基于图卷积网络的产业领域科技服务资源命名实体识别

针对产业领域科技服务资源中存在专业术语复杂、实体边界识别困难及不能有效提取文本远距离语义特征的问题,提出了一种基于图卷积网络(GCN)的产业领域科技服务资源命名实体识别方法。对现有的BERT-BiLSTM-CRF方法进行改进。首先,通过额外加入辅助特征词性特征对BERT层获取的字符向量进行扩展补充,并通过多头注意力机制设置权重来获取字符间的语义信息;然后,在双向长短期记忆网络(BiLSTM)基础上融入图卷积网络,用于挖掘字符及字符间关系的结构信息,将BiLSTM提取到的特征表示与字符间的依存关系矩阵拼接融合,充分获取文本的全局特征。最后将GCN层获取的特征向量送入条件随机场(CRF)模型进行序列解码,选取出全局最优序列,即为实体识别的结果。实验结果表明,该方法优于传统的命名实体识别方法,可以提高产业领域科技服务资源命名实体识别的准确率。

基于实体-数据的物联网服务建模

物联网服务作为信息世界软件服务通过物联网向现实世界的延伸,其在物联网系统具有重要的作用.然而,不同于传统Web服务,物联网服务具有现实感知、数据驱动、异构分布、时空相关等新特点,使得现有的服务模型不足以对物联网服务有效刻画,进而也不能满足物联网应用中的后续服务发现、服务卸载、服务组合等需求.在凝练分析物联网服务建模需求和已有物联网服务模型的基础上,提出了一种基于实体-数据的物联网服务建模框架,该框架提出了服务、实体、数据三元信息融合的物联网服务模型概念及概念关系,重点定义了服务、实体、数据的时空属性及时空依赖关系,以支持基于时空相关性的物联网服务关联表示与分析,并通过扩展OWL-S(ontology Web language for services)给出了基于实体-数据的物联网服务描述方式.最后,结合一个高速公路物联网应用案例对模型的使用方式和效果进行了讨论.

基于Seq2Seq模型的工作流动态调度多目标进化算法

将数据处理类工作流在云计算环境下的调度问题建模为动态多目标优化问题,同时为了解决静态多目标优化算法在环境参数动态变化下可能出现的种群多样性缺失问题,在NSGA-II算法的基础上结合Seq2Seq深度学习模型,提出了DNSGA-II-Seq2Seq算法,算法通过Seq2Seq模型学习连续历史环境下局部最优解的变化规律,在环境变化时预测新的解并将其加入NSGA-II算法的种群中,以解决多样性缺失问题,同时加速算法收敛。在改进的WorkflowSim上进行的实验表明,与其他经典的算法相比,DNSGA-II-Seq2Seq算法预测的解和最终结果在多项指标上均优于其他算法,验证了算法的有效性。

一种支持业务用户编程的服务虚拟化技术——VINCA聚合服务机制

提出一种支持业务用户编程的服务虚拟化技术———VINCA聚合服务机制 ,其核心是VINCA聚合服务模型 该模型从业务与IT两个层面出发并“中间相遇”来实现服务资源的虚拟化 ,从而屏蔽具体服务资源的使用复杂性 ,使得业务用户更易于直接将业务需求映射到虚拟化的服务资源 ,为业务用户编程提供支持 定义了VINCA聚合服务的生命周期模型及使用方式 ,以明确地指导VINCA聚合服务的构造及使用过程 介绍了VINCA聚合服务支撑系统架构 。

基于云架构的交通感知数据集成处理平台

海量、多源、不间断的交通感知数据环境下,如何提供集成化的交通感知数据处理支持是多样化交通应用实施中的难点.现有的通用计算框架及平台由于缺少对具有时空相关等特征的交通感知数据和应用间交通感知数据共享的支持,使得交通感知数据处理应用的开发存在较高的复杂性并且易于造成大量重复的数据跨节点传输而影响应用性能.针对此问题,通过分析交通感知数据及其处理需求特征,提出一种基于可跨应用共享的时空数据对象的交通感知数据处理模型,通过引入时空数据对象这一新的概念抽象并提供易并行划分的时空数据对象组织及共享支持,实现分布计算中对时空型交通感知数据的优化管理.在此基础上,设计并实现了交通感知数据集成处理平台.通过实际应用和基于真实交通数据的实验测试表明:该平台相对于传统的交通感知数据处理方法及系统在性能及扩展性等方面均具有一定的优势.

