SocialX：一个用于印度尼西亚多源大数据研究的模块化平台

印度尼西亚的大数据研究受到根本性碎片化的制约：相关数据分散在社交媒体、新闻门户、电子商务平台、评论网站和学术数据库中，每种数据具有不同的格式、访问方式和噪声特征。研究人员必须独立构建采集流水线、清洗异构数据并组装独立的分析工具，这一过程往往掩盖了研究本身。我们提出 SocialX，一个用于多源大数据研究的模块化平台，集成了异构数据收集、语言感知预处理和可插拔分析，形成统一的、与数据源无关的流水线。该平台将关注点分离为三个独立层（收集、预处理和分析），通过轻量级任务协调机制连接。这种模块化使每一层可以独立增长：新的数据源、预处理方法或分析工具可以在不修改现有流水线的情况下添加。我们描述了实现这种可扩展性的设计原则，详细说明了处理印度尼西亚文本跨语域挑战的预处理方法，并通过典型研究流程的演示展示了平台的实用性。SocialX 以基于网页的平台形式公开发布，地址为 https://www.socialx.id。