摘要：物联网感知数据规模大、类型杂、质量低,导致数据难以进行统一管理。为了设计了一种面向物联网应用的通用型大数据平台。首先对现有大数据平台优缺点进行分析,其次根据大数据平台设计理论进行架构和数据流程设计,最后经过设计而得到的通用型大数据平台能够为物联网感知数据提供统一管控。测试分析结果显示,其性能较优。

摘要：大数据能够改变决策的方式,促进决策的科学化与民主化,降低决策风险,对优化基层政府决策信息、决策问题、决策主体、决策过程、决策时限、决策方案都具有重要的作用。但是,由于它在基层政府决策中的应用还处于初级阶段,因而在人才队伍、思维认知、信息平台、资金支持、聚通用等方面还存在一些困难。要破除这些困难,应该做好顶层设计,推动大数据与基层政府决策的融合;打破数据孤岛,共享基层政府大数据决策的信息平台;强化专业培训,培养基层决策主体的大数据思维;实施数据工程,完善基层政府大数据决策的应用体系。

摘要：针对数据开放服务过程中数据难以追溯的问题,拟采用区块链技术辅助数据开放服务的实现。首先引入数据目录链和数据流通记录链两条区块链,然后介绍两条链的报文格式及实现方式,最后通过平台化的方式验证该设计的效果。结果表明该设计可实现数据开放服务中数据的溯源。

摘要：文章首先对情报分析方法与人工智能的融合方式进行辨析,然后以AI赋能、人在回路的情报分析过程作为主导设计思想对智能情报分析系统进行整体功能架构及数据架构设计,同时为了降低使用门槛,提升数据分析结果的可解释性和准确性,提出了大语言模型与知识图谱的组合架构,并开发了人机结合的智能情报分析系统。该平台具备便于集成机器学习算法的架构,采用面向非技术用户的自然语言交互接口,使依赖人类智能的情报分析方法与依赖人工智能的大数据分析方法有机结合,极大地增强了分析人员的数据融合分析能力。

摘要：当今,数据的规模和复杂性不断增加,对数据处理平台的要求也越来越高。传统的批处理和实时处理技术各有优缺点,很难满足大规模数据处理的需求。因此,流批一体化的数据处理平台应运而生。文章在讨论流批一体核心架构设计的基础上,提出一种基于有状态实时流的流批一体数据处理方法,并通过平台化的方式实现流批一体数据的处理与计算。该平台先后在四川高速集团、贵阳政府单位示范应用,应用结果表明平台不仅统一了批处理和流处理框架,而且具有高效、可靠、可扩展等优点,同时能够满足大规模数据处理的需求。该平台的实现对于提高数据处理效率和准确性具有重要意义。

摘要：在基于模型驱动方法的实时系统设计过程中,由于源模型到目标模型的语义差异较大,在模型转换过程中难以保证转换前后的语义一致性.针对实时语义体系结构复杂及关系繁琐的特点,本文提出了一种基于知识图谱的实时系统语义约束性实现方法.首先提取实时系统设计过程中的知识实体及关系,构造基于知识实体的本体属性模型,并在此基础上采用图数据库技术实现了实时语义体系的知识图谱.实时语义知识图谱通过对知识实体之间属性和关系的定义,不但可以实现不同建模本体之间严格的语义约束,并且可以实现实时语义的关联、检索和推理,为实时系统模型转换过程中的语义一致性保持问题提供了一个有效的解决方案.

摘要：教育是阻断贫困代际传递的重要手段,大数据思维和互联网技术为推进教育精准扶贫提供了理念引领和技术支撑。以“大数据+教师专业发展支持系统”为例,该系统以云录播课程为平台,运用大数据思维和互联网技术,通过课前指导备课、课中点评技巧、课后改进反思等“点对点”的帮扶方式,对贫困地区教师进行科学化、精准化、个性化与针对性帮扶,为促进贫困地区教师的专业发展提供帮助。该系统不仅能通过完善的机制设计引领教师专业发展,还能通过大数据平台追踪教师的成长轨迹,通过被帮扶教师的教学反思激发其参与积极性,从而实现对教师的精准帮扶。基于该系统的调查数据和深度访谈表明,系统运行一年以来,不仅教师的教学理念明显转变,教学技能明显增强,综合素养明显提升,学生的不良行为规范也得到矫正,学习成绩更是大幅度提高。与此同时,实践中仍凸显出项目管理的科学化与精细化程度不够、项目运行的保障机制有待完善、教育帮扶的大数据收集与挖掘不足等困境,这些困境可以通过优化顶层设计、健全保障机制、深度挖掘后台大数据等举措来改进。

摘要：政府数据资源分级管理是政府数据共享开放和数据治理的关键性工作。由于数据资源规模大,分级体系不完善,工具缺乏,使得该工作多由人工进行,导致支撑依据不足、主观性强、精确性差、成效不足。文中设计并实现了基于政策法规、典型案例的政府数据自动分级系统-GSGD(grading system for government data)。首先,利用政策法规以及典型案例构建本体库,根据分级目标以及构建的本体特性,构建自定义推理规则;再通过BERT获得输入数据与关键词的语义特征词/句向量,并计算向量之间的余弦相似度;最后对相似度较高的关键词,采用Jena对政策法规库以及典型案例库进行查询推理得到分级结果以及分级依据,以实现对政府数据的自动化分级,提高分级工作效率。通过实验对比分析,验证了该方法的有效性。

摘要：为解决在互联网文本信息爆炸性增长的前提下,在大规模文本数据中如何发现隐含的、有价值的潜在知识的问题,提出基于多层次文本聚类的文本知识挖掘方法,针对不同规模的文本数据进行不同粒度的聚类,实现不同层次知识的挖掘。针对最广义层次的文本知识挖掘可实现各主题事务划分,针对子级分类数据的文本知识挖掘可发现下一层次主题分类,针对自定义层次的文本知识挖掘可发现该事件中存在的具体细节。对诉求实际数据的分析结果表明,该方法可在所有诉求数据中挖掘出各种诉求主题,精确挖掘出其中的细节问题,为管理者提供数据和决策支持,提高服务效率。

摘要：在国内政务大数据高速发展的背景下,充分利用大量无标注的公共安全领域政策公文文本数据,有效提取文本的关键信息,对提升城市安全治理能力有重要意义。因此,提出一种基于深度强化学习的公共安全领域文本关键词提取模型,通过无监督的方式快速实现文本内容的标签化,以提升用户对公共安全领域文件或事件的检索能力。文章以log-sum范数正则项作为该模型损失函数的稀疏约束,以引导策略网络学习到保留重要词汇、舍弃非重要词汇的策略。同时设计了一种mini-batch大小可变的模型训练方法,通过设置不同的mini-batch大小控制策略网络学习的难度,从而提高策略网络的泛化能力。性能对比结果显示,该模型在测试集的关键词提取任务上优于传统无监督关键词提取方法。