非結構化范文10篇

1關鍵詞全文檢索技術日顯局促，亟待突破

世界范圍的WWW正以目前每9個月增加一倍的速度飛速發展，并還將以指數速度繼續增加。而另一方面，在從Web或數據倉庫中找到你所需要的內容卻并非進展迅速，雖然檢索到相關結果的速度正以兆兆字節甚至十倍于此的速度增加。據2004年5月NielsenNormanGroup的2004Web可用性調查結果顯示，所有用戶（包括偶爾使用或經驗豐富的用戶）對搜索結果滿意的次數百分比僅為42%，經驗豐富的用戶這一數字可以達到50%[1]。最糟糕的搜索經歷常發生在使用企業網站點搜索而不是使用巨型搜索引擎的時候。另據ForresterResearch的統計表明，非結構化信息的數量正在以每年200%的速度增長。一般員工大約要花費35%的時間尋找工作所需的非結構化信息[2]。由此可見，搜索引擎必須采取措施使自己變得更為聰明，同時能更準確全面的為大多數用戶帶來令人滿意的搜索結果。我們需要有一個工具，能同管理結構化信息一樣，有效地管理我們的非結構化信息。

2有望終結傳統搜索模式的Autonomy的“樣板工程”Blinkx英德中文版已經推出

2004年7月，位于美國舊金山的創業公司Blinkx推出了一種新型搜索工具Blinkx，該工具可以提供類似“模糊搜索”或“語義搜索”的功能。也就是說，當用戶提出類似“搜索引擎未來發展趨勢如何”這樣的搜索需求時，搜索引擎能夠給出相關內容的搜索列表，而不會像傳統搜索工具那樣只是機械的給出包含“搜索”、“引擎”、“未來”、“發展”、“趨勢”等詞匯但卻遠離該主題的文章。Blinkx不僅可以搜索文本內容，還可以搜索電影電視等多媒體內容，不僅可以搜索互聯網內容，還可以搜索本機和局域網上的內容。Blinkx同時還可以搜索不同的文本格式內容，如Text、Word、Excel、PPT、PDF以及各種數據庫中的數據格式。有媒體把這種搜索方式稱為“智能搜索”，這樣的搜索引擎一直以來都是人們的夢想，或許Autonomy就是下一代搜索引擎的開端也未可知。當然Autonomy并不只局限于桌面搜索這個狹窄的領域，它不只是代表一系列產品，也不只是一家公司的名字，最主要的是它代表著一種搜索理念和技術[3]。一旦它成功，桌面搜索的格局自然也會跟著發生翻天覆地的變化。

如果安裝了Blinkx的客戶端軟件，一個小的菜單窗口就會出現在Word、Outlook等幾乎所有文檔處理窗口的右上方。用戶在這些窗口中處理文檔時，系統會自動分析這個文檔，然后自動從本機或網絡上抓取相關文章或鏈接，以供用戶參考。它還可以及時提供與文章內容相關的新聞、產品信息、視頻內容等分類信息。簡單地說，用戶完全可以拿一篇文章來作為“查詢關鍵詞”，Blinkx通過對這篇文章進行分析，會給出與這篇文章內容最接近的網絡鏈接或本機文檔[4]。這無疑給需要處理大量數據的個人和企業提供了巨大便利。

2005年元旦剛過Blinkx進入中國市場，其中文測試版已經“竣工”。目前已經在國內某數據中心建立了一個試驗平臺，大約有30多臺服務器正在運行著Blinkx的后臺系統[5]。

