以图像和文本为代表的多模态数据为用户线上购买和交友决策过程提供了重要信息参考。本书基于推荐及评论这两个重要的用户决策支持系统，主要研究了基于多模态数据的推荐算法设计以及多模态数据对用户评论行为产生的影响。本书的特色在于聚焦数字经济平台的重要领域，关注了平台的两个核心功能——推荐功能和评论功能，并深入研究了多模态数据在其中所具有的价值和所起到的作用。全书共6章，内容包括选题背景；与平台推荐和评论系统相关的已有研究成果；基于多模态数据的推荐算法设计；评论系统中用户生成图像对后续消费者决策所产生的影响；未来发展趋势。《多模态数据下的推荐算法及在线评论行为研究》主要面向高等院校管理科学与工程、信息管理相关专业高年级本科生及研究生，也为推荐算法、多模态数据分析相关研究领域的广大科技工作者和研究同行提供参考。

本书围绕数据中心业务如何经营这一主题展开论述，以数据中心产业演变为切入点，围绕“布局-建设-服务”三大核心环节，针对数据中心产业面临的集群化布局、低碳化建设、智能化服务的机遇与挑战，通过变革中的数据中心产业、数据中心产业面临的挑战、数据中心布局之道、数据中心低碳建设之道、数据中心智能服务之道、数据中心产业政策实施之道、新形态数据中心经营之道等内容剖析原因、洞察规律、研讨案例、搭建模型，为相关经营主体给出了专业务实的策略。本书实用性强，内涵丰富，采用情景对话方式编写，可读性强，具备较高参考价值。本书可供通信运营商、第三方专业服务商、跨界服务商等各类数据中心运营主体的从业人员阅读，也可供主管数据中心建设与运营的政府部门的工作人员阅读。

新技术的发展改变了人类生活的习惯，也改变了商业环境。新兴技术下的供应链管理成为商业实践亟待解决的问题，也为学术研究带来了新的挑战。《供应链中的资源分配研究——以新能源汽车与数据中心为例》以新能源汽车供应链以及数据中心供应链这两个具有代表性的供应链为例，分别研究了新能源汽车市场的政府财政补贴资源分配问题，数据中心供应链的网络设计以及服务资源分配问题以及数据中心供应链中在服务水平协议下的云计算服务资源的供给和分配问题。《供应链中的资源分配研究——以新能源汽车与数据中心为例》综合使用了管理科学与工程领域的多种工具，包括博弈论，整数规划，鲁棒优化等方法，能够为决策者提供有效的辅助决策工具，也能得到丰富的管理启示。

《Python大数据分析与挖掘》是一本以大数据获取与分析为核心的教材，共分为4篇11章，循序渐进地引导读者深入学习Python在大数据领域的应用。第1篇为Python基础，全面介绍Python语言的基本特点和编程基础。第2篇为Python数据分析基础，主要内容包括NumPy、Pandas和Matplotlib数据分析工具包的使用，为数据分析与可视化奠定基础。第3篇为数据采集，介绍网络爬虫方法，包括静态网页和动态网页的爬取技术，使读者能够灵活获取网络数据。第篇为大数据分析实践，涵盖了数据探索性分析、机器学习以及自然语言处理等内容，并提供了丰富的实践案例。

随着数字经济的不断发展，数据价值得到越来越广泛而深入的体现。目前我国信息数据资源80%以上掌握在各级政府部门手里，受数据孤岛、技术壁垒、法制缺失、数据标准不统一等因素影响，大量数据未能得到充分开放、共享或利用，不利于推动我国数字产业化与产业数字化的发展。政府、企业和个人是数据开放、共享和交易的基本主体，技术与法制是数据流动的重要保障，它们共同形成一个复杂开放的数据生态系统，其治理是一项集政策、理论、方法、技术、法律和文化于一体的复杂系统工程。本书在剖析数据生态治理问题的基础上，运用系统工程思想，从数据、问题、系统、技术和法制几个层面探析数据生态治理的基本原则，构建了一套数据生态治理系统工程的方法论体系，为促进我国数字经济发展提供了决策指导和政策启示。全书共15章，分为数据篇、治理篇、系统篇、技术篇和法制篇五个部分，体系完整、逻辑严谨、案例丰富、内容翔实，可供相关专业本科生、研究生、教师和研究人员阅读或作为教材使用，也可为政府在数据治理领域决策、制定政策提供参考。

全书分为3篇：1.第1篇首先会详细讲解存储引擎的全貌，让读者能对存储引擎有一个整体的思维框架，介绍存储引擎的两大分支：基于b+树的存储引擎、基于lsm派系的存储引擎，其次对存储引擎部分涉及的一些数据结构、存储介质等概念做一个简要的介绍，为后面内容的深入学习做铺垫。2.第二篇主要介绍基于b+树的存储引擎，在理论部分重点回答为什么选择b+树做存储引擎索引结构、b+树存储引擎解决哪些问题以及如何解决。在实践部分选择开源社区中比较有名的boltdb存储引擎项目来讲解其内部核心源码的实现细节。3.第三篇主要介绍基于lsm派系的存储引擎，理论部分重点介绍lsm tree中各组件的功能及作用，并在此基础上扩展介绍其他几类lsm派系存储引擎的实现思路，帮助读者开阔视野，实践部分分别以bitcask、moss、leveldb等开源项目的核心源码来展开，介绍其内部实现细节。通过阅读本书，读者不仅能对存储引擎，尤其是单机的存储引擎有一个整体的框架，而且能对两类存储引擎的实现思路及背后原理有个深刻的掌握，只有深刻理解了存储引擎的背后实现原理，读者不仅可以自己动手开发自己的存储引擎，更可以很快掌握关系型数据库或者NoSql这类组件的核心原理，对未来实际应用与开发提供参考。

