[論文レビュー] Cloud-Based Big Data Management and Analytics for Scholarly Resources: Current Trends, Challenges and Scope for Future Research

Samiya Khan, Kashish Ara Shakil+1 more|arXiv (Cornell University)|Jun 6, 2016

Big Data and Business Intelligence参考文献 51被引用数 6

ひとこと要約

この論文は、学術的リソースのためのクラウドベースのビッグデータ管理および分析をレビューし、現在のトレンド、アーキテクチャ的およびサービス的課題、今後の研究方向性を特定する。本稿では、エキスパート検索や研究推薦システムなどの応用を支援するためのスケーラブルで多分野にまたがる学術データプラットフォームのフレームワークを提案する。学術的データの増加する量と複雑さに対応するため、クラウドネイティブなソリューションの重要性を強調する。

ABSTRACT

With the shifting focus of organizations and governments towards digitization of academic and technical documents, there has been an increasing need to use this reserve of scholarly documents for developing applications that can facilitate and aid in better management of research. In addition to this, the evolving nature of research problems has made them essentially interdisciplinary. As a result, there is a growing need for scholarly applications like collaborator discovery, expert finding and research recommendation systems. This research paper reviews the current trends and identifies the challenges existing in the architecture, services and applications of big scholarly data platform with a specific focus on directions for future research.

研究の動機と目的

• 学術的リソースのためのクラウドベースのビッグデータ管理における現在のトレンドを分析すること。
• 学術的ビッグデータプラットフォームにおけるアーキテクチャ的、サービス的、アプリケーションレベルの課題を特定すること。
• 多分野にまたがる研究データ統合と知能的な学術的アプリケーションの必要性を検討すること。
• スケーラブルでクラウドネイティブな学術的データ分析システムの今後の研究方向性を概説すること。
• 次世代ツールの開発を支援すること、例えば共同研究者発見や研究推薦システムなど。

提案手法

• デジタル図書館およびビッグデータプラットフォームにおける既存の文献および技術的トレンドに関する体系的レビュー。
• クラウドコンピューティングが学術的データのエラスティックで分散型のストレージおよび処理を可能にする役割の分析。
• 異種の学術的データソース（例：出版物、メタデータ、引用情報）のためのデータ統合技術の検証。
• スケーラビリティ、相互運用性、分析ワークロードのサポートを基準に、既存の学術的データプラットフォームの評価。
• 将来のクラウドベースの学術的データプラットフォームに必要な主要なコンポONENTの同定、インデキシング、クエリ処理、機械学習パイプラインを含む。
• リアルタイム分析および意味的拡張を支援するクラウドネイティブな学術的ビッグデータプラットフォームのフレームワークの提言。

実験結果

リサーチクエスチョン

• RQ1 学術的リソースのためのクラウドベースのビッグデータ管理における現在のトレンドは何か？
• RQ2 既存の学術的データプラットフォームにおける主なアーキテクチャ的およびサービスレベルの課題は何か？
• RQ3 クラウドコンピューティングは、大規模な学術的データ上でスケーラブルかつ効率的な分析をどのように可能にするか？
• RQ4 エキスパート検索や研究推薦システムのような知能的な学術的アプリケーションを構築するための主要な要件は何か？
• RQ5 クラウドベースの学術的データプラットフォームにおける有望な今後の研究方向性は何か？

主な発見

• 学術的データの増加する量と多分野的性質は、スケーラブルな管理および分析を可能にするクラウドベースのプラットフォームの必要性を生じさせる。
• 既存の学術的データプラットフォームは、データ統合、意味的相互運用性、リアルタイム分析のサポートにおいて課題に直面している。
• クラウドネイティブなアーキテクチャは、多様な学術的データソースのエラスティックなスケーリングとコスト効率の良い処理を可能にする。
• 学術的アプリケーションの正確性を向上させるために、標準化され意味的に豊かにされたデータモデルの必要性が強い。
• 今後の研究は、共同研究発見や推薦システムを支援する知能的かつ拡張可能なプラットフォームの構築に注力すべきである。
• クラウド環境における機械学習および自然言語処理技術の統合は、学術的データ分析の向上に高い可能性を秘めている。