电子商务大数据智能存储管理系统的设计与实现解析

介绍一种电子商务大数据智能存储管理系统,旨在为电子商务从业者提供轻松、舒适的工作环境,并满足消费者日益个性化的需求。系统采用C/S结构,通过客户端与服务器软件和硬件终端完成实时数据传输,提供商城管理、店铺设置、店铺高级设置、活动设置等功能,同时利用网络硬件的安全措施确保数据的安全性。

面向多模态数据的新型数据库技术专题前言

以数字技术为标志的新一轮科技革命方兴未艾,将人类带入数字经济时代.全球各行各业数据量呈现爆炸式增长,数据类型和数据格式也呈现多种形式,例如结构化关系表、半结构化JSON/XML、非结构化文本/图像/视频,以及图数据、流数据和时序数据等.这要求数据库系统能够同时高效地管理多种不同类型的数据.多模态数据管理与分析成为亟需解决的问题.目前的方法主要通过拓展现有的数据库或通过集成各种不同模态数据管理引擎来支持多模态数据管理与分析,缺少新颖的理论、方法与技术的支撑.本专题围绕多模态数据管理与分析的整个生命周期,通过结合大数据技术和人工智能方法探讨新型数据库系统理论、方法和技术,包括多模态数据统一建模、存储与索引、查询与挖掘、并发控制、多模态数据库系统构建及其典型应用等主题,赋予数据库系统新的管理能力,形成多模态数据管理与分析在各行各业的最新应用成果.

多区域注意力的细粒度图像分类网络

目前细粒度图像分类的难点在于如何精准定位图像中高度可辨的局部区域以及其他辅助判别特征。提出一种多区域注意力的细粒度图像分类网络来解决这个问题。首先使用Inception-V3对图像特征进行提取,通过重复使用注意力擦除的方法使模型关注次要特征;然后通过背景去除以及上采样的方法获取图像更精准的局部图像,对提取到的局部特征进行位置统计,并以矩形框的方式获取图像整体,减少细节信息丢失;最后对局部与整体图像进行更加细致的学习。此外,设计联合损失函数,通过动态平衡难易样本和缩小类内差距的方法改善模型的识别效果。实验结果表明,该方法在公开的细粒度图像数据集CUB-200-2011、Stanford-Cars和FGVC-Aircraft上的准确率分别达到89.2%、94.8%、94.0%,相较于对比方法性能更优。

基于HCPN的复杂BPMN协作模型数据流建模与验证

为了保证复杂BPMN协作模型的正确性,不仅要涵盖多实例和子进程等复杂元素,还要在检测控制流错误的同时检测数据流错误。但业务流程建模标注(BPMN 2.0)缺乏形式化语义的描述,这对模型正确性的验证造成了阻碍。因此,给出了一种具有弧权重的层次化着色Petri网(HCPN)的定义,它既可以对数据流进行形式化表示,又可以对多实例和子进程结构进行建模。进一步提出了从BPMN协作模型到HCPN模型的形式化映射方法。然后基于HCPN模型的弧权重给出了缺失、丢失和冗余3种数据流错误的定义,并提出了对应的检测算法。最后,设计了一个自动化建模与验证的框架,通过一个案例研究说明了该方法的有效性。

一种麒麟系统下基于Django的网络性能管理系统设计与实现

通过对网络性能管理系统在网络运维中的重要作用和国产麒麟操作系统在各关键领域得到广泛应用的事实进行分析阐述的基础上,该文基于Django框架设计集数据采集、存储、分析、显示及管理于一体的综合网络性能管理系统。结合Pysnmp、Django、Highcharts等开源工具包,重点阐述设计中所包含的各关键模块的具体实现技术细节,并给出相应的应用实例效果图。实践表明,该设计实现方法稳妥可靠,具有进一步推广应用的价值。

