【摘 要】
:
随着用户需求的日益复杂和多样化,单一领域的服务很难满足用户的复杂需求,服务的跨界和融合成为了迫切需要,由此形成了一种新的服务模式:跨界服务。跨界服务作为一种新型的服务范式,通过对不同领域、不同行业和不同价值链的服务进行深度融合与创新,能够提供多维度、高价值的服务和卓越的用户体验,满足用户跨领域的复杂需求。然而,目前关于跨界服务需求工程的研究还处于初步探索阶段,特别是对跨界服务的需求融合还缺乏具体和
论文部分内容阅读
随着用户需求的日益复杂和多样化,单一领域的服务很难满足用户的复杂需求,服务的跨界和融合成为了迫切需要,由此形成了一种新的服务模式:跨界服务。跨界服务作为一种新型的服务范式,通过对不同领域、不同行业和不同价值链的服务进行深度融合与创新,能够提供多维度、高价值的服务和卓越的用户体验,满足用户跨领域的复杂需求。然而,目前关于跨界服务需求工程的研究还处于初步探索阶段,特别是对跨界服务的需求融合还缺乏具体和系统性的方法。跨界服务融合场景中涉及不同领域的多个角色,如何实现不同领域角色目标的深度融合,并针对融合后不同角色目标间潜在的不一致性进行检测及消解,是一个亟待解决的问题。针对以上问题,提出了一种跨界服务目标融合及不一致性检测与消解方法。首先,借助跨界服务需求知识挖掘工具提取领域目标知识,构建基础领域目标模型库。然后,根据不同的跨界服务设计模式提出了群落式和种群式跨界服务目标融合方法,按预先定义的融合规则来融合目标模型。群落式跨界服务目标融合方法包括主体领域目标模型的重构、客体领域目标模型的匹配和主体客体领域目标模型的融合等阶段。种群式跨界服务目标融合方法包括用户目标模型片段的衍生、被依赖者目标模型片段的衍生和领域衍生目标模型的融合等阶段。最后对融合后的跨界服务目标模型进行不一致性检测及消解,包括非功能性目标不一致性检测及消解、功能性目标不一致性检测及消解、可操作性目标不一致性检测及消解。根据所提的方法,开发了跨界服务目标融合及不一致性检测与消解工具,可以帮助需求分析师实现跨界服务目标模型的融合,并对融合后的目标模型进行不一致性的检测,给出不一致性的消解方法。基于来自真实世界的四个典型跨界服务融合场景,设计了受控实验来对方法和工具进行评估,实验结果表明了方法的有效性和工具的实用性。
其他文献
在数字通信系统中,HDLC协议被广泛应用在数据链路层上,它的优点在于很便捷地实现数据的透明传输,满足数据链路大带宽,高可靠性,实时性强的要求。实现HDLC协议通信需要编码器和解码器,实现方法有软件和硬件两种,在高速数据通信应用中,通常采用硬件方法来实现HDLC协议。在FPGA芯片平台上,使用verilog语言设计的HDLC解码器具有很强的可修改性,可以灵活的适用在多种HDLC协议的通信场合。这种方
随着互联网技术的快速发展,线上数据的规模大幅增加。用户从网络中获取信息变得更加便利,但同时也受困于如何从浩瀚的网络信息中撷取真正对自身有用的知识。个性化推荐系统成为一种缓解信息过载问题的有效途径。相比于搜索引擎,推荐系统无需用户主动地提供查询目标,而是利用隐式/显式的用户反馈数据,从中检索相关信息呈现给用户,已受到国内外研究者的广泛关注。在推荐系统数据中存在着长尾分布,即少部分流行的头部物品存在大
传统协同过滤中的矩阵分解方法(MF)使用点积运算建模用户和物品之间的交互,难以学习到非线性交互关系。现有的神经协同过滤模型虽然在结合MF核心思想—哈达玛积算子的基础之上采取不同方式结合神经网络方法,但依然不能完全在同一过程中结合两者的优势,限制了模型的表达能力。查阅大量文献之后,本文在上述不足的前提下,主要工作在于推荐系统中的核心问题—协同过滤,聚焦在矩阵分解方法基础之上,探索与深度学习的不同融合