1關鍵詞全文檢索技術日顯局促，亟待突破

世界范圍的WWW正以目前每9個月增加一倍的速度飛速發展，并還將以指數速度繼續增加。而另一方面，在從Web或數據倉庫中找到你所需要的內容卻并非進展迅速，雖然檢索到相關結果的速度正以兆兆字節甚至十倍于此的速度增加。據2004年5月NielsenNormanGroup的2004Web可用性調查結果顯示，所有用戶（包括偶爾使用或經驗豐富的用戶）對搜索結果滿意的次數百分比僅為42%，經驗豐富的用戶這一數字可以達到50%[1]。最糟糕的搜索經歷常發生在使用企業網站點搜索而不是使用巨型搜索引擎的時候。另據ForresterResearch的統計表明，非結構化信息的數量正在以每年200%的速度增長。一般員工大約要花費35%的時間尋找工作所需的非結構化信息[2]。由此可見，搜索引擎必須采取措施使自己變得更為聰明，同時能更準確全面的為大多數用戶帶來令人滿意的搜索結果。我們需要有一個工具，能同管理結構化信息一樣，有效地管理我們的非結構化信息。

2有望終結傳統搜索模式的Autonomy的“樣板工程”Blinkx英德中文版已經推出

2004年7月，位于美國舊金山的創業公司Blinkx推出了一種新型搜索工具Blinkx，該工具可以提供類似“模糊搜索”或“語義搜索”的功能。也就是說，當用戶提出類似“搜索引擎未來發展趨勢如何”這樣的搜索需求時，搜索引擎能夠給出相關內容的搜索列表，而不會像傳統搜索工具那樣只是機械的給出包含“搜索”、“引擎”、“未來”、“發展”、“趨勢”等詞匯但卻遠離該主題的文章。Blinkx不僅可以搜索文本內容，還可以搜索電影電視等多媒體內容，不僅可以搜索互聯網內容，還可以搜索本機和局域網上的內容。Blinkx同時還可以搜索不同的文本格式內容，如Text、Word、Excel、PPT、PDF以及各種數據庫中的數據格式。有媒體把這種搜索方式稱為“智能搜索”，這樣的搜索引擎一直以來都是人們的夢想，或許Autonomy就是下一代搜索引擎的開端也未可知。當然Autonomy并不只局限于桌面搜索這個狹窄的領域，它不只是代表一系列產品，也不只是一家公司的名字，最主要的是它代表著一種搜索理念和技術[3]。一旦它成功，桌面搜索的格局自然也會跟著發生翻天覆地的變化。

如果安裝了Blinkx的客戶端軟件，一個小的菜單窗口就會出現在Word、Outlook等幾乎所有文檔處理窗口的右上方。用戶在這些窗口中處理文檔時，系統會自動分析這個文檔，然后自動從本機或網絡上抓取相關文章或鏈接，以供用戶參考。它還可以及時提供與文章內容相關的新聞、產品信息、視頻內容等分類信息。簡單地說，用戶完全可以拿一篇文章來作為“查詢關鍵詞”，Blinkx通過對這篇文章進行分析，會給出與這篇文章內容最接近的網絡鏈接或本機文檔[4]。這無疑給需要處理大量數據的個人和企業提供了巨大便利。

2005年元旦剛過Blinkx進入中國市場，其中文測試版已經“竣工”。目前已經在國內某數據中心建立了一個試驗平臺，大約有30多臺服務器正在運行著Blinkx的后臺系統[5]。

1關鍵詞全文檢索技術日顯局促,亟待突破

世界范圍的WWW正以目前每9個月增加一倍的速度飛速發展,并還將以指數速度繼續增加。而另一方面,在從Web或數據倉庫中找到你所需要的內容卻并非進展迅速,雖然檢索到相關結果的速度正以兆兆字節甚至十倍于此的速度增加。據2004年5月NielsenNormanGroup的2004Web可用性調查結果顯示,所有用戶(包括偶爾使用或經驗豐富的用戶)對搜索結果滿意的次數百分比僅為42%,經驗豐富的用戶這一數字可以達到50%[1]。最糟糕的搜索經歷常發生在使用企業網站點搜索而不是使用巨型搜索引擎的時候。另據ForresterResearch的統計表明,非結構化信息的數量正在以每年200%的速度增長。一般員工大約要花費35%的時間尋找工作所需的非結構化信息[2]。由此可見,搜索引擎必須采取措施使自己變得更為聰明,同時能更準確全面的為大多數用戶帶來令人滿意的搜索結果。我們需要有一個工具,能同管理結構化信息一樣,有效地管理我們的非結構化信息。

