首页 > 图书详情

公共数字文化共享:模式、框架与技术 经济管理类;专著;普通研究报告 VIP

售价:¥66.75 ¥89
0人在读 |
0 评分
丛书名:
罗云川 张桂刚   社会科学文献出版社  2018-09 出版
ISBN:978-7-5201-3617-4

*温馨提示:此类商品不支持退换货,不支持下载

图书简介 目录 参考文献 音频 视频
本书首先对公共数字文化资源的数据来源、数据类型、采集方法以及存储管理方法等进行梳理;按照“资源供给—共享—服务”的路径,分别给出了资源供给、技术支撑、数据应用三种模式。其次,分析共享平台的框架以及所需的标准规范等,重点讨论了公共数字文化资源共享本身的关键技术和基于共享所产生的服务关键技术;分析了资源共享系统、网络分发系统、业务管理系统三大系统的研发,并构建了一个面向全国的公共数字文化共享服务平台。最后,简要介绍了区块链技术及其在未来公共数字文化中的应用。
[展开]
  • 序言
  • 前言
  • 第一章 绪论
    1. 第一节 研究背景
    2. 第二节 研究意义
    3. 第三节 本书的组织架构
  • 第二章 公共数字文化资源
    1. 第一节 公共数字文化资源来源
    2. 第二节 数据类型
    3. 第三节 数据采集方法
    4. 第四节 数据存储模式与机制
    5. 第五节 数据分析管理方法
  • 第三章 公共数字文化资源共享服务模式
    1. 第一节 公共数字文化资源共享服务模式设计
    2. 第二节 公共数字文化资源供给模式
    3. 第三节 公共数字文化资源技术支撑模式
    4. 第四节 公共数字文化资源数据应用模式
  • 第四章 公共数字文化数据平台建设方案
    1. 第一节 研究目标
    2. 第二节 研究领域
    3. 第三节 关键技术
    4. 第四节 公共文化服务大数据分析平台建设方案
  • 第五章 公共数字文化资源共享框架与标准规范
    1. 第一节 共享平台框架
    2. 第二节 共享服务标准规范
  • 第六章 公共数字文化资源共享关键技术
    1. 第一节 资源采集关键技术
    2. 第二节 资源聚合关键技术
    3. 第三节 资源调度关键技术
    4. 第四节 网络分发关键技术
    5. 第五节 线上线下应用关键技术
    6. 第六节 资源共享成果展示
  • 第七章 公共数字文化资源服务关键技术
    1. 第一节 资源检索关键技术
    2. 第二节 大规模公共文化用户画像自动构建关键技术
    3. 第三节 资源个性化推荐关键技术
  • 第八章 公共数字文化数据分析的应用系统建设
    1. 第一节 研究目标
    2. 第二节 研究领域
    3. 第三节 关键技术
    4. 第四节 基于公共数字文化数据分析的应用系统建设方案
  • 第九章 公共数字文化资源研发与集成关键技术
    1. 第一节 整体研究思路和方案
    2. 第二节 相关技术研发关键点
    3. 第三节 技术难点攻关
    4. 第四节 集成技术
  • 第十章 三大公共数字文化共享服务系统研发
    1. 第一节 整体研究思路和方案
    2. 第二节 构建三大系统主要功能
    3. 第三节 完成三大数字文化共享服务系统研发
  • 第十一章 公共数字文化共享服务平台的研发构建
    1. 第一节 整体研究思路和方案
    2. 第二节 规划研发平台技术路线
    3. 第三节 梳理系统接口
    4. 第四节 公共数字文化共享服务平台研发及优化
  • 第十二章 公共数字文化资源共享应用案例
    1. 第一节 文化共享工程
    2. 第二节 国家公共文化云
    3. 第三节 地方实践
  • 第十三章 公共数字文化大数据
    1. 第一节 公共数字文化大数据
    2. 第二节 公共数字文化大数据意义
    3. 第三节 公共数字文化大数据关键技术平台架构
    4. 第四节 公共数字文化大数据资源层
    5. 第五节 公共数字文化大数据综合平台层
    6. 第六节 基于公共数字文化大数据的应用
    7. 第七节 公共数字文化大数据云管理系统
  • 第十四章 区块链技术在公共数字文化中应用
    1. 第一节 区块链基本概念
    2. 第二节 区块链技术研究缘由
    3. 第三节 数据存储层关键技术
    4. 第四节 网络通信层关键技术
    5. 第五节 数据安全与隐私保护关键技术
    6. 第六节 共识层关键技术
    7. 第七节 应用组件层关键技术
    8. 第八节 区块链应用层
    9. 第九节 区块链与现代技术融合
    10. 第十节 区块链技术标准
    11. 第十一节 区块链在公共文化中的应用
  • 第十五章 结论
    1. 第一节 总结
    2. 第二节 未来发展趋势
[1]曹树金、古婷骅、王志红:《我国公共数字文化建设与服务研究进展及特征分析》,《图书馆论坛》2015年第11期。 [2]曾春、邢春晓、周立柱:《基于内容过滤的个性化搜索算法》,《软件学报》2003年第5期。 [3]曾伟辉、李淼:《深层网络爬虫研究综述》,《计算机系统应用》2008年第5期。 [4]陈文臣:《Web日志挖掘技术的研究与应用》,硕士学位论文,中国科学院研究生院(计算技术研究所),2005。 [5]陈孝文:《基于社交网络的协同过滤推荐算法研究》,硕士学位论文,华南理工大学,2013。 [6]邓先箴:《基于关联规则的推荐算法研究与应用》,硕士学位论文,华东师范大学,2009。 [7]邓祥:《基于Hadoop的海量日志数据处理研究与应用》,硕士学位论文,厦门大学,2013。 [8]范周:《盘活现有公共文化资源》,《经济日报》2014年12月8日。 [9]冯佳:《国内外公共文化资源供给模式研究》,《上海文化》2014年第4期。 [10]哈工大社会计算与信息检索研究中心:《同义词词林》(扩展版)。 [11]胡税根、莫锦江、李军良:《公共文化资源整合绩效评估指标体系构建与实证研究》,《理论探讨》2018年第2期。 [12]李盛韬、余智华、程学旗:《Web信息采集研究进展》,《计算机科学》2003年第2期。 [13]罗刚、王振东:《自己动手写网络爬虫》,清华大学出版社,2010。 [14]罗云川、李彤:《公共文化资源共享治理策略探析》,《图书馆工作与研究》2016年第4期。 [15]罗云川、阮平南:《公共电子阅览室社会化合作的演化博弈分析与启示》,《图书馆》2016年第4期。 [16]罗云川、阮平南:《公共文化服务网络治理:主体、动力因素与分析模型》,《图书馆理论与实践》2016年第7期。 [17]罗云川、阮平南:《公共文化服务网络治理:主体、关系与模式》,《图书馆建设》2016年第1期。 [18]罗云川:《公共文化服务的网络治理研究》,社会科学文献出版社,2017。 [19]马鞍山市社科联课题组:《完善我省基本公共服务体系 推进公共文化服务均等化问题研究——以马鞍山市公共文化资源共建共享为例》,《安徽冶金科技职业学院学报》2013年第2期。 [20]盛明科、李代明:《大众阅读需求变化背景下公共文化资源精准供给分析》,《中国出版》2017年第18期 [21]谭乔西:《公共文化资源整合的集群与辐射效应》,《重庆社会科学》2016年第5期。 [22]陶永才、张宁宁、石磊等:《异构环境下云计算数据副本动态管理研究》,《小型微型计算机系统》2013年第7期。 [23]王健、张桂刚、杨颐、黄卫星:公共文化知识图谱平台系统及其使用方法:中国,CN201611170815.X,2016年12月17日。 [24]王健、张桂刚、杨颐、黄卫星:基于公共文化知识图谱平台的综合推荐系统:中国,CN201710163892.0,2017年3月20日。 [25]王健、张桂刚、杨颐、黄卫星:一种基于文本主题模型的可视化分析系统:中国,CN201610028127.6,2016年1月18日。 [26]巫志南:《加强公共文化资源供给是关键》,《中国文化报》2011年9月9日。 [27]吴高:《地方公共数字文化特色资源建设现状调查与思考——以全国文化信息资源共享工程省级分中心特色数字资源建设为例》,《图书馆建设》2016年第1期。 [28]肖希明、李硕:《信息集群理论和公共数字文化资源整合》,《图书馆》2015年第1期。 [29]肖希明、刘巧园:《国外公共数字文化资源整合研究进展》,《中国图书馆学报》2015年第5期。 [30]邢春晓、张桂刚、张勇译《大数据原理:复杂信息的准备、共享和分析》,机械工业出版社,2017。 [31]邢春晓、张桂刚主编《中国区块链技术与产业发展报告》,清华大学出版社,2018。 [32]邢春晓、张勇、张桂刚译《大数据与数据仓库:集成、架构与管理》,机械工业出版社,2018。 [33]熊易芳:《上海社区公共文化资源供给主体及其功能研究》,硕士学位论文,上海交通大学,2013。 [34]张川、邓珍荣、邓星等:《基于Chukwa的大规模日志智能监测收集方法》,《计算机工程与设计》2014年第9期。 [35]张桂刚、李超、邢春晓:《大数据背后的核心技术》,电子工业出版社,2017。 [36]张桂刚、杨颐、黄卫星、王健:“文化资源推荐系统”,CN201711047386.1[P],2017年10月31日。 [37]张浩、郭灿:《数据可视化技术应用趋势与分类研究》,《软件导刊》2012年第5期。 [38]张召:《在线论坛用户兴趣图谱发现与个性化信息推荐》,博士学位论文,华东师范大学,2012。 [39]章慧、陈宏明、蒋晓玲、向青:《公共文化资源数字化运用功能拓展研究》,《信息通信》2014年第10期。 [40]邹均等著:《区块链核心技术与应用》,机械工业出版社,2018。 [41]《中国文化及相关产业统计年鉴》(2014),中国统计出版社,2014。 [42]《中国文化及相关产业统计年鉴》(2015),中国统计出版社,2015。 [43]《中国文化及相关产业统计年鉴》(2016),中国统计出版社,2016。 [44]《中国文化文物统计年鉴2014》,北京图书馆出版社,2014。 [45]《中国文化文物统计年鉴2015》,北京图书馆出版社,2015。 [46]《中国文化文物统计年鉴2016》,北京图书馆出版社,2016。 [47]Abouzied A et al.,“HadoopDB in Action:Building Real World Applications”,In Elmagarmid AK and Agrawal D,eds.,Proc. of the SIGMOD2010(Indiana:ACM Press,2010) [48]Apache CouchDB. http://couchdb.apache.org [49]B. Sarwar et al.,“Itemt-Based Collaborative Filtering Recommendation Algorithms”,In Proceedings of the 10th International Conference on World Wide Web,2001. [50]Bela A. et al.,“Introduction to the Dirichlet Distribution and Related Processes”,ee.washington.edu.Retrieved 14 May 2015. [51]Bell R.,Koren Y.,Volinsky C.,“Modeling Relationships at Multiple Scales to Improve Accuracy of Large Recommender Systems”,In KDD’07:Proc. of