Over the last few years, Big Data has gained a tremendous attention from the research community. The data being generated in huge quantity from almost every field is unstructured and unprocessed. Extracting knowledge base and useful information from the big raw data is one of the major challenges, present today. Various computational intelligence and soft computing techniques have been proposed for efficient big data analytics. Fuzzy techniques are one of the soft computing approaches which can play a very crucial role in current big data challenges by pre-processing and reconstructing data. There is a wide spread application domains where traditional fuzzy sets (type-1 fuzzy sets) and higher order fuzzy sets (type-2 fuzzy sets) have shown remarkable outcomes. Although, this research domain of “fuzzy techniques in Big Data” is gaining some attention, there is a strong need for a motivation to encourage researchers to explore more in this area. In this paper, we have conducted bibliometric study on recent development in the field of “fuzzy techniques in big data”. In bibliometric study, various performance metrics including total papers, total citations, and citation per paper are calculated. Further, top 10 of most productive and highly cited authors, discipline, source journals, countries, institutions, and highly influential papers are also evaluated. Later, a comparative analysis is performed on the fuzzy techniques in big data after analysing the most influential works in this field.

在过去的几年中，大数据受到了研究界的极大关注。几乎从每个字段生成的大量数据都是未经结构化和未经处理的。从大原始数据中提取知识库和有用信息是当今面临的主要挑战之一。已经提出了各种计算智能和软计算技术来进行有效的大数据分析。模糊技术是一种软计算方法，可以通过预处理和重建数据在当前的大数据挑战中发挥至关重要的作用。在广泛的应用领域中，传统的模糊集（第1类模糊集）和高阶模糊集（第2类模糊集）表现出了显着的效果。虽然，“大数据中的模糊技术”这一研究领域正在受到关注，强烈需要一种动机来鼓励研究人员在这一领域进行更多探索。在本文中，我们对“大数据模糊技术”领域的最新发展进行了文献计量研究。在文献计量研究中，计算了各种绩效指标，包括总论文数，总引文数和每篇论文的引文数。此外，还将对最具生产力和高引用度的作者，学科，来源期刊，国家/地区，机构和极有影响力的论文的前10名进行评估。随后，在分析了该领域最有影响力的作品之后，对大数据中的模糊技术进行了比较分析。我们对“大数据模糊技术”领域的最新发展进行了文献计量研究。在文献计量研究中，计算了各种绩效指标，包括总论文数，总引文数和每篇论文的引文数。此外，还将对最具生产力和高引用度的作者，学科，来源期刊，国家/地区，机构和极具影响力的论文的前10名进行评估。随后，在分析了该领域最有影响力的作品之后，对大数据中的模糊技术进行了比较分析。我们对“大数据模糊技术”领域的最新发展进行了文献计量研究。在文献计量研究中，计算了各种绩效指标，包括总论文数，总引文数和每篇论文的引文数。此外，还将对最具生产力和高引用度的作者，学科，原始期刊，国家，机构和影响力十大的论文中排名前十的论文进行评估。随后，在分析了该领域最有影响力的作品之后，对大数据中的模糊技术进行了比较分析。还评估了国家，机构和有影响力的论文。随后，在分析了该领域最有影响力的作品之后，对大数据中的模糊技术进行了比较分析。还评估了国家，机构和有影响力的论文。随后，在分析了该领域中最有影响力的著作之后，对大数据中的模糊技术进行了比较分析。