2有望終結傳統搜索模式的Autonomy的“樣板工程”Blinkx英德中文版已經推出

2004年7月,位于美國舊金山的創業公司Blinkx推出了一種新型搜索工具Blinkx,該工具可以提供類似“模糊搜索”或“語義搜索”的功能。也就是說,當用戶提出類似“搜索引擎未來發展趨勢如何”這樣的搜索需求時,搜索引擎能夠給出相關內容的搜索列表,而不會像傳統搜索工具那樣只是機械的給出包含“搜索”、“引擎”、“未來”、“發展”、“趨勢”等詞匯但卻遠離該主題的文章。Blinkx不僅可以搜索文本內容,還可以搜索電影電視等多媒體內容,不僅可以搜索互聯網內容,還可以搜索本機和局域網上的內容。Blinkx同時還可以搜索不同的文本格式內容,如Text、Word、Excel、PPT、PDF以及各種數據庫中的數據格式。有媒體把這種搜索方式稱為“智能搜索”,這樣的搜索引擎一直以來都是人們的夢想,或許Autonomy就是下一代搜索引擎的開端也未可知。當然Autonomy并不只局限于桌面搜索這個狹窄的領域,它不只是代表一系列產品,也不只是一家公司的名字,最主要的是它代表著一種搜索理念和技術[3]。一旦它成功,桌面搜索的格局自然也會跟著發生翻天覆地的變化。

如果安裝了Blinkx的客戶端軟件,一個小的菜單窗口就會出現在Word、Outlook等幾乎所有文檔處理窗口的右上方。用戶在這些窗口中處理文檔時,系統會自動分析這個文檔,然后自動從本機或網絡上抓取相關文章或鏈接,以供用戶參考。它還可以及時提供與文章內容相關的新聞、產品信息、視頻內容等分類信息。簡單地說,用戶完全可以拿一篇文章來作為“查詢關鍵詞”,Blinkx通過對這篇文章進行分析,會給出與這篇文章內容最接近的網絡鏈接或本機文檔[4]。這無疑給需要處理大量數據的個人和企業提供了巨大便利。

2005年元旦剛過Blinkx進入中國市場,其中文測試版已經“竣工”。目前已經在國內某數據中心建立了一個試驗平臺,大約有30多臺服務器正在運行著Blinkx的后臺系統[5]。

1檢索技術日顯局促，亟待突破

世界范圍的WWW正以目前每9個月增加一倍的速度飛速發展，并還將以指數速度繼續增加。而另一方面，在從Web或數據倉庫中找到你所需要的內容卻并非進展迅速，雖然檢索到相關結果的速度正以兆兆字節甚至十倍于此的速度增加。據2004年5月NielsenNormanGroup的2004Web可用性調查結果顯示，所有用戶（包括偶爾使用或經驗豐富的用戶）對搜索結果滿意的次數百分比僅為42%，經驗豐富的用戶這一數字可以達到50%。最糟糕的搜索經歷常發生在使用企業網站點搜索而不是使用巨型搜索引擎的時候。另據ForresterResearch的統計表明，非結構化信息的數量正在以每年200%的速度增長。

一般員工大約要花費35%的時間尋找工作所需的非結構化信息。由此可見，搜索引擎必須采取措施使自己變得更為聰明，同時能更準確全面的為大多數用戶帶來令人滿意的搜索結果。我們需要有一個工具，能同管理結構化信息一樣，有效地管理我們的非結構化信息。