the 13th ACM SIGKDD Int. cof [52]Bordes A. et al.,“Translating Embeddings for Modeling Multi-relational Data”,in Advances in Neural Information Processing Systems,2013. [53]Bryan Perozzi,Rami Al-Rfou and Steven Skiena,“DeepWalk:Online Learning of Social Representations”,In Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD’14),New York,2014. [54]Bu YY,Howe B,Balazinska M,Ernst MD. HaLoop:Efficient Iterative Data Processing on Large Clusters. PVLDB2010,3(2010). [55]Byeong Man Kim,Qing Li,Jong-Wan Kim and Jinsoo Kiln,A New Collaborative Recommender System Addressing Three Problems,Proceedings of PRICAI 2004,2004. [56]Chang F,Dean J,Ghemawat S,et al. Bigtable:A Distributed Storage System for Structured Data (Awarded Best Paper!). Proceedings of Usenix Symposium on Operating Systems Design & Implementation,2006,26(2). [57]Chen ST. Cheetah:A High Performance,Custom Data Warehouse on Top of MapReduce. PVLDB2010,2010,3(1-2). [58]Cloudeep. http://blog.csdn.net/cloudeep. [59]D. Blei,A. Ng,and M. Jordan,“Latent Dirichlet Allocation”,Journal of Machine Learning Research 3(2003). [60]D. Blei,T. Griffiths and M. Jordan,“The Nested Chinese Restaurant Process and Bayesian Nonparametric Inference of Topic Hierarchies”,Journal of the ACM,57(2010). [61]D. Borthakur. HDFS Architecture. [62]D. Goldberg,D. Nichols,B. Oki,D. Terry,“Using Collaborative Fltering to Weave an Information Tapestry”,Communications of the ACM 35 (1992) 61-70. [63]Dennis Fetterly et al. TidyFS:A Simple and Small Distributed File System,in Proceedings of the USENIX Annual Technical Conference (USENIX’11),USENIX,15 June 2011. [64]Dietmar et al.,Recommender Systems An Introduction(New York:Cambridge University Press,2011). [65]Matei Zaharia et al.,Discretized Streams:Fault-Tolerant Streaming Computation at Scale. (SOSP,2013). [66]Doug Beaver et al. Finding a Needle in Haystack:Facebook’s Photo Storage,www.facebook.com/haystack. [67]G. Adomavicius and A.Tuzhilin,“Toward the Next Generation of Recommender Systems:A Survey of the State-of-the-art and Possible Extensions”,IEEE TKDE,17(2005). [68]G.Zhang,Y.Yang,X.Zhai,W.Huang and J.Wang,Public Cultural Big Data Analysis Platform(2016 IEEE Second International Conference on Multimedia Big Data,Taipei,2016). [69]Geman S.,Geman D.,“Stochastic Relaxation,Gibbs Distributions,and the Bayesian Restoration of Images”,IEEE Transactions on Pattern Analysis and Machine Intelligence 6 (1984). [70]GFS2. http://www.theregister.co.uk/2009/09/14/gfs2_and_hadoop/. [71]Ghoting A,Pednault E.,“Hadoop-ML:An