农业知识驱动服务技术革新综述与前沿

农业知识驱动服务技术是指运用先进信息技术,科学、高效调配农业领域专业知识服务资源,为农业行业提供智能化知识服务的技术,在解决农业技术服务供需严重失衡等难点问题方面具有重要意义,日益成为支撑农业转型升级和高质量发展的重要引擎,代表着核心研究方向,伴随着技术发展全过程。目前农业行业迫切需要解决的是知识供给严重不足、服务效率不高的问题。农业知识驱动服务技术经历较长时间发展,在知识高效匹配和精准供给方面取得了较大进步,特别是2022年11月以来ChatGPT这类技术的出现,充分展现了超大规模预训练模型在知识智能服务方面的巨大潜力,这也是农业知识驱动服务可以取得突破的关键所在,可以在这方面发挥重要作用。该文在分析农业知识驱动服务相关技术现状的基础上,展望了农业领域可行的知识驱动服务技术路径,预测农业领域知识服务大模型研发构建会呈现参数由少到多、算力由弱趋强、强化训练逐渐加深的特点得到快速发展应用,未来将在专业技术指导、农业“装备-信息-农艺”融合、农业信息系统平台服务总线等方面系统升级现有农业知识服务范式,多模态服务将得到系统融合加深,人机交互模式将向“人性化”方向进一步黏合增强,从而为农业智能化转型升级提供全新的技术支撑,引领农业知识服务从数据检索、语义匹配迈向生成式知识驱动模式转变。

基于ChatGPT的课程学习助手系统的设计与实现

计算机编程语言类课程在学生学习和教师教学过程中遇到诸多困难,聊天机器人程序ChatGPT的出现,为该类课程的学习带来新的尝试。通过设计一款基于ChatGPT的计算机编程语言类课程学习助手系统,帮助学生解决程序代码输入量少、程序代码输出困难的问题。从ChatGPT接入、数据集构建到关键字配置三个方面阐述系统的设计和实现,并通过实际运行测试,效果良好。

公共数据平台数据互操作能力保障要素框架研究

[目的/意义]为有效改进数据易用性,将数据互操作能力保障要素嵌入公共数据平台建设,为促进数据互联互通提供了一种系统方法。构建公共数据平台数据互操作能力保障要素框架,以期为提升公共数据平台治理能力提供参考。[方法/过程]在比较研究国际上较为通用或典型的互操作框架构成维度的基础上,对文献中涉及的能力保障要素进行文本梳理、要素识别和聚类分析,由此构建框架。[结果/结论]构建了公共数据平台数据互操作能力保障要素框架,包括5个核心维度,19个关键要素,并以江浙省台州市公共数据归集为例进行了验证。

基于ChatGPT的医院租金收入财务管理智能化浅探

为了规范医院租金收入的财务管理,保证国有资产的保值增值,同时兼顾成本与效益,近年来,医院财务部门一直把信息化作为工作中的重要抓手。ChatGPT特有的深度学习、人机协同能力,能很好地助力医院租金收入管理系统实现从非智能化向智能化的转变,系统升级后医院将实现租金收入的预算填报、会计核算、台账生成、报告出具与更新工作自动化。由此可见,ChatGPT技术的应用不仅能减轻财务部门重复且大量的日常核算工作压力,它对财务基础数据质量提升,及高效的财务预测、分析、决策更是意义重大。

基于“流程再造”的中国计算广告自主知识体系构建

在大数据技术的推动下,计算广告流程发生了颠覆性重构与升级。传统广告流程被重构为计算广告用户分析、计算广告创意生产、计算广告交易投放、计算广告效果评估等一系列新的步骤。计算广告新流程具有广告数据与算法的平台化、广告行为的工具化、广告过程的同步化和广告效果获知的高效化等四个内在特征,实现了业务层面的“流程再造”。基于“流程再造”的计算广告自主知识体系建构,遵循着科学的价值逻辑、理论逻辑和历史逻辑,从本体论、认识论和方法论三个层面搭建了结构框架。

基于特征提取的电力客户服务大数据溯源模型

为提高数据溯源算法的运行效率,基于特征提取方法提出电力客户服务大数据溯源模型。定义数据的基因组,查找数据库内的任意两个存在血缘关系的数据,以此建立数据染色体追溯模型;获取电力数据中的四类特征值,建立电力数据多次遗传的转移矩阵,基于特征提取构造电力大数据溯源路径;得出大数据溯源算法,构建电力客户服务大数据溯源模型。实验结果显示,特征提取算法在模型层数以及数据量相同时,溯源所需时间最短,算法运行速度最快。