2有望終結傳統搜索模式的Autonomy的“樣板工程”Blinkx英德中文版已經推出

2004年7月，位于美國舊金山的創業公司Blinkx推出了一種新型搜索工具Blinkx，該工具可以提供類似“模糊搜索”或“語義搜索”的功能。也就是說，當用戶提出類似“搜索引擎未來發展趨勢如何”這樣的搜索需求時，搜索引擎能夠給出相關內容的搜索列表，而不會像傳統搜索工具那樣只是機械的給出包含“搜索”、“引擎”、“未來”、“發展”、“趨勢”等詞匯但卻遠離該主題的文章。Blinkx不僅可以搜索文本內容，還可以搜索電影電視等多媒體內容，不僅可以搜索互聯網內容，還可以搜索本機和局域網上的內容。Blinkx同時還可以搜索不同的文本格式內容，如Text、Word、Excel、PPT、PDF以及各種數據庫中的數據格式。有媒體把這種搜索方式稱為“智能搜索”，這樣的搜索引擎一直以來都是人們的夢想，或許Autonomy就是下一代搜索引擎的開端也未可知。當然Autonomy并不只局限于桌面搜索這個狹窄的領域，它不只是代表一系列產品，也不只是一家公司的名字，最主要的是它代表著一種搜索理念和技術。一旦它成功，桌面搜索的格局自然也會跟著發生翻天覆地的變化。

如果安裝了Blinkx的客戶端軟件，一個小的菜單窗口就會出現在Word、Outlook等幾乎所有文檔處理窗口的右上方。用戶在這些窗口中處理文檔時，系統會自動分析這個文檔，然后自動從本機或網絡上抓取相關文章或鏈接，以供用戶參考。它還可以及時提供與文章內容相關的新聞、產品信息、視頻內容等分類信息。簡單地說，用戶完全可以拿一篇文章來作為“查詢關鍵詞”，Blinkx通過對這篇文章進行分析，會給出與這篇文章內容最接近的網絡鏈接或本機文檔[4]。這無疑給需要處理大量數據的個人和企業提供了巨大便利。

摘要：隨著互聯網技術、大數據技術以及云計算技術的快速發展，在各行各業以及有了非常普遍的應用，這些技術雖然為各項工作的開展提供了一定的助力，但與此同時也產生了大量的非結構化數據，其中最主要的則是會計數據。這些數據在會計工作開展過程中很容易導致與企業價值相關的一系列關系模型的合理性受到影響，進而導致相關工作開展受挫。本文變從影響會計數據問題的各方面因素展開研究。

關鍵詞：大數據；會計相關關系；會計數據

非結構化的數據主要包括圖片、文本、視頻圖片等多種內容，隨著大數據時代的到來，企業在長期經營過程中開始占據了所有數據的主體位置。企業而言，大量含有較高價值的信息包含在非結構性的數據當中，尤其在會計工作中必須處理好這些數據，才能保證企業信息得到有效保障。大數據技術下的會計核算體系必然會逐漸將非結構化以及碎片化的數據包含，大數據會計必然會成為以后的發展主流。目前，大數據會計急需解決好三方面問題，①大數據會計的整體結構；②如何保證一系列非結構化的數據與企業現有的高價值數據之間建立一定的關聯性；③怎樣才能將這些數據準確的披露在報表當中。

一、大數據會計的會計數據選擇與結構分析

（一）非結構化、碎片化的數據成為會計數據主體。傳統的結構化數據往往應對的信息量相對比較少，能夠在有限的數據表結構中表現出數據之間的關聯以及相互之間可能會造成的影響，但是隨著企業信息日益龐雜，大量的非結構化數據引入，傳統的數據結構管理模式已然不能滿足現有的企業管理要求。以圖片視頻為代表的碎片化數據不同于結構化的數據，組織會計數據本身，并不能有效地發現不同數據信息之間的關聯。同時在企業發展以及信息化建設的促進下，各種非結構化的數據必然會逐漸占據主體位置，在討論研究大數據會計的數據結構時，須要將非結構的數據放置在核心位置。另外，大數據會計背景下，各方面信息的來源渠道相對比較復雜，如何對這些渠道以及獲取到的信息，實現定性的描述分析是會計工作人員急需解決的問題之一。（二）大數據會計的會計數據的結構構成分析。目前，大數據會計的數據結構成分主要有非結構化的數據，碎片化數據以及傳統結構化的數據等多方面內容共同組成。另外從數據可靠性以及數據真實性方面的定義來看，會計數據可以分為直接性能數據與間接性的數據兩種，以碎片化為代表的非結構化數據屬于間接性的數據，這些數據在后續大數據會計建設過程當中必然會占據著主導位置。相對應的直接數據能夠更加直觀地向會計工作人員展示出相關數據所表現出的含義以及內容。在數據信息記錄過程當中，會計信息必然需要經過公司相關負責人員以及審核人員的簽字蓋章，在這個過程當中需要以掃描的形式完成數據上傳，這些收集到的信息往往是非結構化的碎片，數據想要進一步增強會計信息的關聯性，就很好地處理好這些碎片化數據之間的聯系，但是從實際情況來看會計數據結構組成當中這些碎片化的數據并沒有成為一個相對可靠性的會計信息。所以說在后續大數據會計建設時候會計數據必然會以貨幣為核心因素，這樣以貨幣數據為核心的會計數據組成形式相對有更高的可靠性，能夠很好地滿足企業大量數據交互過程當中產生的數據處理需求。在大數據時代背景下，雖然數據量越來越大，但是收集信息的難度也會隨之增高，由于大部分缺乏專業素養的工作人員，無法準確判斷出這些不同數據之間的關系，以及哪一部分數據屬于企業需要處理的核心信息。這個時候如果依靠某一個單一的碎片化會計數學，很難準確的描述出企業管理工作開展的需求以及決策產生的影響。