Infrastructure for the Rapid Implementation of Parallel Reusable Analytics”,In Culotta A,eds.,Proc. of the Large-Scale Machine Learning:Parallelism and Massive Datasets Workshop (NIPS 2009)(Vancouver:MIT Press,2009). [72]Reynold S. et.al.,GraphX:Unifying Data-Parallel and Graph-Parallel Analytics,Franklin,Ion Stoica. OSDI 2014. October 2014. [73]Greg Linden,Brent Smith,and Jeremy York.,“Amazon.com Recommendations:Item-to-Item Collaborative Filtering”,IEEE Internet Computing 7,1 (January 2003). [74]Hadoop. http://hadoop.apache.org/. [75]http://hadoop.apache.org/common/docs/r0.20.0/hdfs\_design.html,April 2009. [76]http://www.taobaodba.com/html/tag/fs. [77]htttps://code.google.com/p/terrastore. [78]Van Wijk J J,van Liere R. Hyperslice-visualization of Scalar Function of Many Variables. IEEE Visualization 93 (1993). [79]J. Cho,H. Garcia-Molina. The Evolution of the Web and Implications for an Incremental Crawler In Proceedings of the 26th International Conference on Very Large Database,Cairo,Egypt,2000. [80]J. Wang,A.P. de Vries,M.J.T. Reinders,Unifying User-based and Item-based Collaborative Fltering Approaches by Similarity Fusion,In Proceedings of the 29th Annual International ACM SIGIR Conference on Research and Development in Information Rretrieval,ACM Press,New York,2006. [81]Jaliya Ekanayake,Hui Li,Bingjing Zhang,Thilina Gunarathne,SeungHee Bae,Judy Qiu,Geoffrey Fox,Twister:A Runtime for Iterative MapReduce,“The First International Workshop on MapReduce and its Applications (MAPREDUCE’10). [82]Jeffrey Dean,Sanjay Ghemawat,MapReduce:Simplified Data Processing on Large Clusters(Sixth Symposium on Operating System Design and Implementation 2004,New York,2008). [83]Jens Dittrich et.al.,Hadoop++:Making a Yellow Elephant Run Like a Cheetah(Without It Even Noticing),Proceedings of Very Large DataBase (PVLDB),2010. [84]Jianqiao Hu et.al.,A User Profile Modeling Method Based on Word2Vec,2017 IEEE International Conference on Software Quality,Reliability and Security Companion (QRS-C) (Prague,Czech Republic,2017). [85]K. Cheverst et al. Developing a Context-aware Electronic Tourist Guide:Some Issues and Experiences. In ACM SIGCHI,2000. [86]K. Shvachko et al. The Hadoop Distributed File System:Mass Storage Systems and Technologies(MSST)(2010 IEEE 26th Symposium,2010. Incline Village,NV)2010. [87]Kambatla,Rapolu,Jagannathan,Grama (2010) Asynchronous Algorithms in MapReduce Cluster Computing(CLUSTER2010) (2010 IEEE International Conference on CLUSTER,2010). [88]L. Xiang,et al.J. Sun,Temporal Recommendation