基于专利地图的全球大数据技术竞争态势研究

汪满容+刘桂锋+孙华平

〔摘要〕[目的/意义]运用专利地图的方法探索全球大数据技术的竞争态势，以期为我国政府、企业、高校发展大数据产业和技术提供竞争情报支撑。[方法/过程]以Thomson Innovation平臺的Derwent Innovations Index（德温特专利数据库）中1 363篇大数据技术专利文献为数据来源，运用专利管理地图、专利权利地图和专利技术地图的方法，从申请年份、申请国家、专利申请人、同族专利、专利引用、技术领域等角度进行态势分析。[结果/结论] 研究表明：大数据技术发展的阶段特征明显；美中两国是大数据技术研发的主要国家；互联网企业是大数据技术的重要推动力量；大数据研发的热点聚焦在Hadoop、MapReduce等技术。

〔关键词〕大数据；专利地图；专利分析；专利计量；竞争情报；技术竞争情报；产业竞争情报；竞争者分析

DOI：10.3969/j.issn.1008-0821.2017.01.028

〔中图分类号〕G250.25〔文献标识码〕A〔文章编号〕1008-0821（2017）01-0148-08

〔Abstract〕[Purposes]The competitive situation of the global big data technology was explored by using patent map，which provided competitive intelligence support for Chinese government，enterprises，colleges and universities to develop big data industry and technology.[Methods]1363 patent documents of big data technology were obtained from Derwent Innovations Index（Derwent patent database）in Thomson Innovation platform.By using method of patent management map，patent claim map and patent technology map，patent documents of big data technology were analyzed from perspectives of application year，priority country，assignee，patent family，patent citation，field of technology.[Conclusions]The result showed that the stage characteristics of big data technology was obvious；China and US were the main countries for big data technology research；Internet enterprise was an important driving force for big data technology；Research hotspots of big data technology were focused on Hadoop and MapReduce.

〔Key words〕big data；patent map；patent analysis；patent bibliometrics；competitive intelligence；technology competitive intelligence；industry competitive intelligence；competitor analysis

专利计量的英文是Patent Bibliometrics，最早由Narin[1]于1994年在《Scientometrics》上提出，Narin是公认的专利计量创始人。专利计量[2]是将数学和统计学的方法运用于专利研究，以探索和挖掘其分布结构、数量关系、变化规律等内在价值。专利计量的本质[3]是对专利文献信息进行定向选择和科学抽象的研究活动，是情报信息工作与科学技术管理工作相结合的产物，是一种重要的科研活动。专利计量的指标很多，不同的指标从不同的角度揭示专利信息，因此应该根据不同的评价目的选择不同的评价指标。比较有影响的是美国知识产权咨询公司CHI的专利指标体系，CHI的指标最初主要针对公司设计，但同样适用于国家、地区。CHI一些主要指标包括：专利数量、专利相对产出指数、同族专利指数、专利成长率、引证指数、即时影响指数、技术强度、相对专利产出率、技术重心指数和科学关联性。邱均平[4]认为应该从宏观（某领域）、中观（某公司）和微观（某专利）3个层次来设计不同的专利计量指标体系。

专利分析方法[5]从研究对象的维度进行分类，通常包括技术分析、市场主体分析和区域分析，以及结合不同的需求做其他行业特色分析。由于专利文献含有结构化与非结构化的数据[6]，因此专利分析方法通常分为文本挖掘方法和可视化方法。

专利地图[7]是指对一次、二次、三次等专利文献的统计结果整理成各种图表，即将专利信息“地图化”。一般分为专利管理图、专利技术图、专利权利图。专利地图是专利信息的定量、定性和定量定性分析结果的可视化表达。英文是Patent Map或Patent Mapping。专利地图有如下特征：专利地图基于专利信息、有明确的使用目的、专利信息经过组织加工、以可视化的形式显示。专利地图[8]起着承上启下的作用。承上是指对专利信息的加工过程，专利地图的可视化展示，供专利情报分析使用；启下是对专利地图的研究，进行预测和判断，为技术创新、专利战略、经营战略服务。

2011年麦肯锡公司发布《大数据：创新、竞争和生产力的下一个前沿》报告[9]，标志着大数据时代的到来。近年来，大数据技术引起了业界与学界[10-17]的高度重视与热切关注。本文运用专利计量特别是专利地图的方法对全球大数据技术的研发现状进行全方位的剖析。

