结构数据。因此数据重构过程就是将原始数据进行网络化重组的过程。数据网络化之后,针对数据的分析过程将可以引入社会网络分析的思路和方法,用社会网络分析的方法提供数据分析服务,基本可以满足上述提到的业务警种的各种业务需求。

(三)数据存储

目前绝大部分的数据存储形式都采用传统关系型数据库的形式存储,同时使用SQL语言对数据库进行操作。随着大数据时代的到来,非结构化数据、社交网络、分布式数据分析、数据复杂分析等新型应用不断涌现,传统关系型数据库依赖多表进行关联查询导致的性能问题已逐渐难以满足需求。因此,一些非关系型数据库( NOSQL)不断出现,包括键值、列存储数据库、文档型数据库、图形数据库等上述提到的数据重构中,所有数据最终变成了“对象”和“关系”的组合结构,从数学理论角度看来,它刚好契合数学中的“图”。图是由一些点和这些点之间的连线组成的。严格意义上讲,图是一种数据结构定义为:Graph=(V,E),V是一个非空有限集合,代表顶点(结点),E代表边的集合,用于连接两个顶点。如果我们把重构后数据中的“对象”看成顶点,“对象”之间的关系看成边,那么我们重构之后的数据其实就是一个“图”。在图应用需求的驱动下,出现了图形数据库,图形数据库是非关系型数据库中的一种,它的应用非常广泛,例如物流、导航、社会网络分析等、社交网络。

图形数据库( graphic database)是利用计算机将点、线、面等图形基本元素按一定数据结同灶行存储的数据集合。目前较流行的图形数据库有 Neo4j、 FlockDB、 AllegroGraph、 GraphDB、InfiniteGraph,其 他 还 有 OrientDB、 InfoGrid和HypergraDb等。图形数据库的特点是直接使用图的概念进行建模,同时提供了在对象图上进行查找和遍历等算法和功能,理论上关系型数据库也可以模仿图形数据库实现图的概念,但是它需要繁琐的对象关系映射技术来进行转换,效率非常低下。例如有以下人员关系信息:

张1前夫是谢,谢前女友是王,王是李老婆,李的前女友叫屈,屈的现男友是张2,朴有个前女友叫周,周有个前男友叫李,王前夫是窦1,窦1有个堂弟叫窦2,窦2有个前女友叫周,窦2堂姐是窦3,窦3前夫是张2,张2现女友是屈,屈前男友叫李。

由此可见,在我们对数据进行重构成“对象”和“关系”的结构之后,使用图形数据库对数据进行存储是比较好的选择。另外,行为对象中的活动轨迹类信息比较特殊,在其转换成案事件之前可以使用关系型数据库进行存储。

 

表3

  

人员A 关系 人员B张1 前夫 谢谢前女友 王王老公 李

  

前女友 屈屈现男友 张2朴前女友 周周前男友 李王前夫 窦1窦1 堂弟 窦2窦2 前女友 周窦2 堂姐 窦3窦3 前夫 张2张2 现女友 屈屈前男友 李李

假如现在要分析张1和李之间是什么关系,由于张1和李之间不存在直接关联的关系,按照关系型数据库的运算方法,必须先全表查找张1的所有第一层关系人,接下来查找其第一层关系人的所有关系人,直到找到李为止,同时查找过程还需记录下每层关系人之间的路径关系,以便回溯两者之间的中间人,这个过程需要多次遍历整张表格,效率低下并且过程复杂。如果使用图形数据库进行存储,其存储的模式见图1：

实现以上问题,只需要使用图形数据库中的路径查找功能,查找“张1”和“李”之间的路径就可以了,既直观又高效。

如果使用关系型数据库进行存储,存储模式见表3:

三、平台数据服务建议

数据经过重新构建并使用图形数据库进行存储后,接下来考虑的就是如何建立应用并向业务提供数据服务。为满足通用业务需求,云平台应提供以下应用及服务。

按季节分析IMERG估计降水的空报率FAR,结果表明:中国大陆的FAR在夏季最低,约为0.52;其次是秋季和春季,分别为0.65和0.64;冬季最高,约为0.75。中国大陆东、西部的FAR的季节变化趋势与整个中国大陆完全相同,各季都是西部地区高、东部地区低。西部夏季FAR最低时也超过了0.6,冬季最高时约为0.9。除秋季相差约0.1之外,其他季节东、西部地区的FAR相差约0.2(图5b)。

(一)数据检索

包括全文检索、对象要素组合检索、关系检索和路径检索。

3.通过统计方式排查目标。统计可以发现数据的变化规律，分析人员也可以通过数据统计发现数据中的关键信息，从而逐步发现目标。例如，通过对电话通话清单中的通话对象在通话时长、次数、时间段上的统计，就可以发现与机主关系较为密切或者特殊的目标；通过对资金账户交易对方账户在交易金额、次数、时间等项目的统计，就可以发现重点对方帐户，为下一步分析提供参考。

习近平总书记在党的十九大报告中指出，“就业是最大的民生”。这充分说明了就业问题的重要性。在中国目前面临的各种就业问题中，失地农民的再就业问题最为突出，对就业管理与服务部门而言，其解决也最具挑战性。