on Graphs Via Long-and Short-term Preference Fusion,In Proceedings of the 16th ACM SIGKDD International Conference. [89]Map Dean J,Ghemawat S.,“MapReduce:Simplified Data Processing on Large Clusters”,In Brewer E,Chen P,eds.,Proc. of the OSDI2004(California:USENIX Association,2004). [90]Matei Zaharia,et al. Spark:Cluster Computing with Working Sets:Proceeding HotCloud’10(Proceedings of the 2nd USENIX Conference on Hot Topics in Cloud Computing,Berkeley,CA,USA,2010). [91]Matei Zaharia et. al.,“Spark:Cluster Computing withWorking Sets”,Technology Report of UC Berkeley,(2011). [92]Matei Zaharia et al.,Spark:Resilient Distributed Datasets:a Fault-tolerant Abstraction for In-memory Cluster Computing:Resilient Distributed Datasets:a Fault-tolerant Abstraction for In-memory Cluster Computing,2012[C]. Berkeley,CA,USA:USENIX Association,2012. [93]Matthew Sessoms,Kemafor Anyanwu:SkyPackage:From Finding Items to Finding a Skyline of Packages on the Semantic Web. JIST 2012. [94]Min Xie,Laks V. S. Lakshmanan,Peter T. Wood:“Composite Recommendations:From Items to Packages” Frontiers of Computer Science 6(2012). [95]MongoDB. http://www.mongodb.org/. [96]O. Averjanova,F. Ricci,and Q. N. Nguyen. Map-based Interaction with a Conversational Mobile Recommender System. In UBICOMM’08,2008. [97]OpenStack Open Source Cloud Computing Software. www.openstack.org [98]Page,L.,“The Pagerank Citation Ranking:Bringing Order to the Web”,Stanford Digital Libraries Working Paper 9(1998). [99]Paul B. Kantor,Francesco Ricci,Lior Rokach,Bracha Shapira. Recommender Systems Handbook(New York:Springer. 2010). [100]Quoc V. Le and T. Mikolov,“Distributed Representations of Sentences and Documents”,Computer Science 4(2014). [101]S. Chakrabarti,M. van den Berg and B. Dom.,Focused Crawling:A New Approach to Topic-Specific Web Resource Discovery(In Proceedings of the 8th International World Wide Web Conference,Toronto,Canada,1999). [102]S.-H. Min,I. Han,“Detection of the Customer Time-variant Pattern for Improving Recommender Systems”,Expert Systems with Applications 28 (2005). [103]Sanjay Ghemawat,Howard Gobioff,Shun-Tak Leung. The Google File System. SOSP2003. [104]Sarwar,B.M.,Karypis,G,Konstan,J.A.,and Riedl,J.,Application of Dimensionality Reduction in Recommender Systems:A Case Study,ACM WebKDD 2000 WebMining for E-Commerce Workshop,2000. [105]Shufeng Ye,Yi Yang,Weixing Huang,Jian Wang and Guigang Zhang,Public Cultural Services Recommendation System Architecture(2017 IEEE International Conference on Software Quality,Reliability