1数据来源

本文数据来自Thomson Innovation平台的Derwent Innovations Index（简称DII）数据库，包括将Derwent World Patents Index（德温特世界专利索引，简称DWPI）与Derwent Patents Citation Index（专利引文索引，简称DPCI）数据库。分别在标题-DWPI、关键词-DWPI、摘要-DWPI中检索Big Data，摘要里含有“MapReduce OR BigTable OR MPP Comput OR Hadoop OR GoogleFileSystem”的专利，公开日期从2003年1月1日至2016年8月1日，且专利分类在G06F和H部类下。检索式：（ALLD=（big ADJ data）OR ABD=（MapReduce OR BigTable OR MPP ADJ Comput）OR ABD=（Hadoop OR GoogleFileSystem））AND DP>=（20030101）AND DP<=（20160801）AND IC=（G06F OR H）。检索结果1 363项。

2研究结果分析

2.1历年专利动向图

历年专利动向图常用折线图表示，纵坐标是专利件数，横坐标是专利申请年份或公开年份或授权年份。通过历年专利动向图可以了解技术领域的历年专利申请、产出以及发展情况，推测技术发展趋势或研发投入趋势。大数据技术研究的专利申请年份和公开年份见图1。从图1可知，大数据技术发展分为两个阶段，一是2003-2010年，属于技术萌芽阶段，申请的和公开的专利数量比较少，基本上在20件以下。二是2011年至今，属于技术的快速发展阶段，专利申请和公开的数量呈现加速增长的趋势，2013年和2014年申请和公开的专利数量在350～450件之间，暂时达到了顶峰。由于受到检索时间和专利公开时间的影响，2016年的数据只作为参考，但可以预计，2016年专利申请和公开的数量会比2015年稳步上升。大数据技术的快速发展阶段还会继续延长一段时间。

2.2各国专利占有比例图

各国专利占有比例图常用饼状图表示，图中每一个扇面代表一个国家，扇面积代表该国家专利所占的份额。通过各国专利占有比例图可以发现竞争国家以及竞争实力。专利优先权国家是指专利申请人就其发明创造第一次申请所在的国家或地区。由图2可知，1 363件专利的专利优先权国家或地区主要分布在中国（773件）和美国（343件），约占全部专利总数的82%，其次是韩国（108件）、WO（37件）、印度（32） 和日本（26件）等国家。从专利出版国家或地区来看（图3），主要分布在中国（743件）和美国（379件），其次是WO（97件）、韩国（79件）和日本（15件）。379件美国专利，优先权国家为美国的有298件、韩国的有29件、印度的有16件、中国的有15件、台湾的有12件、日本的有6件，欧洲、英国和俄罗斯各有1件。优先权为中国的15件美国专利中，10件为国外申请人（IBM公司9件、EMC公司3件和INVENTEC CORP公司1件），5件是国内申请人申请的，其中腾讯公司申请1件。

2.3主要竞争公司分析图

主要竞争公司分析图常用条形图表示，每一个长条代表一个竞争公司，长条的长度代表该公司的专利数量。通过主要竞争公司分析图可以发现主要的竞争公司及其竞争实力。1 363件专利共有100余个专利权人/申请人-DWPI，其中申请专利5件以上的专利申请人有49个。图4列出了专利申请数量在前10位的国外专利申请人。国外前10位申请人除前五位专利数量在10件以上，其余在10件以下。美国申请人为8家，日本（NEC）和韩国（UNIV KONKUK IND COOP CORP）各1家。

申请数量最多的是申请63件专利的IBM公司，包括60件美国专利、2件英国专利和1件日本专利。专利的主要内容为大数据收集与存储方法、聚类管理方法、数据处理方法、数据定位方法、Map/Reduce搜索优化、Hadoop分布式文件系统（HDFS）、并行计算系统（PCS）、基于Map/Reduce框架的数据转移方法、社交媒体应用的图形处理系统和大规模并行程序（MPP）等。排在第二位的是雅虎公司，共有20件，19件是美国专利、1件是WO专利。微软在2009-2014年申请了7件美国专利，主题为并行计算的数据分区优化、挖掘大数据价值的方法、分布式数据并行执行系统的分支定界算法、基于MapReduce引擎的图形处理技术等。谷歌公司申请了两件美国专利和两件WO专利，涉及网页文本分割方法、基于无线强度的概率模型降低训练的计算复杂度、基于MapReduce框架的数据处理方法和MapReduce表格关联方法。

