2018/9/14 10:31:00
大數(shù)據(jù)術(shù)語(yǔ)的英文翻譯（一）
二十六：CPA（廣告術(shù)語(yǔ)）
CPA（Cost Per Action）是一種廣告計(jì)費(fèi)模式，顧名思義按照行為（Action）作為指標(biāo)來(lái)計(jì)費(fèi)，這個(gè)行為可以是注冊(cè)、咨詢、放入購(gòu)物車(chē)等等。廣告公司和媒體公司常用CPA、CPC(Cost Per Click)、CPM(Cost Per Mille，或者Cost Per Thousand;Cost Per Impressions)一起來(lái)衡量廣告價(jià)格。
CPA（每次行動(dòng)成本，Cost Per Action）計(jì)價(jià)方式是指按廣告投放實(shí)際效果，即按回應(yīng)的有效問(wèn)卷或定單來(lái)計(jì)費(fèi)，而不限廣告投放量。CPA廣告是網(wǎng)絡(luò)中最常見(jiàn)的一種廣告形式，當(dāng)用戶點(diǎn)擊某個(gè)網(wǎng)站上的cpc廣告后，這個(gè)站的站長(zhǎng)就會(huì)獲得相應(yīng)的收入。
二十七：CPT（廣告術(shù)語(yǔ)）
按時(shí)長(zhǎng)計(jì)費(fèi)是包時(shí)段投放廣告的一種形式，廣告主選擇廣告位和投放時(shí)間，費(fèi)用與廣告點(diǎn)擊量無(wú)關(guān)。采用這種方式出售廣告，網(wǎng)站主決定每一個(gè)廣告位的價(jià)格，廣告主自行選擇購(gòu)買(mǎi)時(shí)間段，目前可按周或按天購(gòu)買(mǎi)，成交價(jià)就是網(wǎng)站主標(biāo)定的價(jià)格。
二十八：CTR（廣告點(diǎn)擊率）
CTR（Click-Through-Rate）互聯(lián)網(wǎng)廣告常用的術(shù)語(yǔ)，指網(wǎng)絡(luò)廣告（圖片廣告/文字廣告/關(guān)鍵詞廣告/排名廣告/視頻廣告等）的點(diǎn)擊到達(dá)率，即該廣告的點(diǎn)擊量（嚴(yán)格的來(lái)說(shuō)，可以是到達(dá)目標(biāo)頁(yè)面的數(shù)量）除以廣告的瀏覽量（PV- Page View）。
CTR是衡量互聯(lián)網(wǎng)廣告效果的一項(xiàng)重要指標(biāo)。
二十九：算法
算法（Algorithm）是指解題方案的準(zhǔn)確而完整的描述，是一系列解決問(wèn)題的清晰指令，算法代表著用系統(tǒng)的方法描述解決問(wèn)題的策略機(jī)制。也就是說(shuō)，能夠?qū)σ欢ㄒ?guī)范的輸入，在有限時(shí)間內(nèi)獲得所要求的輸出。如果一個(gè)算法有缺陷，或不適合于某個(gè)問(wèn)題，執(zhí)行這個(gè)算法將不會(huì)解決這個(gè)問(wèn)題。不同的算法可能用不同的時(shí)間、空間或效率來(lái)完成同樣的任務(wù)。一個(gè)算法的優(yōu)劣可以用空間復(fù)雜度與時(shí)間復(fù)雜度來(lái)衡量。
三十：機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門(mén)多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門(mén)學(xué)科。專(zhuān)門(mén)研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。
它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，它主要使用歸納、綜合而不是演繹。
三十一：人工智能
人工智能（Artificial Intelligence） ，英文縮寫(xiě)為AI。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。 人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專(zhuān)家系統(tǒng)等。人工智能從誕生以來(lái)，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì)是人類(lèi)智慧的“容器”。
三十二：深度學(xué)習(xí)
英文名：Deep Learning
深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)組合低層特征形成更加抽象的高層表示屬性類(lèi)別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。