本文提出了一种基于IMU(Inertial Measurement Unit)和轮速计紧耦合的全景SLAM(simultaneous localization and mapping)系统,能够实现鲁棒高精度定位,可以用于地面移动测量系统(Mobile Mapping System,MMS),地面移动机器人与自动驾驶中。由于IMU与视觉天然的互补性,视觉惯性里程计(visual-inertial
云计算是一种按需提供计算服务的新型计算模式,近年来得到了越来越多的应用。在云计算模式下,用户能够以较小的代价快捷地扩展随着业务需求不断变化的基础服务架构,而不需要花费高昂的硬件成本。为了能够提供高质量的服务,云服务提供商需要通过云计算资源调度策略,高效地将自己拥有的计算资源与云用户任务请求进行匹配以最大化自己的效益。因此如何设计一个高效的云计算资源调度算法是云计算领域中的一个研究热点。为了解决云计
B样条具有局部性与光滑性等良好的性质,能够灵活地表示复杂的自由型曲线和曲面,因此在计算机辅助几何设计等领域应用广泛.我们在本文中分别研究了 B样条在曲线演化问题和曲线矢量数据压缩问题中的应用,并由此提出了求解曲线演化问题的三次B样条参数有限元方法和一种带约束的三次B样条曲线矢量数据压缩算法.曲线演化问题属于一类常见的几何演化问题,通常由特定的时空相关的非线性几何偏微分方程所决定,我们将三次B样条应
气象预报是指在某一段时间内对气候气象变化做出的估计和记录,而气象数据是以矩阵数值形式输出的信息。矩阵内某一块区域的坐标点分布越密集,表明该区域气象预报的精细化程度越高,气象精细化预报数据则可以提供某一区域内更丰富的气象预测信息。本论文设计的精细化预报主要是研究在空间维度上的超分辨率预报,是将低分辨率(低精度)的气象观测数据在空间维度上降尺度生成高分辨率(高精度)的气象预测信息,期望将气象预报精度从
在这篇文章,我们首先考虑欧氏空间中的闭的、一致凸的光滑超曲面以速度为uαfβ(α,β∈R~1)的扩张流,这里的u是支撑函数,f是一个光滑、对称、一次齐次的以超曲面的主曲率半径为自变量的正函数。如果α?0<β?1-α,我们证明这个流对任意时间有一个唯一的一致凸光滑解,而且在正规化后光滑的收敛到一个球心在原点的圆球面。之后我们改进方法,考虑欧氏空间中闭、光滑、星形超曲面以速度为uαf-β(α,β∈R~
区域地下水问题是地下水资源的管理和保护领域的重要课题之一。目前,地下水的不合理开采已成为引起地面沉降和沉陷等诸多地质灾害的主要原因,了解地下水的区域运动情况在预测地下水流量和控制地下水的开采方面起着重要的作用,这往往涉及到对区域地下水模型的数值模拟。总所周知,尺度差异问题是区域地下水数值模拟中的一个重要问题,它往往会给数值模拟带来很多困难和挑战,例如,在某个导水率会发生数量级的改变的含水层系统中,
联邦学习是利用海量分散的客户端基于本地数据联合训练一个全局模型的过程,在联邦学习中客户端的本地数据没有被共享,进而保护了客户端的隐私。现有研究表明,客户端上传的模型参数同样会泄露其隐私信息。因此,安全聚合被提出并应用在了联邦学习中,使得聚合服务器仅获得聚合的结果而无法得知单个模型的具体参数,从而对客户端隐私信息做到全方位保护。但是现有的安全聚合方案难以对客户端上传的模型进行检查,使得联邦学习无法抵