国内前10位申请人主要是在我国申请的专利（图5），主要由高校、企业和研究所组成。主要的高校有华中科技大学（17件）、南京大学（14件）、南京邮电大学（12件）、北京大学（9件）。主要的企业有浪潮（20件）、国家电网（18件）、中兴（16件）、华为（14件） 和百度（12件）。浪潮在2013年和2015年申请了20件专利，主要集中在HBase表、MapReduce任务资源配置和任务调度算法、基于Hadoop的软件测试方法、测试Hadoop集群稳定性的方法、HDFS快照的实现方法、数据读写方法、多线程数据上传方法、Hadoop身份认证机制构建方法、大数据系统等。中兴在2005-2015年申请了16件专利，其中6件WO专利、10件中国专利，主题包括实现大数据冲击的自动化测试方法、大数据量分类检索网页的响应方法、应用于Hadoop架构的任务调度方法、电信设备的任务管理方法、基于物联网大数据平台的智能用户分析生成用户图像的方法、基于Hadoop的硬盘损坏处理方法等。华为申请了14件专利，1件美国专利、9件WO专利和4件中國专利，主题有基于MapReduce编程架构的任务分配方法、Hadoop集群内部节点通信方法、智能手机数据处理方法、网站主页大数据处理方法、Hadoop分布式文件系统的数据压缩和存储方法等。百度申请专利12件，主要分布在2012年和2014年。主题有HDFS、Hadoop程序测试方法、Hadoop的调度方法、用于MapReduce的数据排序及传输方法、Hadoop Streaming脚本测试方法、MapReduce分布式系统的文件迁移方法、MapReduce分布式系统的测试方法、用于HADOOP计算的输入数据的方法等。

2.4专利家族图

通过专利家族图可以发现技术保护内容的变迁、确定专利的价值、了解潜在的市场布局等。1 363件大数据技术专利的同族专利数量分布见图6。由图6可知，只有1个DWPI同族专利的数量最多，达到930件，占到68%；2～5个DWPI同族专利的数量为410件；6～9个DWPI同族专利的数量只有18个；而超过10个以上DWPI 同族专利的数量则越来越少，仅仅只有5个（见图7）。DE102014103377A1是FISHER-ROSEMOUNT SYSTEMS公司于2014年3月13日申请的有关“操作过程计划系统”的德国专利，优先权是US2013792109P和US14028860A。18个DWPI同族專利主要分布在美国（4个）、英国（6个）、中国（2个）、德国（4个）和日本（2个）。US20140225757A1是CORTICA公司于2013年4月30日申请的有关“大数据存储系统中基于符号空间音频压缩模式”的美国专利，优先权是US2013763554P。11个DWPI 同族专利主要分布在美国（2个）、英国（2个）、中国（2个）、日本（2个）、德国（1个）、韩国（1个）、WO（1个）。CA2843459A1是自然人于2014年2月18日申请的有关“分布式计算集群中对存储的数据进行查询”的加拿大专利，优先权是US13800280A。11个DWPI同族专利主要分布在美国（2个）、韩国（2个）、加拿大（2个）、澳大利亚（2个）、EP（1个）、英国（1个）、日本（1个）。US20130117847A1是NETFLOW LOGIC公司于2012年11月5日申请的有关“本地网络系统上生成的网络协议元数据的处理方法”的美国专利，优先权是US2011556817P和US2012699823P。10个DWPI同族专利主要分布在美国（2个）、韩国（1个）、WO（1个）、印度（1个）、加拿大（1个）、EP（1个）、中国（1个）、日本（1个）、俄罗斯（1个）。WO2012174471A1是ARGYLE DATA公司于2012年6月15日申请的有关“云计算环境中的移动设备应用程序分解”的PCT专利，优先权是US2011497860P、US13525036A、US13524959A和US13524881A。10个DWPI同族专利主要分布在美国（6个）、澳大利亚（2个）、EP（2个）、中国（1个）、WO（1个）、西班牙（1个）。

2.5重要专利引用谱图

重要专利引用谱图常用表格或者柱状图表示，由此表或图可以发现重要专利、核心专利或基础专利，以及技术发展脉络或技术演进趋势。前20件高被引专利（图8）有16件美国专利和4件中国专利。由于大数据的专利基本上是在2010年之后的最近几年申请的，因此总体被引次数不是很高，基本上在20次以上。

