摘要：为了解决多数据源冲突的主数据真值发现问题,基于对冲突数据值之间的支持度往往是非对称的直观认识,提出了一种非对称的数据值支持度计算算法;该算法改进了目前真值发现算法中以数据值之间的相似度代替支持度的对称算法。在考虑了数据值的可信度取决于数据源权威度和数据值支持度的基础上,提出了TRFinder迭代算法,并在TRFinder算法的基础上给出了主数据生成算法。通过对典型的books_authors数据集和模拟数据进行实验,实验结果表明,TRFinder算法比Vote算法与TruthFinder算法具有更高的准确率并保留了更多的真值信息,验证了算法的有效性。

摘要：论文针对图书馆日志多数据源且格式多样化导致的日志处理效率低下的问题,提出了基于ELK的日志综合解决方案。该方案首先探讨了日志采集、数据清洗、日志解析的规则和技巧以及基于TF-IDF、SVM算法设计的日志异常检测模型;其次基于提出方案的整体架构,详细地分析了日志采集、存储、可视化、异常检测的整个流程;最后,将该方案应用于中国矿业大学OPAC系统,对读者用户的检索行为、不良用户的攻击行为进行可视化分析。实验结果表明,论文提出的日志管理解决方案,在集群模式下检索性能极其高效,有效地提高了图书馆日志的处理能力。

摘要：为优化数据迁移对多数据源关联查询性能的影响,提出一个多数据源的关联查询优化模型(multi-source association query optimization model,MAQM),使用包装器对需要查询的存储系统进行包装,为用户提供统一的多数据源关联查询接口;提出区域划分策略,以存储系统的关系表为划分粒度,构建基于多数据源关联查询命令的区域有向图,划分出查询子任务。在区域有向图的基础上,对每一种中间结果的可能传输方向建立数据迁移代价模型,确定查询子任务的执行顺序。对比实验结果表明,MAQM相较于Oracle原生关联查询工具ODCH可以平均提升30%-40%的查询性能。

摘要：采用C/S架构,以C#+Sql Server组合设计构建了由专利数据监测、数据清洗、数据加工和数据挖掘等4个功能模块组构成的多数据源协同下的专利分析系统;详细阐述该系统架构、协同机制和主要功能;认为该系统能有效实现对中国、美国、欧洲、世界知识产权组织等国家或组织专利著录信息、法律状态信息、同族专利信息以及专利引文信息的智能化监测、采集、清洗、筛选、分类、标引、查询、统计、文本挖掘、信息可视化和自动生成报告等功能。

摘要：针对具备三层结构的WEB应用程序在数据访问扩展方面存在的问题,基于提供者模式提出了一种解决方案,结合.NET反射技术和动态工厂对这个方案加以实现,使得WEB应用程序适用于多种数据源并能方便的在各个数据源间切换。

摘要：在使用随钻测井和旋转导向钻井工具进行作业的过程中,不仅需要实时监控井下的仪器状态,避免出现仪器失效风险,而且需要对测井数据、井眼轨迹等进行数据分析,实时调控井眼轨迹,以提高油层钻遇率。基于中海油服自研的璇玑随钻测井和旋转导向系统,设计了一种实时监控与预警软件框架,可满足多数据源、多应用场景的监控需求。实钻数据表明,该软件稳定性高、扩展性强,可为相关监控预警软件的开发提供参考。

摘要：详细研究态势感知平台的设计与实现,以满足多源数据的集成、实时监测和复杂态势分析的需求。分析了不同领域中的态势感知需求,并基于需求设计了一个分布式的态势感知平台。该平台采用了大数据技术和分布式计算架构,能够处理大规模数据和实时数据流。该平台能够高效地实现态势感知,并为决策者提供准确、及时的态势信息。平台的可视化展示给决策者提供直观的理解和分析,并利用态势信息做出更加明智的决策。

摘要：本文介绍了在异种网络环境下,通过ODI[Open Data Interface]网络工作站实现的网络互联,以及在网络互联基础上实现的网络中多种数据源间的数据连接和共享设计。以Novell服务器上的Xbase数据库与Unix服务器上的Oracle7数据库之间的数据连接和共享应用为例讨论了具体的实现方法。

摘要：[目的/意义]单一数据源下机构知识可视化存在信息的缺失,基于多数据源的可视化可以相辅相成,互为补充。[方法/过程]分析了多数据源下机构知识动态可视化的关键技术,并针对知识节点的巨星问题给出一种多粒度数据采样和属性值加权的知识构造方法,对平台的系统架构进行了详细讨论和设计,最后基于Echarts可视化套件对平台中合作关系、研究热点、机构分布等进行了实现。[结果 /结论]多数据源知识可视化平台能弥补单一数据源中可能丢失的各种关系,多粒度采样让可视化结果整体美观协调,为机构的学术发展状况、研究方向的确立、研究团队的组建等决策提供了信息支持。

摘要：现有推荐系统的研究多数基于单一数据源、单一推荐算法或简单加性融合,忽略了数据源及算法动态融合的重要性,导致推荐精确度不高。为解决该问题,提出一种新的动态自适应推荐算法。利用基础数据求出艺术家流行度和时间衰减因子,将其作为推荐数据源,降低由数据源单一导致的推荐误差。通过权重因子集成基于邻域方法和矩阵分解技术构建组合模型。将数据源应用于模型,运用固定步长的权重因子调整2种方法在模型中的占比,根据推荐结果的召回率实现动态自适应调整。在真实数据集上的实验结果表明,与简单加性融合、FSWA算法相比,该算法具有较高的推荐精确度。