编写本书的目的是使读者可以在最z短时间内掌握Excel 数据分析。本书以数据分析的整体流程和知识难易度来安排各章内容及其在全书中的次序，每一章内容都紧密围绕数据分析展开。全书共10 章，每天学习一章，10 天就能学会Excel 中的大多数数据分析工具的用法和技巧。本书的主要内容包括数据分析的基本概念和流程、Excel 中的数据分析工具的功能和特点、导入外部数据和输入不同类型的数据、修复有问题的数据、设置数据格式、排序、筛选、分类汇总、数据透视表、公式和函数基础知识、提取和格式化文本、汇总和统计数据、计算日期、模拟分析、单变量求解、规划求解、分析工具库、图表的基本概念和基础操作、创建不同类型的图表、导入和刷新数据、使用Power Query 编辑器整理数据、使用Power Pivot 创建数据模型、创建计算列和度量值、销售分析和客户分析等。本书适合所有想要学习使用Excel 进行数据分析的用户阅读，也可作为各类院校和培训班的Excel 数据分析教材。

很多企业尤其是制造企业越来越重视预测与决策方面的智能化和精准度，这使得企业对数据个性化、多样化的需求日趋强烈。本书正是基于这样的需求，提出随需而变的数据空间引擎设计方法，探讨智能数据服务、安全及应用优化等方面的问题、技术与方法。全书共分5章，分别介绍数据空间引擎设计与管理系统架构、海量异构数据集成方法与技术、智能数据服务方法、智能制造领域数字孪生技术，以及多维度安全与隐私保障体系构建。 本书内容结合理论与实践场景，适合异构数据集成服务、数据空间技术及数字孪生技术的研发人员及对此感兴趣的读者阅读，也适合作为各类院校相关专业师生的参考书

《数据编织》详细介绍了数据编织的理论基础和实践应用，不仅阐述了数据编织的基本概念和相关核心技术，还结合实际案例，探讨了数据编织在交通、航天航空、能源、金融等领域的应用，并介绍了数据编织的挑战，包括数据安全、数据隐私、数据质量和标准化等问题。最后，展望了数据编织的未来发展趋势。本书不仅适用于行业领域的专家学者，也适合于从事数据管理和知识发现的研究人员和实践者。

广博的网络空间里，藏品以数字化的形态储存，检索、提取、分析、欣赏，物与人之间“零距离”；多种类的服务场景里，博物馆体验走向定制化，打破虚拟与现实的边界，公众在展厅内外开启自由多样的智识旅程。在智慧博物馆，千里在俄顷，三江坐超忽。历经信息化、数字化时代，博物馆已走上智慧化实践的征程。利用物联网、大数据、云计算和移动通信等新技术，整合博物馆信息资源，重建信息交流通道，实现智慧服务、智慧保护、智慧管理。通过感知、互通和互联，智慧博物馆更加突出“以人为中心”。本书辨析智慧博物馆公众服务的定义、特征和内容，构建智慧博物馆公众服务的系统框架；分析面向公众服务的数据资源建设与管理，阐述系统感知、运行和发展的过程；构建绩效评价指标体系和完善机制保障，从内外部确保智慧博物馆公众服务的平稳有效运行。从顶层设计出发，为智慧博物馆的发展提供了一个广阔的宏观视角。 推荐语博物馆作为人类重要的非正式学习场所，通过漫长的探索建立起一套较为有效的学习机制，对人类的知识生活做出了重要的贡献。智慧博物馆坚持需求驱动、业务引领，通过重新梳理和构建博物馆各要素的关联关系而形成合力，克服了博物馆内部各自为政和信息孤岛的现象。在智慧博物馆建设中，如何协调“智慧”与“公众服务”的关系是一个关键问题，本书对两者的关系展开了充分的辨析，并从广义信息传播的维度，深度探讨了智慧博物馆公众服务在展览、教育和传播三方面所涉及的内容，为我们指出了智慧博物馆如何从系统化、体系化角度为公众提供更有效服务的发展路径。——浙江大学艺术与考古学院教授 严建强 在历经十多年理论与实践的基础上，中国智慧博物馆建设仍处于进行时态。因此，探讨当下智慧博物馆建设的若干理念性问题，更深入地界定智慧博物馆，是博物馆可持续发展的热门话题。这本书提出了一个可以用来探索如何更好为公众提供服务的系统框架，从情境感知的角度，细致入微地剖析了场景化服务，为数据驱动博物馆服务提供了一个实用的服务体系。无论你是博物馆工作者，还是对博物馆公众服务感兴趣的读者，本书都是一本不容错过的作品。——浙江省博物馆副馆长 蔡琴 本书系统阐述了智慧博物馆公众服务的特征、构成要素、架构等，重点讲述了如何发挥数据的价值来提升博物馆服务水平。作者采用了新理念新思路，观点新颖，对博物馆管理者有较好的参考借鉴作用。 ——中国国家博物馆数据管理与分析中心主任李华飙