二、非結構化數據與企業價值相關關系的構建

就現代化智能建筑，尤其是樓宇的弱電設計而言，采用結構化綜合布線系統已成為共識。但是，目前還存在著兩種看法：一是主張將所有的弱電系統都建立在結構化綜合布線所搭起的平臺上，也就是用結構化布線代替所有的傳統弱電布線；另一則主張將計算機網絡布線、電話配線納入到結構化綜合布線中，而其它的弱電系統仍采用其特有的傳統布線。究竟采取哪種布線方式較為合理，筆者認為應結合具體項目，從所用方案的先進性、合理性、經濟性等方面綜合考慮方能得出以下幾點結論。

1.智能建筑弱電方案確定基本思路

首先分析一下結構化綜合布線的優點：

（1）結構化綜合布線使用了標準化的線纜和接插頭模塊，非常便于各樓層及本樓層間的信息點管理，使得因辦公室搬遷等因素造成的大量終端設備、電話機移位時，只需將插頭拔出、插入新的位置，然后在弱電設備間內做跳線處理或僅僅作些軟件上的更改，即可重新投入使用，而不像傳統布線那樣無統一標準。當設備需要移位時，會帶來許多管理上的不方便或需要重新布線，對建筑裝璜造成較大的破壞。

（2）結構化綜合布線的擴展能力強，因為對于五類非屏蔽雙絞線可以提供155Mb/s信息的傳輸能力，除了滿足當前各種網絡的需要外，還能滿足未來發展的需要。根據上述結構化綜合布線的兩個優點，結合建筑物實際的各弱電系統，具有發展性和不穩定性的只有電話系統和計算機網絡系統。而對于其他弱電系統，如火災自動報警系統、保安監視系統、廣播系統、電纜電視系統等設備，具有很好的固定性，且位置一般不會移動，對于一個固定的建筑物，這些系統的設備一經選定，頻繁更新換代的可能性和必要性均很低。根據以上所述，一般都在弱電設計中把電話系統及計算機網絡系統的配線統一納入結構化綜合布線，而對其他弱電系統保持相對的獨立性，仍采用傳統的配線方式。然而，采用上述方法還有其他一些原因，如當前大多數弱電設備廠家的系統與結構化綜合布線系統不兼容。要想使這些弱電系統在結構化綜合布線平臺上運行，則必須增加轉換設備。例如保安監控系統的攝像機，其輸出的視頻信號通常以同軸電纜傳輸，如果將其納入結構化結合布線系統中，需在線路兩端增加信號轉換設備。顯然，這樣做既麻煩又不經濟。

2.綜合布線在應用中存在的問題

摘要本文主要論述了智能建筑設計中弱電系統設計方案確定的原則。分析了結構綜合布線的優點，并著重就綜合布線產品應用中存在的問題進行探討。建議設計人員根據實際情況，結合我國國情進行智能建筑的設計。