深度學(xué)習(xí)的概念由Hinton等人于2006年提出?；谏钚哦染W(wǎng)(DBN)提出非監(jiān)督貪心逐層訓(xùn)練算法，為解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題帶來(lái)希望，隨后提出多層自動(dòng)編碼器深層結(jié)構(gòu)。此外Lecun等人提出的卷積神經(jīng)網(wǎng)絡(luò)是第一個(gè)真正多層結(jié)構(gòu)學(xué)習(xí)算法，它利用空間相對(duì)關(guān)系減少參數(shù)數(shù)目以提高訓(xùn)練性能。
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像，聲音和文本。
三十四：神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)寫(xiě)為ANNs）也簡(jiǎn)稱(chēng)為神經(jīng)網(wǎng)絡(luò)（NNs）或稱(chēng)作連接模型（Connection Model），它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。
三十五：OpenStack
OpenStack是一個(gè)由NASA（美國(guó)國(guó)家航空航天局）和Rackspace合作研發(fā)并發(fā)起的，以Apache許可證授權(quán)的自由軟件和開(kāi)放源代碼項(xiàng)目。
OpenStack是一個(gè)開(kāi)源的云計(jì)算管理平臺(tái)項(xiàng)目，由幾個(gè)主要的組件組合起來(lái)完成具體工作。OpenStack支持幾乎所有類(lèi)型的云環(huán)境，項(xiàng)目目標(biāo)是提供實(shí)施簡(jiǎn)單、可大規(guī)模擴(kuò)展、豐富、標(biāo)準(zhǔn)統(tǒng)一的云計(jì)算管理平臺(tái)。OpenStack通過(guò)各種互補(bǔ)的服務(wù)提供了基礎(chǔ)設(shè)施即服務(wù)（IaaS）的解決方案，每個(gè)服務(wù)提供API以進(jìn)行集成。
三十六：SaaS
SaaS是Software-as-a-Service（軟件即服務(wù)）的簡(jiǎn)稱(chēng)，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和應(yīng)用軟件的成熟， 在21世紀(jì)開(kāi)始興起的一種完全創(chuàng)新的軟件應(yīng)用模式。它與“on-demand software”（按需軟件)，the application service provider(ASP，應(yīng)用服務(wù)提供商)，hosted software(托管軟件)所具有相似的含義。它是一種通過(guò)Internet提供軟件的模式，廠商將應(yīng)用軟件統(tǒng)一部署在自己的服務(wù)器上，客戶可以根據(jù)自己實(shí)際需求，通過(guò)互聯(lián)網(wǎng)向廠商定購(gòu)所需的應(yīng)用軟件服務(wù)，按定購(gòu)的服務(wù)多少和時(shí)間長(zhǎng)短向廠商支付費(fèi)用，并通過(guò)互聯(lián)網(wǎng)獲得廠商提供的服務(wù)。
三十七：Paas
PaaS是Platform-as-a-Service的縮寫(xiě)，意思是平臺(tái)即服務(wù)。 把服務(wù)器平臺(tái)作為一種服務(wù)提供的商業(yè)模式。通過(guò)網(wǎng)絡(luò)進(jìn)行程序提供的服務(wù)稱(chēng)之為SaaS(Software as a Service)，而云計(jì)算時(shí)代相應(yīng)的服務(wù)器平臺(tái)或者開(kāi)發(fā)環(huán)境作為服務(wù)進(jìn)行提供就成為了PaaS(Platform as a Service)。
所謂PaaS實(shí)際上是指將軟件研發(fā)的平臺(tái)（計(jì)世資訊定義為業(yè)務(wù)基礎(chǔ)平臺(tái)）作為一種服務(wù)，以SaaS的模式提交給用戶。因此，PaaS也是SaaS模式的一種應(yīng)用。但是，PaaS的出現(xiàn)可以加快SaaS的發(fā)展，尤其是加快SaaS應(yīng)用的開(kāi)發(fā)速度。在2007年國(guó)內(nèi)外SaaS廠商先后推出自己的PAAS平臺(tái)。
三十八：IaaS
IaaS（Infrastructure as a Service），即基礎(chǔ)設(shè)施即服務(wù)。
消費(fèi)者通過(guò)Internet 可以從完善的計(jì)算機(jī)基礎(chǔ)設(shè)施獲得服務(wù)。這類(lèi)服務(wù)稱(chēng)為基礎(chǔ)設(shè)施即服務(wù)?；?Internet 的服務(wù)（如存儲(chǔ)和數(shù)據(jù)庫(kù)）是 IaaS的一部分。Internet上其他類(lèi)型的服務(wù)包括平臺(tái)即服務(wù)（Platform as a Service，PaaS）和軟件即服務(wù)（Software as a Service，SaaS）。PaaS提供了用戶可以訪問(wèn)的完整或部分的應(yīng)用程序開(kāi)發(fā)，SaaS則提供了完整的可直接使用的應(yīng)用程序，比如通過(guò) Internet管理企業(yè)資源。