基于校园行为特征的学生就业画像

基于校园行为数据分析学生就业与校园行为之间的关联性是大数据背景下高校就业管理与指导工作的重点。文章以高校本科学生为研究对象,对学生基本信息和校园行为数据进行特征提取和学生标签体系的构建,通过关联规则挖掘学生就业与校园行为之间的关联,探析不同毕业去向学生的行为特征。研究发现:国内读研类学生有4种典型学生群体画像,出国出境类大学生有3种典型学生群体画像,直接就业类大学生有4种典型学生群体画像,不同的学生群体在行为规律性、消费水平和学业水平等方面存在显著区别。文章建议:提供大学生职业生涯规划指导,加强对学生心理状况的关注,开展同学结对帮扶活动。

大数据在高等教育研究中的应用前景分析

大数据为高等教育研究的视野扩展和领域深化赋予了更多可能。研究着重梳理大数据在高等教育研究中的重点领域,分析大数据在高等教育研究中的应用重心和应用方式。研究发现,高等教育的行为主体、实践行动和机构管理是大数据的重点研究领域,聚焦点为研究与教学潜力的开发、教育教学的改革与创新、效能提升。大数据能够帮助高等教育研究实现视域突破、方法融合及应用深化,但在伦理与隐私、数据分析、数据源和存储、主体鸿沟等方面其仍须应对新的挑战。

区块链产业发展:经济特性与中美路径差异

区块链具有去中心化、可追溯性两大核心特征和不可篡改、去信任化、信息透明、可匿名性四大衍生特征,并进一步引致出能够作用于经济领域的五大经济特性:减少信息不对称、降低组织的集中度、提供可置信的承诺、生成新的价值标的、减少交易成本。区块链是否能与产业良好融合是其能否有效发挥上述重要经济特性的一个重要因素。本文通过对中美区块链行业的对比分析发现,中国对于区块链的应用领域态度更为审慎,同时也具有更强的政策导向,主要应用领域为实体经济;而美国虽然对区块链的政策导向不如中国明显,但其在技术、人才培养等方面都具有显著优势,区块链应用规模在全球范围内处于绝对领先地位。总的来看,中国区块链产业发展面临审慎的金融政策与区块链特征不匹配、结合区块链与实体经济的配套设施相对缺失、区块链适用领域有待细化、区块链技术有待提升等问题。为进一步推动中国区块链产业发展,需要推动央行数字货币发展、加强数字化基础设施建设、针对性推动区块链行业发展、加强区块链技术基础研究。

POI大数据视角下粤港澳大湾区商业发展水平测度、区域差异及影响因素

基于2015年和2021年粤港澳大湾区区县层面的8类商业POI大数据,本文采用AHP-EntropyCRITIC综合权重方法尝试提出基于POI大数据的商业发展水平测度方法,并通过Dagum基尼系数、空间杜宾误差模型等方法系统分析了粤港澳大湾区商业发展水平、区域差异及影响因素。研究表明:(1)相对于普通单一权重,AHP-Entropy-CRITIC综合权重更能合理反映8类商业POI的复杂关系;(2)基于AHP-Entropy-CRITIC综合权重的8类POI数量之和可以大致反映城市商业发展水平,珠江东岸都市圈的商业水平最高,其次为广佛肇都市圈和珠江西岸都市圈,在城市层面,广州、深圳、东莞的商业发展水平明显高于其他城市;(3)都市圈和城市空间尺度下的商业发展水平均有明显增长,增长幅度均超过10%;(4)不管是城市层面还是县级层面,8类商业POI数量及总体商业发展水平的区域差异大小和构成相似,差异来源依次为组间、超变密度和组内;(5)SDEM模型估计结果显示,粤港澳大湾区区县层面的商业发展水平具有显著的空间自相关效应,人口规模、商务住宅、教育服务、交通设施、医疗服务、企业规模等因素对商业发展水平有显著的正向影响。