4件中国专利都是大陆申请人在本土申请的，且施引的专利权人都是中国申请人。CN101770402A是中国移动公司于2008年申请的“MapReduce系统中的Map任务调度方法、设备及系统”的专利。共被29项专利引用，26项是中国专利，3项是WO专利（中兴2项和华为1项）。CN101996250A是中国科学院计算技术研究所于2010年申请的“基于Hadoop的海量流数据存储和查询方法及系统”的专利。共被23项专利引用，全部是中国专利。CN1536820A是华为公司于2003年申请的“提高网络拥塞时数据传输性能的方法”的专利。共被22项专利引用，21项是中国专利，1项是美国专利（自引）。CN101764835A是华为公司于2008年申请的“基于MapReduce编程架构的任务分配方法”的专利。共被21项专利引用，全部是中国专利。

16件美国专利中，US20110302583A1的被引次数最高，达到73项，其中65项是美国专利引用、6项是中国专利（CN103106249B、CN103106249A、CN102799622B、CN102799622A、CN103593401A、CN102663005A）、1项是日本专利（JP05831324B2）、1项是PCT专利（WO2015183344A1）。该专利是耶鲁大学于2011年申请的“带有存储装置能够处理数据库系统中数据任务的数据处理系统及框架”专利。该专利共引用4件美国专利，Teradata公司、Yahoo公司各1件，亚马逊公司2件。其中US7984043是亚马逊公司2007年申请，2011年公开的利用大数据预测用户需求，使该公司甚至能在客户点击“购买”之前就开始递送商品的“预期递送”专利。

利用专利引证信息构建双向多级引证树，由此确定技术领域的发展趋势、技术发展路线和研究竞争对手的专利布局等。专利引证图中的节点可以选择专利权人、DWPI专利权人代码、申请日期、公开日期、IPC、DWPI分类、DWPI手工代码等。根据专利申请人的专利相互引证的信息，研究竞争对手间技术相似性，为企业技术合作、并购等经营活动提供决策依据。图9为该专利73项DWPI施引专利权人代码。在图9中相同颜色的节点代表是同一个专利权人，以被引专利的UYYA为例，绿色代表是UYYA专利权人自己引用，共有3个专利，分别是US8886631B2、US8935232B2和US9336263B2。按年份显示该专利被引用变化，2012年共被引5次，2013年共被引9次，2014年共被引24次，2015年共被引24次，2016年共被引11次。根据大量的前向和后向引用信息，可以确定核心专利技术、基础技术等，为企业技术开发、研发投入、专利布局等提供重要帮助。73项施引专利共涉及33个专利权人，其中JOYENT INC最多，有13件专利，IBM和Google各有6件专利，TERADATA公司有4件专利，耶鲁大学、ORACLE和PARELASTIC公司各有3件专利。其余在2件专利以下，国内专利权人有华中科技大学、北京航空航天大学、杭州海康威视系统技术有限公司。

2.6专利技术分布图

通过专利技术分布图可以发现或识别主要的技术领域、技术布局、技术发展趋势、技术竞争对手、技术竞争策略等。利用Thomson Innovation的专利聚类分析和专利地图分析功能，对大数据技术的1363件专利的标题和摘要进行ThemeScape专利地形图分析。专利地形图的制作共分为4个阶段：收集、分析、文本聚类和专利地图。采用等高线图作为全图绘制的基准。专利地形图中的点代表一篇专利文献，点与点之间的距离代表专利文献之间内容的相似程度，最终形成山峰。不同山峰区域内的专利文献代表某一特定技术主题。图10实际显示了1 350件专利的技术总体分布，每个技术区域使用从题目或摘要中提取的3个英文关键词表述相关技术，反映大数据研发的技术概貌和技术分布。总共分为19个技术领域。技术领域Ⅰ（Embodiment/Customer data/Web scale）、技术领域Ⅱ（Cloud/Cloud server/Server）、技术领域Ⅲ（Service/Management/Function）、技术领域Ⅳ（Train/Algorithm/Step）、技术领域Ⅴ（Mapreduce/Reduce/Job）、技术领域Ⅵ（Platform/Cloud/Data platform）、技术领域Ⅶ（Mine/Algorithm/Parallel）、技术领域Ⅷ（Network/Traffic/Communication）、技术领域Ⅸ（Table/Database/Key）、技术领域Ⅹ（Query/Result/Receive）、技术领域Ⅺ（Information/Device/Include）、技术领域Ⅻ（Determine/Include/Target）、技术领域（Storage/Store/Receive）、技术领域（Virtual/Machine/Virtual machine）、技术领域ⅩⅤ（Index/Distributed/File）、技术领域ⅩⅥ（Resource/Job/Hadoop）、技术领域ⅩⅦ（Hadoop/Device/Hadoop System）、技术领域ⅩⅧ（File/Node/block）、技术领域ⅩⅨ（Field/Combination/Result）。