關鍵詞智能建筑弱電子系統結構化綜合布線

對于現代化智能建筑，尤其是辦公樓宇的弱電設計，采用結構化綜合布線系統已成為共識。但是，目前還存在著兩種看法(或做法)：一是主張將所有的弱電系統都建立在結構化綜合布線所搭起的平臺上，也就是用結構化布線代替所有的傳統弱電布線；另一則主張將計算機網絡布線、電話配線納入到結構化綜合布線中，而其他的弱電系統仍采用其特有的傳統布線。究竟采取哪種布線方式較為合理，作者認為應結合具體項目，從所用方案的先進性、合理性、經濟性等方面綜合考慮方能得出結論。

1智能建筑弱電方案確定基本思路

首先分析一下結構化綜合布線的優點：

(1)結構化綜合布線使用了標準化的線纜和接插頭模塊，非常便于各樓層及本樓層間的信息點管理，使得因辦公室搬遷等因素造成的大量終端設備、電話機移位時，只需將插頭拔出、插入新的位置，然后在弱電設備間內做跳線處理或僅僅作些軟件上的更改，即可重新投入使用，而不像傳統布線那樣無統一標準。當設備需要移位時，會帶來許多管理上的不方便或需要重新布線，對建筑裝璜造成較大的破壞。

摘要：在國家電網公司信息化工程的建設過程中，積累了大量的文本數據。如何挖掘文本數據中蘊含的有價值信息將成為電力企業大數據挖掘方向研究的重點對象。文章結合電力行業目前的數據現狀，使用文本挖掘的方法對電力設備檢修資金投入工作效能場景進行挖掘，對生產信息管理系統中報缺單數據進行文本聚類，實現對缺陷的細分。實踐表明，該方法可以得出各類別的缺陷特征，從而證明了文本挖掘在電力行業的可用性。

關鍵詞：電力設備檢修；文本數據；文本挖掘；大數據挖掘

隨著信息化的快速發展，國家電網公司各專業積累的數據量越來越龐大。龐大數據的背后，由于數據結構和存儲方式的多樣化以及電力系統內部不同專業從業者的知識面層次不齊等，其中被利用的數據只占少量的部分，造成大量的有價值數據被浪費。在被浪費的數據中，以文本形式存在的數據占很大比重，如何從比較復雜的文本數據中獲得需要的數據受到國家電網公司的普遍關注。國家電網公司經過SG186、三集五大等大型信息化工程的建設，積累了海量的業務數據，其中包括大量的文本數據。目前，國家電網公司對業務數據的利用主要集中在結構化數據的統計和分析，這些方法無法直接應用在非結構化文本數據中，更無法對其中隱含的價值規律進行深度分析挖掘。針對非結構化文本數據量不斷增大、業務應用范圍不斷擴大這一現狀，為了提升國家電網公司企業運營管理精益化水平，需要進一步挖掘非結構化數據中潛在的數據價值。因此，開展電力大數據文本數據挖掘技術應用場景和一般流程的研究顯得尤為重要[1]。

1非結構化數據概述

與結構化數據（能夠用二維表結構遵循一定的邏輯語法進行體現的數據）相比，非結構化數據不能在數據庫中采用二維結構邏輯形式來表示，這些形式主要有Word文檔、文本、圖片、標準通用標記語言下的子集XML、HTML、Excel報表、PPT、Audio、Video、JPG、BMP等。半結構化數據處于完全結構化數據（邏輯型、關系型數據庫中的數據）和完全無結構化數據（BMP、JPG、Video文件）中間，它一般的功能是對系統文件的描述，如系統應用幫助模塊，有一定的邏輯結構，同時也包含數據格式，兩者相融在一起，比較均衡，沒有明顯的界限[2]。進入21世紀后，網絡技術飛速發展，特別是內聯網和因特網技術取得突飛猛進的發展，各類非結構數據類型格式日益增多，以往的數據庫主要用于管理結構化數據，對于非結構化數據的管理稍顯乏力，為了適應非結構數據的迅猛發展，數據庫的革新勢在必行，在內聯網和因特網技術的基礎上，對數據庫的內在結構進行改進和創新，使其能夠兼容和處電力信息與通信技術2016年第14卷第1期8電力大數據技術理非結構數據形式。北京國信貝斯是我國非結構化數據庫開發和設計的領軍者，其旗下開發的IBase數據庫能夠兼容和處理目前市面上存在的各種文件名、格式、多媒體信息，能夠基于內聯網和互聯網對海量信息進行搜索、管理，技術已經達到全球領先水平。