三十九：HaaS
以提供的Hadoop作為一種服務(wù)（HAAS）
HaaS（Hardware-as-a-service）的意思是硬件即服務(wù)。HaaS概念的出現(xiàn)源于云計(jì)算，現(xiàn)在被稱(chēng)作基礎(chǔ)架構(gòu)即服務(wù)（IaaS）或基礎(chǔ)架構(gòu)云，使用IaaS，各企業(yè)可通過(guò)Web將更多的基礎(chǔ)架構(gòu)容量作為服務(wù)提供?！巴ㄟ^(guò)Web”分配更多的存儲(chǔ)或處理容量當(dāng)然要比供應(yīng)商在基礎(chǔ)環(huán)境中引入和安裝新硬件要快得多。HaaS還具有另外一層含義是針對(duì)嵌入式設(shè)備而言的，目的在于建立通過(guò)互聯(lián)網(wǎng)（Web）進(jìn)行嵌入式設(shè)備統(tǒng)一管理服務(wù)的模式。在這種情況下，HaaS類(lèi)似于SaaS，對(duì)于嵌入式設(shè)備使用者來(lái)說(shuō)，無(wú)需對(duì)所需嵌入式設(shè)備進(jìn)行一次性購(gòu)買(mǎi)，僅需按照設(shè)備使用量或其它標(biāo)準(zhǔn)支付設(shè)備的服務(wù)費(fèi)及維護(hù)費(fèi)即可。
四十：決策樹(shù)
決策樹(shù)(Decision Tree）是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)來(lái)求取凈現(xiàn)值的期望值大于等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。由于這種決策分支畫(huà)成圖形很像一棵樹(shù)的枝干，故稱(chēng)決策樹(shù)。在機(jī)器學(xué)習(xí)中，決策樹(shù)是一個(gè)預(yù)測(cè)模型，他代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。Entropy = 系統(tǒng)的凌亂程度，使用算法ID3, C4.5和C5.0生成樹(shù)算法使用熵。這一度量是基于信息學(xué)理論中熵的概念。
四十一：EM算法
最大期望算法（Expectation Maximization Algorithm，又譯期望最大化算法），是一種迭代算法，用于含有隱變量（hidden variable）的概率參數(shù)模型的最大似然估計(jì)或極大后驗(yàn)概率估計(jì)。
四十二：數(shù)據(jù)聚類(lèi)
數(shù)據(jù)聚類(lèi) (英語(yǔ) : Cluster analysis) 是對(duì)于靜態(tài)數(shù)據(jù)分析的一門(mén)技術(shù)，在許多領(lǐng)域受到廣泛應(yīng)用，包括機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，模式識(shí)別，圖像分析以及生物信息。聚類(lèi)是把相似的對(duì)象通過(guò)靜態(tài)分類(lèi)的方法分成不同的組別或者更多的子集（subset），這樣讓在同一個(gè)子集中的成員對(duì)象都有相似的一些屬性，常見(jiàn)的包括在坐標(biāo)系中更加短的空間距離等。
四十三：概率模型
給定一個(gè)用戶的查詢串，相對(duì)于該串存在一個(gè)包含所有相關(guān)文檔的集合。我們把這樣的集合看作是一個(gè)理想的結(jié)果文檔集，在給出理想結(jié)果集后，我們能很容易得到結(jié)果文檔。這樣我們可以把查詢處理看作是對(duì)理想結(jié)果文檔集屬性的處理。問(wèn)題是我們并不能確切地知道這些屬性，我們所知道的是存在索引術(shù)語(yǔ)來(lái)表示這些屬性。由于在查詢期間這些屬性都是不可見(jiàn)的，這就需要在初始階段來(lái)估計(jì)這些屬性。這種初始階段的估計(jì)允許我們對(duì)首次檢索的文檔集合返回理想的結(jié)果集，并產(chǎn)生一個(gè)初步的概率描述。
四十四：貝索斯定律
英文：Bezos’ Law
貝索斯定律是指在云的發(fā)展過(guò)程中，單位計(jì)算能力的價(jià)格大約每隔3年會(huì)降低50%。
四十五：回歸分析
回歸分析（regression analysis)是確定兩種或兩種以上變量間相互依賴(lài)的定量關(guān)系的一種統(tǒng)計(jì)分析方法。運(yùn)用十分廣泛，回歸分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類(lèi)型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個(gè)自變量和一個(gè)因變量，且二者的關(guān)系可用一條直線近似表示，這種回歸分析稱(chēng)為一元線性回歸分析。如果回歸分析中包括兩個(gè)或兩個(gè)以上的自變量，且因變量和自變量之間是線性關(guān)系，則稱(chēng)為多元線性回歸分析。