大数据环境下多模态融合的大学生异常行为预警

针对“校园大数据”累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大学生异常行为预警方法(early warning method for abnormal behavior of college students based on multi-modal fusion in big data environment,EWMAB).首先,针对学生行为画像的表征不够丰富,行为标签存在时效性、动态性等问题,建立一种基于多模态特征深度学习的跨模态学生行为画像模型;其次,针对学生异常行为预测、预警的时效性和后置性问题,在学生行为画像和学生行为分类预测基础上,提出了一种基于多模态融合的学生异常行为预警方法,通过长短期记忆神经网络(long and short term memory networks,LSTM),结合学生行为多指标数据和文本信息来解决学生异常行为预警问题;最后,本文通过应用实例验证模型以学生学习成绩异常预警为例,与其他预警算法相比,EWMAB方法可以提高预警的准确性,实现学生异常行为预警的时效性和前置性,从而使学生教育工作更具有针对性、个性化和预测性.

互联网时代分布式关系数据库的有益探索

在实现分布式数据库的技术方案上,业界存在不同的选择.第一种方式需要对应用系统进行拆分,通过分库分表将原本单个数据库管理的数据分散到多个集中式数据库.分库分表方案要求应用系统重构,跨库访问效率较低,关系数据库的重要功能,如外键、全局唯一性约束.

AI,大数据与强度机器——信息权力的时代如何重思主体性

大数据是推动生成式AI之诞生和发展的一个重要前提,对大数据的发展演变进行谱系学考察也有助于我们更深刻地理解以ChatGPT为代表的新型AI的本质与前景。从强度性数据到大数据,从第四范式到数据洪水,这或许并非只是一个从量变到质变的过程,而更是数据的本原性强度日渐衰退,人的主体性在数据面前日渐消亡的过程。由此,有必要回归强度这个哲学概念,结合德勒兹和加西亚等哲学家的代表性论述,进而揭示它何以从一种创生之力量逐渐蜕变为经典物理学中的被计量之力,进而又在控制社会之中被彻底驯化为电力。既然肯定性的生命强度举步维艰,那么或许理应转向否定性的死亡强度来探寻出路。加西亚的思辨实在论,德勒兹的无器官身体,以及福柯的致命机器,似乎敞开了三条相关又有别的道路。

基于区块链技术的光伏产消者集群定价博弈

随着具有源荷二重属性的产消者占比日益提高,如何建立适合产消者的有效交易机制,激励其能源消纳是目前亟待解决的问题。针对该问题,提出区块链技术下的产消者与运营商的集群交易模型,将区块链技术量化到产消者的用电行为上。考虑到产消者集群内各主体独立,电价制定和电量调度存在先后次序,采取Stackelberg博弈理论寻求最优交互策略,并通过区块链更新求解过程中的交互信息。仿真结果表明:通过制定内部电价,能够提升集群内的光伏自消纳水平,同时在区块链技术下聚合优化集群内资源,可以有效提高产消者的用电效益与运营商的收益。进一步,结合光伏上网电价退坡政策,再次验证了所提模型的有效性。

大数据管理与应用本科专业学位教育发展状况调查报告(2023)

[目的/意义]开展全国大数据管理与应用专业本科教育的发展状况调查研究,以期反映其发展趋势并提出相应的建议。[研究设计/方法]以开设院校、师资、招生、就业、课程体系和培养目标为六大维度,系统地剖析了我国大数据管理与应用本科教育的现状,并通过与往年数据的比较反映该专业的发展态势。[结论/发现]截至2022年12月,该专业的培养单位数量达到183所。大多数培养单位针对社会需求和自身定位调整其教学,在注重专业实践性的同时,逐步形成自身特色。大多数培养单位的课程体系和培养目标不完全匹配,需要增加对大数据管理和大数据应用方面的课程。[创新/价值]通过全国范围内大数据管理与应用本科专业全面调查和深入分析,反映该专业当前发展现状和存在问题,为此类专业持续发展提供有价值的参考。