2文本挖掘技術

【摘要】數學教材是結構性的，具有關聯性、非均衡性和生長性的特征。在數學教學中，教師首先要進行教材解讀。讀通教材、讀透教材、讀活教材是教材解讀的三重境界。從結構化的視角來解讀教材，要求教師瞻前顧后、左顧右盼、融會貫通。教師只有從結構化的視角來解讀教材，才能幫助學生建立相對穩定、清晰、系統的認知結構。

【關鍵詞】數學教學；結構化視角；教材解讀

實施數學結構化教學，必須注重結構化的教材解讀。從結構化的視角來進行教材解讀，需秉持整體、關聯、發展的思想，要求教師讀通教材、讀透教材、讀活教材。在教材解讀中，教師既要瞻前顧后，又要左顧右盼，還要融會貫通。教師只有從結構化的視角來解讀教材，才能幫助學生建立相對穩定、清晰、系統的認知結構。結構化教材解讀，要突破短時、孤立的“課時教材”解讀窠臼，進而彰顯數學知識的整體性意義。

一、結構化數學教材的特征

數學教材是一種結構化的教材，關聯性、非均衡性、生長性是結構化教材的主要特性。數學教材的結構化不僅包括知識結構化，而且包括編排結構化、解讀結構化。知識結構化是一種客觀存在，編排結構化是一種教材形態，而解讀結構化是教師基于自身視角對知識、教材的再加工，是一種創造性開發。

（一）關聯性

［摘要］大數據時代的到來為證券投資提供了豐富的數據資源，既優化了投資決策渠道，也極大地拓展了投資者的視野。研究對大數據背景下投資學課程教學現存的問題，如大數據思維模式的沖擊、資產選擇和配置方式、數據類型和綜合決策等方面的挑戰進行系統分析，繼而以“有效市場理論”展開了該課程的案例教學探討，從數據采集、數據分析和決策制定三個角度探究了課程教學的改革措施，為培養創新性金融專業人才提出一些建議。

［關鍵詞］大數據；教學改革；投資學

一、引言

經濟社會的快速發展帶來了海量的數據，這些海量數據之間的價值關聯逐步凸顯；從各種類型數據中快速獲取有價值信息的能力，就是大數據技術。大數據量（Volume）、多類型（Variety）、快速（Velocity）、價值（Val⁃ue）和真實（Veracity）等特點使得傳統數據分析和決策方式變得更為困難。如何進一步確保高校教育的與時俱進，充分挖掘大數據時代課程教學的特點，深化學生創新能力和實踐能力的培養是高校教育改革面臨的重要任務之一。投資學是金融學專業一門重要的基礎課，包含較多的理論知識和實踐經驗。隨著教育行業信息化持續推進，教育改革的深化和發展需要在大數據思維引領下進行[1]。面對復雜、海量的數據，投資者如何制定投資決策變得越來越有挑戰性。金融創新型人才不僅需要具備扎實的金融理論知識，同時也需具備大數據分析和綜合決策的能力。大數據時代的到來對經濟、金融類專業學生能力培養提出了新的要求，這不僅體現在投資學等專業課程上，對數學、統計學、計算機技術等課程的教學也提出了相應的要求。挖掘大數據時代的課程教學特點，深化創新教育，培養大學生創新能力和實踐能力是高校教書育人所面臨的重要課題。本文從投資學課程教學出發，研究大數據時代課程教學的改革特點和推進途徑，為深化高校經濟類專業課程教學改革提供有價值的參考。

