【摘 要】
:
为解决传统基于知识管理的智库服务系统在应用中无法实现对所有智库信息的成功存储并且存储过程中响应时间较长的问题,开展基于决策流的智库服务系统设计研究.通过Web服务器选型、接口转换器选型等硬件设计和基于决策流的智库信息流转需求表达、智库信息服务映射与发布等软件设计,提出一种全新的智库服务系统.通过实验证明,新的智库服务系统与传统智库服务系统相比能够实现对智库信息的百分百成功存储,并进一步缩短了系统在存储时的响应时间,为用户带来更高效的智库信息服务.
【机 构】
:
大连东软信息学院数字艺术与设计学院,辽宁大连 116000
论文部分内容阅读
为解决传统基于知识管理的智库服务系统在应用中无法实现对所有智库信息的成功存储并且存储过程中响应时间较长的问题,开展基于决策流的智库服务系统设计研究.通过Web服务器选型、接口转换器选型等硬件设计和基于决策流的智库信息流转需求表达、智库信息服务映射与发布等软件设计,提出一种全新的智库服务系统.通过实验证明,新的智库服务系统与传统智库服务系统相比能够实现对智库信息的百分百成功存储,并进一步缩短了系统在存储时的响应时间,为用户带来更高效的智库信息服务.
其他文献
本文提出一种新的元启发优化算法即视觉模拟优化算法,其是通过模拟生物的视觉系统来完成搜索的新型算法.视觉模拟优化算法与遗传算法、差分进化算法、粒子群算法、模拟退火算法以及人工蜂群算法在10个基准测试函数上进行对比研究,结果显示该算法在所有测试函数中优化效果均优于其他算法.为了进一步检验视觉模拟优化算法的有效性,用其求解非线性方程组,结果显示该算法有效且优于其他对比算法.
传统的分析方法在应用中,存在对大学生消费幅度范围预测不准确的问题.为了改善传统方法存在的不足,掌握互联网金融对大学生的真实影响,本文提出一种基于多尺度边缘检测算法的互联网金融对大学生消费观影响程度分析方法,通过构建大学生互联网金融消费模型,掌握大学生的互联网金融产品支出情况,并提取互联网金融产品的峰变点,得到对应的消费观影响因素集合.采用列联检验的方式,对大学生消费结构进行统计与分析,证明互联网金融对大学生消费与消费观的形成是存在一定促进作用的.此外,通过对比实验证明,设计的方法在实际应用中,可准确预测大
信号插值处理具有样本重采样、平滑等作用,在通信、信号处理、图像处理等领域有着广泛的应用.正弦插值具有实现算法简单、精度高等特点,然而直接采用串行方式实现正弦插值,不但计算速度较慢,而且插值倍率固定,使用不灵活.笔者通过分析正弦插值的特点,结合FPGA设计的特点提出一种并行的倍数可变的插值算法.该算法能够大幅提升运算效率,而且插值倍率可变,适应性更强.
传统的防火墙技术虽然可以加密信息,但效率较低,因此设计基于DES数据加密算法的计算机信息系统保密技术.该技术能够搜索计算机中的保密信息,在此基础上基于DES数据加密算法进行数据加密,管理计算机信息密钥,从而实现计算机信息保密.实验结果表明:设计的计算机信息保密技术在面临大量数据信息时仍能保持良好的保密功能,因此具有一定的应用价值.
二维排样优化问题是指如何在一个任意形状的母板上排满任意形状的样件使母板的利用率达到最大,二维排样优化方法分为精确方法和近似方法两大类.在求解二维排样这类NP难问题时,Meta-Heuristic算法是较好的解决方案.基于此,笔者针对Meta-Heuristic算法在二维排样问题的应用,综述了多种Meta-Heuristic算法在二维排样优化领域的研究现状,分析了不同算法的性能和适应场景,并总结了发展趋势.
在网络用户逐年增多的背景下,为了在海量信息中能够准确推荐用户想要的信息,各大网站都在研究实用性强的信息过滤技术,因此提出基于关联规则的网络信息协同过滤推荐算法.首先,基于关联规则进行相似度量计算,建立关联规则关联模型,通过模型计算确认邻近值,并根据邻近值进行推荐相似性计算.其次,基于关联规则的目标函数设定,选定多函数多最优解的建立方式.最后,进行实验对比分析.实验结果表明,该算法比传统算法的推荐准确性高.
由于传统控制方法在数据传输中会分流路径导致控制大数据通信效率的路由开销过大,因此基于蚁群算法研究大数据通信效率控制方法.在构建通信网络模型的基础上划分通信中的数据传输关系,基于蚁群算法控制传输效率,完成大数据通信效率控制方法设计.实验表明,新方法能够减少路由开销,保证数据通信的稳定性.
问句相似度计算是基于问答对的问答系统的核心任务.针对单独使用问句向量的方式来计算问句相似度的准确率较低的问题,提出一种将BERT向量、Jaccard相似度与词性权重结合的相似度计算方法.该方法使用BERT模型来构建问句的向量并计算余弦相似度值,再结合Jaccard相似度和词性权重来对句子相似度进行计算,最终将3种相似度值进行加权计算得出最终的相似度.实验结果表明,该方法能有效提高问句相似度匹配的准确率,其准确率可以达到86.6%,相比单独使用BERT模型具有更高的准确率,将其应用于番茄问答系统中具有更好的
针对目前机器阅读理解任务中文章和问题缺乏有效信息交互导致准确率较低的问题,笔者提出基于ALBERT的多头交叉注意力模型.通过Albert模型和多头交叉注意力相结合,能够有效提高自动问答的效果.通过在常规数据集Squad2.0上进行测试,与目前现有模型进行对比实验,证明ALBERT的多头交叉注意力模型能够显著提高阅读理解任务的准确率.
在数据分析中,有标签数据难以获取且代价高昂、无标记数据往往大量易获得,而半监督学习在这种受限情况下可以大幅降低模型训练成本.笔者提出一种基于密度峰值的随机森林自训练算法,通过对单棵决策树进行自训练改进,利用密度峰值聚类算法获取样本潜在空间结构,在有标签样本中搜索邻近的样本,选择高置信度的无标签样本加入训练集,然后迭代优化分类器.该方法既保留了随机森林的泛化能力,又有效利用了无标签样本中的潜在信息.在多个UCI数据集中的实验结果表明,该算法能够提升半监督分类性能.