关系检索和路径检索是在关系型数据库存储模式下无法提供的服务。关系检索的模式见图2：

使用该功能首先要明确“对象A”、“对象B”或“关系1”其中的部分条件属性,系统根据该条件属性返回数据集合,例如设定条件：

磁翻板液位计应用广泛，工况复杂。由于大部分磁翻板液位计安装在环境恶劣的室外，经常会遭受风吹雨淋，如果采用防护等级为IP54的磁翻板液位计，很难阻止水汽、灰尘的侵入，磁翻板液位计的显示面板容易发霉污损、翻旗(也叫翻片)，受阻时无法正常反转，从而出现显示故障。

大学生最基本应该具备的职业道德包括：服从分配、积极主动、勤奋踏实、尽职尽责、学无止境。尤其是当面临职业理想和职业岗位冲突时，更应拥有良好的职业态度，积极面对职业挑战。

对象A=“对象类型:案事件,案件类别:合同诈骗”;

对象B=“对象类型:人员,人员籍贯:广州”；

尽管心中极不情愿，红琴最终还是跟着风影一起来了。在她的下意识中，感到自己很对不起男人，有一种负罪的感觉，为了赎罪，对风影的话，她还是言听计从的。站在东泉岭上，一阵山风徐徐吹来，发出松涛的啸声，她产生了一种异样的感觉，过去的一切皆隐退成了一场模糊的梦，眼前的一切也变得有些虚幻起来，自己好像来到了另一个世界，从红尘到仙界。或许老公的选择也有他的理由，反正到了这里，闻到了来自大自然的浓烈的气息，浮躁的心就会清静下来。

关系1=“关系类型:涉案人员。

那么系统将返回所有籍贯为广州的合同诈骗涉案人员及案件信息的数据集合。路径检索模式见图3：

查找将“对象A”和“对象B”关联起来的中间对象以及其路径,例如上述提到的张1与李之间的关系实例。

(二)数据集合

民警通过检索返回的数据信息应该允许在系统中定义成数据集合并进行保存,以备做下一步分析使用。例如民警需要分析涉及毒品犯罪的人员与涉及假币犯罪的人员以及他们的关系人是否存在某种关联,其简单的分析模型（见图4）

该分析过程至少需要4次关系检索才能得到结果,因此民警需要将每次返回的数据集保存到系统中,最后才将4次结果进行关联分析。同时,其保存的结果集合也可以作为今后执行其他分析的依据。

(三)建立档案

档案是按照对象的基本信息以及其一层关系的对象信息进行分类建档,并提供档案信息更新提醒。包括人员档案、组织档案和物品档案。如在人员档案中,可能包含以下分类（见表4）。

 

表4

  

大类 小类人员基本信息 无背景信息 在逃、涉案、涉毒、重点人员物品 车辆、手机、账户地址 户籍地址、住址、单位地址组织 工作单位、团体、QQ群行为 涉案信息、旅业住宿、实名上网信息关系人 同户人员、同伙人员、同案人员、亲属、朋友、同行人员、同住人员

档案为系统自动生成,当档案信息更新时,系统可以自动提醒关注该档案的民警。

中央电视台讯 英国和欧盟日前就“脱欧”协议草案内容达成一致引发英国政坛波动，多名官员因不满草案内容辞职，首相特雷莎·梅的领导地位也因此面临挑战。当地时间11月16号就有英国保守党议员表示，预计下周会宣布针对特雷莎·梅举行不信任投票。根据保守党党内规定，一旦有15%的保守党议员致函党内“1922委员会”主席要求举行不信任投票，将触发对首相领导权的挑战。也就是说，要想发起不信任投票，在315名保守党议员中需要48名议员致信。

(四)数据可视化

目前大部分应用系统都使用了可视化中间件实现可视化分析。可视化分析本身就是基于“图”的理念的一种分析模式,它有利数据直观的图形化展现,同时也可以引入“图”的分析方法对数据进行分析，以图形数据库模式存储的数据,使用可视化分析是最好的方式。

结语

本文只涉及结构化数据的需求、重构以及服务模式的阐述,警务云的建设除了对结构化数据进行处理外,还涉及PGS(警用电子地理地图)、视频、语音、人像比对、文档数据等非结构化数据的处理。以上建议虽然在应用需求上相对成熟,但是涉及数据重构和改变数据存储模式建设的工作量巨大,亦无先例可循，属于创新性改造。希望这些建议能对未来的公安工作起到帮助作用。

参考文献：

[1]张春磊，杨小牛.大数据分析（BDA）及其在情报领域的应用[J].中国电子科学研究院学报，2013（01）：18-22.

[2]马忠红.论侦查阵地控制的发展趋势[J].江西公安专科学校学报，2009（04）：31-34.

[3]程学旗，王元卓，靳小龙.网络大数据计算技术与应用综述[J].科研信息化技术与应用，2013（04）：3-14.

[4]方巍，郑玉，徐江.大数据:概念、技术及应用研究综述[J].南京信息工程大学（社会科学版），2014（05）：405-419.