二、投資學課程教學面臨的挑戰

大數據概念已植根于金融類專業教學中，這不僅推動了金融實務的持續創新，更催生了金融模式的深刻變革。經濟社會的發展使得培養創新型金融專業人才離不開大數據，這不僅為高校專業課程教學深化改革指明了方向，同時對現有的教學模式也提出了新的挑戰。（一）大數據思維對金融問題分析提出新要求。基于大數據的經濟、金融研究與傳統計量研究方法相比出現很多新的特征，比如數據的采集、清洗、分析、使用等均有別于傳統的方法，這也意味著對問題的思考和分析不能墨守成規。目前，大數據技術已經逐漸滲透到銀行、保險、證券、金融監管等方面，并逐步走向成熟。大數據邏輯與傳統邏輯有明顯區別，如傳統方法是理論假說檢驗驅動，而如今是大數據驅動的歸納推理；大數據是自下而上的推理歸納方法，而傳統邏輯則是自上而下的演繹推理方法[2]。（二）優化資產選擇和資源配置決策方式。作為投資學核心內容的資產選擇和優化資源配置方式需要優化。對投資者而言，股票、債券、期貨、期權等金融產品的數據采集變得容易，這拓展了資產選擇渠道和優化配置的視角。然而，數據量龐大、低價值密度的特點使得尋找有價值的信息輔助決策更為困難；如何有效利用海量數據挖掘出有用的信息，并構建個性化的投資方案日益重要。海量數據加簡單邏輯形成有價值的信息是一件極富挑戰的工作[3]。（三）數據類型多樣化對分析提出新的考驗。大數據時代不僅需要對海量的結構化數據進行分析，同時也需要對半結構化數據和非結構化數據進行分析整理。傳統的金融理論，比如組合投資理論、有效市場理論和資產定價理論大都是基于結構化的數據展開分析的，教學和實證過程中也大多依賴于結構化數據。然而，僅對結構化數據進行分析的結果可能有所偏倚。實踐證明，對于文本、網頁等非結構化數據的分析也同樣重要。半結構化數據（及非結構化數據）和結構化數據同樣隸屬于整體樣本中的一部分，不管是哪種數據都夾雜著有價值的數據和無價值的數據。這方面，從金融文獻研究、投資者情緒研究的相關研究成果中可見一斑。同時，大數據可擴充的性質要求對各種數據能有效及時地甄別，區分數據的價值。這就要求課程教學特別是案例教學不能僅停留在結構化的數據分析上，而是要拓展到非結構化的數據分析。事實上，教學過程中對結構化數據的重視遠超過非結構化數據，而非結構化數據恰恰是大數據時代的產物和分析的基礎[4]。從具有價值的數據整體挖掘出其內在反映的真實信息并找到簡單邏輯變得極為關鍵，這將關系到下一步的投資決策。非結構化數據分析其內在信息時較為困難，需要進一步完善其分析的方法和技術。（四）綜合決策的挑戰。權衡投資風險及收益并做出符合自身效用最大化的決策是投資的核心工作，這需要建立在對大數據的處理分析上。分析問題的途徑多了，就會對投資者的綜合決策能力提出新的挑戰：不僅要考慮到投資者的個性特點，同時也要求對多渠道分析結果進行歸納和總結。更為顯著的是，傳統的抽樣實證方式難以實現對問題的系統分析，在大數據背景下，數據樣本總體實證更為重要。傳統實證研究和教學的基本邏輯可以歸納為:先確定研究目標、現象總體和個體，再確定所需變量或指標，最后向全部個體或部分個體獲取數據。顯然，是先有總體再有數據。在大數據背景下難以識別數據的基本特征，很多情況下無法事先掌握所關注問題的完整數據；這種情況下，只有找出這些數據背后的承擔者才能構筑總體，所以是先有數據后有總體。目前，受大數據分析技術局限性和經濟學專業學生數據處理能力的影響，投資學課程的大數據教學方式改革進展緩慢。大數據分析有利于提高投資決策的效率，是投資學課程教學改革值得探索的研究方向，也是經濟、金融等專業適應新形勢教學改革的必要探索。培養金融類專業人才需要對投資學教學進行改革，以適應社會的發展[5-6]。