四十六：推薦算法
基于內(nèi)容的信息推薦方法的理論依據(jù)主要來(lái)自于信息檢索和信息過(guò)濾，所謂的基于內(nèi)容的推薦方法就是根據(jù)用戶過(guò)去的瀏覽記錄來(lái)向用戶推薦用戶沒(méi)有接觸過(guò)的推薦項(xiàng)。主要是從兩個(gè)方法來(lái)描述基于內(nèi)容的推薦方法：?jiǎn)l(fā)式的方法和基于模型的方法。啟發(fā)式的方法就是用戶憑借經(jīng)驗(yàn)來(lái)定義相關(guān)的計(jì)算公式，然后再根據(jù)公式的計(jì)算結(jié)果和實(shí)際的結(jié)果進(jìn)行驗(yàn)證，然后再不斷修改公式以達(dá)到最終目的。而對(duì)于模型的方法就是根據(jù)以往的數(shù)據(jù)作為數(shù)據(jù)集，然后根據(jù)這個(gè)數(shù)據(jù)集來(lái)學(xué)習(xí)出一個(gè)模型。
四十七：八叉樹(shù)
英文名：Octree
八叉樹(shù)是一種用于描述三維空間的樹(shù)狀數(shù)據(jù)結(jié)構(gòu)。八叉樹(shù)的每個(gè)節(jié)點(diǎn)表示一個(gè)正方體的體積元素，每個(gè)節(jié)點(diǎn)有八個(gè)子節(jié)點(diǎn)，將八個(gè)子節(jié)點(diǎn)所表示的體積元素加在一起就等于父節(jié)點(diǎn)的體積。
四十八：紅黑樹(shù)
紅黑樹(shù)（Red Black Tree） 是一種自平衡二叉查找樹(shù)，是在計(jì)算機(jī)科學(xué)中用到的一種數(shù)據(jù)結(jié)構(gòu)，典型的用途是實(shí)現(xiàn)關(guān)聯(lián)數(shù)組。
它是在1972年由Rudolf Bayer發(fā)明的，當(dāng)時(shí)被稱(chēng)為平衡二叉B樹(shù)（symmetric binary B-trees）。后來(lái)，在1978年被 Leo J. Guibas 和 Robert Sedgewick 修改為如今的“紅黑樹(shù)”。
紅黑樹(shù)和AVL樹(shù)類(lèi)似，都是在進(jìn)行插入和刪除操作時(shí)通過(guò)特定操作保持二叉查找樹(shù)的平衡，從而獲得較高的查找性能。
它雖然是復(fù)雜的，但它的最壞情況運(yùn)行時(shí)間也是非常良好的，并且在實(shí)踐中是高效的： 它可以在O(log n)時(shí)間內(nèi)做查找，插入和刪除，這里的n 是樹(shù)中元素的數(shù)目。
四十九：哈希表
散列表（Hash table，也叫哈希表），是根據(jù)關(guān)鍵碼值(Key value)而直接進(jìn)行訪問(wèn)的數(shù)據(jù)結(jié)構(gòu)。也就是說(shuō)，它通過(guò)把關(guān)鍵碼值映射到表中一個(gè)位置來(lái)訪問(wèn)記錄，以加快查找的速度。這個(gè)映射函數(shù)叫做散列函數(shù)，存放記錄的數(shù)組叫做散列表。
給定表M，存在函數(shù)f(key)，對(duì)任意給定的關(guān)鍵字值key，代入函數(shù)后若能得到包含該關(guān)鍵字的記錄在表中的地址，則稱(chēng)表M為哈希(Hash）表，函數(shù)f(key)為哈希(Hash) 函數(shù)。
五十：隨機(jī)森林
英文名：Random forest
在機(jī)器學(xué)習(xí)中，隨機(jī)森林是一個(gè)包含多個(gè)決策樹(shù)的分類(lèi)器， 并且其輸出的類(lèi)別是由個(gè)別樹(shù)輸出的類(lèi)別的眾數(shù)而定。 Leo Breiman和Adele Cutler發(fā)展出推論出隨機(jī)森林的算法。 而 “Random Forests” 是他們的商標(biāo)。 這個(gè)術(shù)語(yǔ)是1995年由貝爾實(shí)驗(yàn)室的Tin Kam Ho所提出的隨機(jī)決策森林（random decision forests）而來(lái)的。這個(gè)方法則是結(jié)合 Breimans 的 “Bootstrap aggregating” 想法和 Ho 的”random subspace method”” 以建造決策樹(shù)的集合。
——選自：樂(lè)文翻譯
樂(lè)文翻譯目前是國(guó)內(nèi)專(zhuān)業(yè)的翻譯機(jī)構(gòu)之一，公司秉承“誠(chéng)信 專(zhuān)業(yè)”的服務(wù)理念，為國(guó)內(nèi)外客戶提供一流服務(wù)。了解更多信息：請(qǐng)發(fā)郵箱：abc@lewene.com或直接致電：400-895-6679咨詢。