and Security Companion (QRS-C),Prague,Czech Republic,2017). [106]Sun J,Jin Q. Scalable RDF Store Based on HBase and MapReduce[C]//Advanced Computer Theory and Engineering (ICACTE),2010 3rd International Conference on IEEE,2010. [107]T. Mikolov,I. Sutskever,K. Chen,G. Corrado,and J. Dean. Distributed Representations of Words and Phrases and Their Compositionality. Advances in Neural Information Processing Systems,26(2013). [108]T. Mikolov,K. Chen,G. Corrado,and J. Dean,“Efficient Estimation of Word Representations in Vector Space”,Computer Science(2013). [109]T. White. Hadoop:The Definitive Guide. (O’Reilly Media,Yahoo!Press,2009). [110]Tv Zhou,et al.,Solving the Apparent Diversity-accuracy Dilemma of Recommender Systems,Proceedings of the National Academy of Sciences of the United States of America 107 (2010). [111]Visual Data Mining and Exploration of Large Databases. Keim D A,Ankerst M. PKDD. 2001 [112]Visualizing Multi-dimensional Clusters,Trends,and Outliers Using Star Coordinates. Kandogan E. KDD01. 2001 [113]Xiaoshuang Zhai et al.,A Kind of Precision Recommendation Method for Massive Public Digital Cultural Resources:A Preliminary Report(2016 IEEE Second International Conference on Multimedia Big Data (BigMM),Taipei,2016). [114]Y. Ge,H. Xiong,A. Tuzhilin,et al.,An Energy-efficient Mobile Recommender System. In ACM SIGKDD’10,2010. [115]Y. Yang,J. Wang,W. Huang and G. Zhang,TopicPie:An Interactive Visualization for LDA-Based Topic Analysis,(2016 IEEE Second International Conference on Multimedia Big Data (BigMM),Taipei,2016). [116]Yi Yang et al.,Distributed Representation for Neighborhood-based Collaborative Filtering,(The 19th IEEE International Symposium on Multimedia (IEEE ISM 2017),Taichung,Taiwan,December 11-13 2017). [117]Yi Yang et al. “Integrated Recommendation for Public Cultural Service,” Multimedia Big Data (BigMM),2017. [118]Yi Yang et al.,Public Cultural Knowledge Graph Platform,(IEEE International Conference on Semantic Computing (ICSC 2017) and The 1st International Workshop on Big Data for Intelligent Services and Applications (BDISA),San Diego,California,USA,2017). [119]Z.B. Liu,et al,A Hybrid Collaborative Fltering Recommendation Mechanism for P2P Networks,Future Generation Computer Systems 26 (2010). [120]Zhou K,Yang S H,Zhao H. Functional Matrix Factorizations for Cold—start Recommendation. Proceedings of the 34th International ACM SIGIR Conference on Research and Development in Information Retrieval(SIGIR),Beijing,2011.
[展开]

相关推荐

发表评论

同步转发到先晓茶馆

发表评论

手机可扫码阅读