现在大数据成为一个热门话题, 然而无论是网页, 产品信息, 车辆的功能, 文本, 病例还是气象等数据, 对数据的理解的第一步就是要理解数据之间的关联。利用图论, 我们将能够进一步提高我们对数据的理解能力,同时构建和分析图论模型将使得我们能够自动获取答案。本文我们将以搜索引擎为例介绍图论在大数据分析中的作用:
如今, Google已经成为了很多人日常生活中不可或缺的一部分,这个搜索引擎巨头通过围绕在它的核心能力也就是对互联网的索引, 把一系列服务整合起来提供给用户。
Google的网络爬虫和PageRank算法使得人们搜索网络的方式发生了革命性的变化。 通过对网页链接数量和重要性的分类, Google能够比竞争对手更快地提供更加相关的信息。
网站和网站之间的链接组成了一个图, 这不是我们通常所说的可视化的图, 而是一种用来表示每个网页如何与其他网页发生关系的模型。
PageRank算法就是采用这种模型来判断一个网页的重要性的。一个网页拥有越多的外部链接, 它的重要性就可能越高, 如果一个网页被更多的权威信息源所引用, 那么这个网页的重要性也就越高。 Google搜索引擎的搜索结果一般来说比竞争对手要更快更好, 就是因为它的算法涵盖了互联网页面之间的绝大部分链接。
把类似的想法应用到其他数据上, 来分析数据之间的关联, 也能够揭示一些数据背后的本质。 告诉我们哪些是相关的, 哪些是重要的。
要理解我们如何从数据中得出答案, 我们需要了解我们传统上是如何与数据打交道的。几乎所有的试图从数据中寻找答案的过程都是通过搜索实现的。
搜索首先总是从提出问题开始的。 我们把已知的与数据联系的越好, 我们提出的问题就越可能找到答案。 比如说, 如果你找不到你的钥匙,可能你会问:”我的钥匙在哪里?”。 不过, 这可不是一个容易得到答案的问题。它太宽泛了。 而如果你问:“我的钥匙是不是掉在收银台了?” 这个问题比第一个问题要具体一些。 如果你的钥匙在收银台, 那这个问题就是一个好的问题。如果不是的话, 这个问题也不是个好问题。
对数据库的查询与上述方式类似。 要想得到你想要的结果, 你需要构造一个与你的数据相关的查询条件。 你可以使用的查询语句不计其数, 但是只有少部分能够让你得到你需要的答案。
这样的情况才是数据科学的真正难点所在, 也是为什么好的分析师凤毛麟角的原因。 最好的数据科学家是那些既懂得数据, 又懂得那些提出正确问题的人。
如果把互联网看成数据集的话, 那么搜索引擎就是你的查询工具。
几十年来, 搜索引擎都在抓取网络信息, 索引网页以便能够被搜索到。 通过构造不同的搜索条件, 用户可以得到不同的结果。 搜索引擎服务商们不断的改进他们的产品。然而搜索引擎的真正创新出现在2000年左右。
当时, Google的PageRank算法通过对每个链接以及其链接的内容进行建模。通过图论建模, Google把网页之间的联系进行了量化, 以帮助用户更快地获得相关的结果。 这一算法使用了网页之间的关系来提高搜索结果的质量。 而无论哪种搜索引擎, 用体提供的搜索条件描述性越好, 就越能够得到好的结果。
你的搜索条件与Google的PageRank算法之间建立了一个联系。而Google通过图论建模,建立了一个你的搜索条件与相关页面之间的联系。 如果没有关于相关页面和链接的模型, Google就需要更精确的搜索条件才能得到满意的结果。 然而, 即便是采用更先进的搜索技术, 现在的数据问题也会使得构造一个正确的查询条件变得困难。
现在大数据成为一个热门话题, 然而无论是网页, 产品信息, 车辆的功能, 文本, 病例还是气象等数据, 对数据的理解的第一步就是要理解数据之间的关联。认同这一点的话, 就能够理解为什么图论在将来能够为人们的数据分析提供思路。
今天, 我们对数据的很多分析和研究方式已经被图论深深地影响了。 而在未来, 利用图论, 我们能够进一步提高我们对数据的理解能力。 构建和分析图论模型将使得我们能够自动获取答案。当我们把数据自己联系起来的时候, 数据中隐藏的答案会自己出现。
联系客服