大数据：可“感知”情绪“挖”出抄袭

记者从香港中文大学深圳研究院日前主办的“富媒体大数据：感知、处理、检索及应用”博文论坛（第二期）了解到，如何对富媒体大数据进行有效挖掘成为大数据领域的研究热点，对数据进行精确建模、设计高效算法、构建核心技术，从而实现数据驱动运营，是目前产业界和学术界正在探索和研究的主要方向之一。

“21世纪的‘数据’相当于20世纪的‘石油’。”据香港中文大学计算机科学与工程学系教授、国际电机及电子工程师学会院士吕荣聪介绍，不同于传统的多媒体数据，富媒体大数据因聚合了多种媒体数据的动态性与交互性，包含了更多的信息与价值。大数据具有四个非常典型的特点4V，即规模急剧膨胀（Volume）、来源多种多样（Variety）、变化快速瞬息（Velocity）、关系错综复杂（Veracity）。

今年7月，香港中文大学深圳研究院的深圳富媒体大数据分析与应用重点实验室项目获批。该实验室以富媒体大数据计算平台为基础，以智能计算技术为核心，结合互联网及多媒体相关应用发展关键技术，已积累了大量丰富的研究成果，并成功用于互联网和教育等产业。

香港中文大学计算机科学与工程学系教授、深圳富媒体大数据分析与应用重点实验室主任金国庆告诉记者，比如通过社交网络的分析可以进行意见挖掘、感情分析，可以用分析工具获知哪些人在推广某些产品上更加有效，可以通过对企业负责人公开的社交网络信息挖掘出一定的社会关系链，比如通过对文本相似度的分析，可以快速找出有抄袭嫌疑的文章，最终由人来决定一篇文章是否抄袭。

金国庆表示，目前这一检测文件相似度的系统及方法已在香港、台湾、新加坡等地申请了5项专利，已经在香港政府与香港高校等较为广泛的范围内使用，希望通过深圳的平台做更多的推广，推动该产品在内地更大范围内使用。

据介绍，深圳市富媒体大数据分析与应用重点实验室不仅将继续在富媒体大数据方面产出理论成果、分析工具、产品应用等，而且将依托深圳这一产业型取向的城市在大数据产业化方面的优势，将更多研究成果向内地推广应用。