大数据时代,随着企业各种业务的发展和信息化建设的成熟,企业的信息系统中逐渐积累了海量的数据,这些数据背后蕴含着巨大的商业价值。但是企业发展过程中,各业务的信息系统之间普遍存在信息共享程度低、信息与业务流程和应用相互脱节等问题,容易导致企业内形成信息孤岛。特别是企业为了实现工业流程和技术的程序化,需要庞大的技术数据支撑,这不仅需要企业内部解决信息孤岛问题实现数据共享,还需要与很多不同的工业企业的数据进行融合。因此,为了实现企业内部或外部之间的数据融合,一些企业开始挖掘数据之间的关联关系,试图将积累的海量数据打通,从而搭建数据空间。针对此现象,本文提出基于动态探针的多源异构数据融合模型来实现数据之间的融合,其主要内容如下:提出基于日志分析的数据融合可视化模型,针对企业业务系统中广泛应用的关系型数据,通过分析不同系统的全链路访问日志,建立跨域数据间的动态关联模型,以力导向图可视化的方式,给出数据融合后的关联量化结果,能够挖掘数据之间的关联关系随时间推移的演化规律、发掘信息系统中存在的热点数据和探索不同用户之间的数据访问差异等有效信息,为跨域数据融合、数据空间构建及业务流程优化提供可视化支撑。提出基于模糊逻辑的数据融合框架,通过使用动态探针收集不同应用系统的全局数据结构、系统运行过程中涉及到的数据和各种日志文件等关键信息,分别从模式、实例和日志三个层面构建面向企业数据空间的数据关联模型。在模式关联层面,采用结合语义分析的多维相似度判别算法实现模式数据的相似性挖掘;在实例关联层面,针对数值型、字符型等结构化数据与长文本型等非结构化数据,利用特征向量相似度分析与深度学习相结合的自编码算法完成对不同数据的关联匹配;在日志关联层面,通过分析数据访问日志中的等价关系建立不同数据之间的关联。此外,为解决数据在多个维度上相似值无法比较的问题,采用基于模糊逻辑的推理模型,综合使用数据在不同维度上的相似值来构建衡量数据相似的归一化值,从而实现基于模糊逻辑的数据融合。根据上述提出的两种方案,搭建基于动态探针的数据融合可视化系统。通过部署动态探针收集存储不同维度上需要分析的数据,将基于日志和模糊逻辑分析的两种方案算法化,作为数据融合分析的根基,搭建前后端分离的数据可视化系统。围绕数据分析实现系统的设计、开发和部署,满足用户数据融合的可视化需求,并通过所搭建的系统验证所提方案在数据融合,构建数据空间过程中的实际应用价值。