基于云计算平台的政务大数据系统自动检索方法研究

高峡　吴涛　高月仁

摘 要：传统检索方法查准率和查全率相对较差，导致自动检索精准度较低。为此，提出了基于云计算平台的政务大数据系统自动检索方法研究。在云计算平台下，利用CiteSpace软件对政务大数据系统中的关键词进行统计分析，获取相关资源。在电子政务联机模式下，揭示政务大数据系统中资源相关属性，在MapReduce挖掘模型支持下，进行政务大数据系统数据挖掘，实现政务大数据系统自动检索。实验验证分析，该方法检索查准率和查全率较高，具有高效检索效果。

关键词：云计算平台;大数据系统;自动检索

中图分类号：TP393      文献标识码：A

Research on Automatic Retrieval Method of Government

Big Data System Based on Cloud Computing Platform

GAO Xia1，WU Tao2 ，GAO Yue-ren3

（1.Tangshan Caofeidian Development Investment Group Co.， Ltd，Tangshan，Hebei 063200，China;

2. North China University of Science and Technology， Tangshan，Hebei 063200，China;

3.Tangshan Caofeidian Liancheng Technology Co.， Ltd， Tangshan，Hebei 063200，China）

Abstract：The accuracy and recall of traditional retrieval methods are relatively poor， which leads to low accuracy of automatic retrieval. In response to this problem， a research on automatic retrieval methods for government affairs big data systems based on cloud computing platforms is proposed. Under the cloud computing platform， CiteSpace software is used to perform statistical analysis on keywords in the government's big data system to obtain related resources. Under the online mode of e-government， the resource-related attributes in the government's big data system are revealed. With the support of the MapReduce mining model， data mining of the government's big data system is performed to realize automatic retrieval of the government's big data system. The experimental verification analysis shows that the method has high retrieval accuracy and recall， and has an efficient retrieval effect.

Key words：cloud computing platform; big data system; automatic retrieval

随着信息时代的到来，云计算和大数据技术为人们提供了丰富的信息资源，具有真实性高、多元化和实时性的特点，在人类社会的生产和生活中发挥着重要的作用[1]。据互联网数据中心统计，每天被创建和复制的数据总量为1.8ZB，而生成这样规模的信息量只需10分钟。如此庞大的数据信息，给云计算平台集成数据的检索管理带來难度，尤其面对互联网政务服务体系，公共服务信息集成的数据占社会总量的90%以上，大大增加了云计算平台的政务大数据系统检索的工作量[2]。由于政务部门数据的类型复杂多样，半结构化数据和非结构化数据较多，如何有效进行采集、存储、分析、处理等一系列数据的挖掘管理，需要建立新技术的大数据自动检索方法，以提高大数据信息的检索工作。目前已有相关研究，文献[3]根据Lucene索引原理，改进缓冲区索引容量，并优化磁盘文件索引书写频率。……