地图中不同颜色表示技术区域内专利的数量，按照蓝色、绿色、深绿色和棕色依次递增。白色表示最高峰，即专利文献最密集部分，说明涉及该技术主题的专利申请量最多，是研发中的热点技术，图11中所示共有5处白色区域。中间最大的一个区域为热点Ⅰ，由技术领域 （Field/Combination/Result）和技术领域（Map/Reduce/Task）两个山峰围成的山谷，热点主题包括多字段并行查询方法、MapReduce作业处理系统等。热点I等高线有76篇专利，其中中国专利48篇，美国专利19篇，PCT专利5篇，韩国2篇、欧洲、印度各1篇。右上角的热点Ⅱ，技术领域为（Storage/Store/Receive），热点主题包括数据存储系统、数据储存方法等。热点Ⅱ等高线有24篇专利，其中中国专利7篇，美国专利11篇，PCT专利4篇，英国、日本各1篇。右下角的热点Ⅲ，技术领域为（Virtual/Machine/Virtual machine），热点主题包括虚拟机、虚拟化计算系统等。热点Ⅲ等高线有12篇专利，其中中国专利4篇，美国专利5篇，PCT专利2篇，韩国1篇。左下角的热点Ⅳ，技术领域为（Analysis/Data analysis/Big data analysis），热点主题包括数据分析方法、大数据分析系统等。热点Ⅳ等高线有9篇专利，其中中国专利6篇，美国、韩国、印度各1篇。最下面的区域为热点Ⅴ，由技术领域（File/HDFS/Hadoop）和技术领域（File/Node/Block）两个山峰围成的山谷，热点主题包括分布式文件系统、文件管理服务系统等。热点Ⅴ等高线有49篇专利，其中中国专利38篇，美国专利4篇，PCT专利2篇，韩国5篇。

Hadoop是一个开源的可运行于大规模集群上的分布式文件系统和运行处理基础框架。Hadoop的核心组件包括海量存储的HDFS（Hadoop分布式文件系统，Hadoop Distributed File System）与分布式并行计算的资源调度（Yarn）+编程模型（MapReduce）。在图10显示的1 350件专利的技术总体分布中，运用主题检索功能进行检索，含有Hadoop的专利文献数量是396篇。对于核心组件之一分布式文件系统而言，其中含有Hadoop Distributed File System的专利文献数量是75篇，含有HDFS的专利文献数量是128篇，二者的并集是146篇，如图12所示，红色的点代表含有Hadoop Distributed File System的75篇专利文献，绿色的代表含有HDFS的128篇专利文献，白色的点是或者含有前者或者含有后者的146篇专利文献，说明两者之间还有交集，既含有前者又含有后者的有57篇。同样对于核心组件之二分布式并行计算而言，含有MapReduce的专利文献数量是233篇，含有Yarn的专利文献数量是3篇，两者的并集是235篇，两者的交集是1篇。通过对上述5个主题进行逻辑合并，得到571篇专利文献，如图13所示，红色代表含有Hadoop的专利文献，黄色代表Hadoop Distributed File System、浅绿色代表HDFS、绿色代表MapReduce、蓝色代表Yarn，而白色代表含有其中两个以上主题的文献。

3结论

本文运用专利地图的方法扫描全球大数据技术竞争态势，得出如下结论：

3.1大数据技术发展的阶段特征明显

大数据研究的专利申请年份或公开年份表明：大数据技术发展分为两个阶段。第一阶段为2003-2010年的技术萌芽阶段，专利申请的数量比较少，均不超过20件（篇）。这一阶段MapReduce、Hadoop、分布式文件系統、非关系型的数据库、并行数据仓库、分布式计算等大数据的突破性技术已经闪现，为大数据的快速发展打下了基础。第二阶段为2011-2016年的快速发展阶段，专利申请的数量上升势头强劲。

