大数据环境下的动态知识网络模型及构建方法

来源 :第二届CCF大数据学术会议 | 被引量 : 0次 | 上传用户:shi2007jie2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对语义知识库构建方式和语义表达模型研究中的不足,在已有工作的基础上,提出一种新的语义知识模型:动态知识网络,在详细阐述模型组成要素的基础上,进一步研究了该模型的知识表示方法.在语义知识模型的指导下,面向开放的网络数据资源,研究了动态知识网络的半自动构建方法,并且以360百科和新闻网页数据为基础进行了实验验证,结果表明所提模型和方法能够有效支持动态知识网络的构建。
其他文献
高效固定是生物传感等诸多领域的最核心问题和挑战之一,结合先进功能材料是实现高效固定和提高传感检测性能的有效途径.向自然学习已成为当前制备先进功能材料的灵感源泉.凝血过程的最核心部分是纤维蛋白原经凝血酶作用生成纤维蛋白骨架(生物聚合),然后固定血小板等形成凝胶状屏障阻止进一步出血.受此启发,开发纤维蛋白骨架材料高效固定纳米粒子(接近100%固定)和酶,研制了新型高性能生物传感器。通过结合生物聚合和化
多巴胺(Dopamine,DA,3,4-二羟基-β-苯乙胺)是儿茶酚胺类神经递质中的一种,它参与许多重要的生理活动并与许多疾病的产生有着密切的关系,在整个神经系统中起着重要的作用.因此,建立快速、准确和便捷的分析与测定方法在临床诊断和病理学研究中具有非常重要的意义.目前用于DA的测定及分析的方法有许多,但电化学方法是最受关注的方法之一,采用电化学法研究生物体系时具有高灵敏和快速反应等优点,可广泛用
本文中,用简单的方法合成离子液体1-(3-氨基丙基)-3-甲基咪唑四氟硼酸盐(It-NH2),将IL-NH2与氧化石墨(GO)还原制得离子液体功能化石墨烯复合物(IL-GR),与明胶(Gel)作为载体构成复合固酶基质,把AChE固定在玻碳电极(GCE)上,再用戊二醛(GA)对复合酶膜进行交联改性,从而制得AChE生物传感器(AChE-IL-GR-Gel/GCE),并考察了此传感器对两种有机磷农药(
谷胱甘肽(GSH)是由谷氨酸、半胱氨酸和甘氨酸形成的三肽化合物,是主要的蛋白巯基源在大多数哺乳动物组织内.基于近红外的荧光探针能检测细胞内的GSH含量,并且可以对活体进行无伤害的成像将会成为一种有工具于探索疾病的机制.本文通过结合双光子纳米颗粒和二氧化锰纳米片提出一种新颖的荧光探针用于细胞中甚至组织中的谷胱甘肽的检测。双光子纳米颗粒是一种新颖的纳米颗粒具有很大的双光子吸收界面。双光子成像具有很好的
腹泻型贝类毒素(Diarrhetic ShellfishPoisons, DSP)是海洋微生物产生的一类脂溶性的次生代谢产物。经食物链累积,容易在贝类中聚集,性质较为稳定,一般的烹饪加热不能使其破坏。人体误食后会产生以腹泻、呕吐为主要特征的中毒症状,长期积累可以致畸及致癌。冈田酸(Okadaic Acid, OA)是DSP中的主要活性成分。本文借助纳米金在弱还原剂存在的条件下能够特异性催化银离子还
本实验首次利用-共轭效应,将1-芘丁酸(PBA)与导电高聚物聚3,4-乙撑二氧噻吩(PEDOT)相连,并通过Zr4+与羧基形成的配位键将羟基铁卟啉(Hematin)与PBA相连接,将Hematin固定于电极上,构建出一种制备过程简单的新型传感器(GCE/PEDOT/PBA/Hematin).为了检验这种仿生传感器的稳定性和灵敏度,我们通过循环伏安法(CV)、交流阻抗法(EIS)和时间电流曲线法(I
生物传感和生物芯片已在医疗、环保、食品和医药等方面显示了极其重要的作用,但制造高性能的生物传感和生物芯片实现具体有很大的挑战性。纳米科学和技术的进展极大地促进了研发高性能的生物传感和生物芯片。我们根据传感的需要,应用纳米技术从物理方面调控纳米结构,合成了一、二、三和多层等不同的独特的妈咪结构;同时,利用复合,修饰和独特的化反应改变化学组成,改善传感过程中的热力学和动力学的限制,从而从纳米尺度发展了
会议
全球数据量爆炸式增长,单节点重复数据删除系统已不能满足性能需求,集群重复数据删除系统应运而生.如何提高数据传输效率、节约网络带宽和增强系统的可扩展性,成为当前面临的严峻挑战.提出一种基于历史数据信息的一致性哈希路由策略,通过在本地缓存热点数据块指纹,数据路由前先在本地索引,可以大大减少索引消息请求数量,并且采用一致性哈希的路由策略,有效的缓解集群系统中动态扩展存储节点导致的全局数据重删率急剧恶化与
针对时空轨迹大数据广域网分布存储条件下的群体行为模式挖掘问题,本文基于MapReduce和ACO (Ant Colony Optimization)算法提出可在广域网环境分布并行增量执行的DPIA(Distributed&Parallel&Incremental ACO)聚类方法.该方法聚类过程分为历史全量阶段和若干周期增量阶段分段持续执行,通过每个周期的增量数据聚类持续修正已有聚类结果,通过Ma
大规模并行模拟是研究大数据体系结构的重要方法,对大数据应用及众核体系结构的发展有着不可替代的推动作用.然而,目前的模拟技术不能满足大数据体系结构研究的需求,主要体现在模拟速度慢、配置过程复杂、可扩展性差等方面.为了解决此问题,评估面向大数据应用的高通量众核体系结构的性能与功耗,本文提出了面向大数据应用的并行模拟框架——BDSim.该框架基于组件化思想,将功能组件与框架服务单元组成并行功能单元,并可