3.2美中两国是大数据技术研发的主要国家

无论是从专利优先权国家还是专利出版国家来看，美国和我国均是大数据研究的领先国家。但是从掌握大数据研究的核心技术来看，美国处于中心地带，拥有大批一流的研发机构，如IBM、雅虎、微软等公司。虽然我国大数据研究的专利数量较多，但缺乏原始创新，关于大数据研究的重点方向和核心基础的系统、性能和算法较少。我国专利申请主要在本国申请，较少在美国和WO申请。从高被引专利看，前20件专利只有4件为国内申请人申请的中国专利，并且施引申请人全部是中国研发机构。

3.3互联网企业是大数据技术的重要推动力量

从专利申请人可知，国外申请数量较多的有IBM公司、雅虎公司、惠普公司、微软公司、谷歌公司和亚马逊公司等，国内申请人主要有浪潮公司、中兴公司、华为公司和百度公司等。综上，大数据的底层架构和核心技术主要由谷歌公司、IBM公司等互联网企业机构掌握。

3.4大数据研发的热点聚焦在Hadoop、MapReduce等技术从专利地形图看，全球大数据技术分为19个技术领域，5个热点技术。Hadoop[18]的核心组件包括海量存储的HDFS（Hadoop分布式文件系统）与分布式并行计算的编程模型（MapReduce）。MapReduce编程模型是谷歌公司于2004年申请2010年获得授权的US7650331专利，有关“高效大规模数据处理的系统与方法”，包括Map模块和Reduce模块。

参考文献

[1]Narin F.Patent bibliometrics[J].Scientometrics，1994，30（1）：147-155.

[2]Iversen E J.An excursion into the patent-bibliometrics of Norwegian patenting[J].Scientometrics，2000，49（1）：63-80.

[3]欒春娟.专利计量与专利战略[M].大连：大连理工大学出版社，2012：28.

[4]邱均平，马瑞敏，徐蓓，等.专利计量的概念，指标及实证[J].情报学报，2008，27（4）：556-565.

[5]杨铁军.专利分析实务手册[M].北京：知识产权出版社，2012：137.

[6]Abbas A，Zhang L，Khan S U.A literature review on the state-of-the-art in patent analysis[J].World Patent Information，2014，37：3-13.

[7]Introduction to patent map analysis[EB/OL].http：∥www.training-jpo.go.jp/en/imagesx/uploads/textvtr/pdf/Introduction%20to%20Patent%20Map%20Analysis2011.pdf，2016-08-05.

[8]肖沪卫，顾震宇.专利地图方法与应用[M].上海：上海交通大学出版社，2011：12.

[9]Manyika J，Chui M，Brown B，Bughin J，Dobbs R，Roxburgh C，Byers A H.Big data：The next frontier for innovation，competition，and productivity[R].2011.

[10]Hu H，Wen Y，Chua T，Li X.Towards scalable systems for big data analytics：A technology tutorial[J].IEEE Access，2014，（2）：652-687.

[11]McAfee A，Brynjolfsson E.Big data：the management revolution[J].Harvard Business Review，2012，90（10）：61-67.

[12]Chen H，Chiang R H L，Storey V C.Business intelligence and analytics：from big data to big impact[J].Management Information Systems Quarterly，2012，36（4）：1165-1188.

[13]李鹏飞，卢瑾，辛一.基于专利的大数据技术发展情报分析及战略研究[J].情报杂志，2014，33（9）：45-50.

[14]刘桂锋，卢章平，宋新平.专利地图和知识图谱视角的大数据比较研究[J].图书情报知识，2015，（5）：89-98.

[15]何晓萍，黄龙.大数据领域演进路径，研究热点与前沿的可视化分析[J].现代情报，2015，35（4）：46-51.

[16]李文娟，刘桂锋，卢章平.基于专利分析的我国大数据产业技术竞争态势研究[J].情报杂志，2015，34（7）：65-70.

[17]王忠，安智慧.国外城市管理大数据应用典型案例及启示[J].现代情报，2016，36（9）：168-172.

[18]Shvachko K，Kuang H，Radia S，Chansler R.The hadoop distributed file system[C]∥Mass Storage Systems and Technologies（MSST），2010 IEEE 26th Symposium on.IEEE，2010：1-10.

（本文责任编辑：马卓）