海量车牌识别数据集上基于时空划分的旅行时间计算方法

城市路段旅行时间计算是智能交通领域的一个研究热点.车牌识别数据作为近年来新兴的一种针对城市道路行驶车辆的实时监测数据,具有持续生成且数据量大、时间空间相关等特性.为了利用车牌识别数据集进行高效、准确的旅行时间计算,给出了基于车牌识别数据集的旅行时间计算定义,在此基础上提出一种基于时空划分的流水线式并行计算模型,并给出了该模型基于实时MapReduce的实现.通过一组基于海量真实车牌识别数据集的实验表明,本文方法在亿级车牌识别数据集上的旅行时间计算性能方面相对于直接基于Hadoop的实现可以提高3倍以上,同时具有适合细粒度划分及受路网规模影响小的特点.

基于无共享架构的海量感知数据实时处理系统

为了满足具有海量性、连续性及不确定性的感知数据实时处理需求,采用云计算典型的分布式无共享集群架构,文中提出一种并行化的海量感知数据实时处理模型,并给出了相应的编程接口.在此基础上设计了一种去中心化的分布式感知数据实时处理系统架构以及基于ZooKeeper的集群伸缩管理方案,从而保证了感知数据处理系统的实时性及扩展性.通过一个结合城市车辆监管实际应用的实验,验证了该系统在负载均衡的情况下,其处理性能够随着计算节点的增加而接近线性增长.

基于残差修正GM(1,1)模型的车流量预测

车流量预测是城市智能交通系统研究中的热难点问题之一,精确的车流量预测能有效地支持智能交通系统的发展,减少拥堵。同时车流量预测的精确度密切关系着居民的出行质量。然而车流量受诸多因素的不同程度的影响,具有一定程度的随机性、灰色性和不确定性,从城市交叉路口得到的车流量监控数据也具有一定程度的缺失和偏差,简单、准确且高效地预测车流量成为一个挑战。基于交叉路口采集到的车牌识别数据,通过对比经典GM(1,1)得到的预测值与真实值计算出残差,用残差去修正计算模型进而得到修正GM(1,1)模型,再用得到的修正模型迭代处理同一数据集,最后,数值稳定收敛且精度高于未修正模型的结果。

面向服务可用性管理的模型驱动服务监控系统

互联网服务环境(Internet of Services)的动态、自治等特征使得服务自身及基于服务的应用都面临着突出的可用性问题.服务监控是提供服务可用性保障的一个有效手段,然而现有的服务监控方法在应对互联网服务监控需求时存在着适用范围单一、灵活性差等问题,难以满足服务可用性保障在监控目标和监控方法等方面的多样性需求.为此,采用模型驱动架构(Model-Driven Architecture)的方法,设计了一个可支持灵活扩展的服务监控模型,允许用户自主定义满足多样化监控需求的服务监测指标和异常处理机制,并实现了一个模型驱动的适应性服务监控系统,该系统能够通过对模型的解释执行来实现具体的服务监控功能.通过与相关工作的对比表明,本文工作在监控模型的扩展性和监控实现的系统支撑角度具有一定的优势.

基于高速联网数据的多义路径实时精确识别系统

随着各类高速公路车辆信息采集手段的出现,如何利用实时采集的大规模数据不间断地进行车辆行驶多义路径的精确识别成为一个重要问题.本文提出一种基于识别点数据和联网收费数据的多义路径实时在线精确识别方法,设计了基于时空关系的路径识别流式计算模型,并给出了基于Storm的系统实现.通过基于真实数据的实验表明,相对于传统最短路径识别方法,本文方法可在亚秒级实现多义路径的精确识别.

针对高速数据流的大规模数据实时处理方法

以实时传感数据和历史感知数据为基础的各类计算需求逐渐成为当前物联网应用建设中的关键,如何实现基于高速数据流和大规模历史数据的实时计算成为数据处理领域的新挑战.现有批处理方式的MapReduce大规模数据处理技术难以满足此类计算的实时要求.文中结合城市车辆数据的实时采集与处理应用,在理论和实践分析的基础上,提出了一种针对高速数据流的大规模数据实时处理方法,并对方法中的本地阶段化流水线、中间结果缓存等关键技术瓶颈进行了改进.其中,根据系统参数控制阶段化流水线,使CPU得到了充分、有效利用;通过改造内外存数据结构、读写策略和替换算法,优化了本地中间结果的高并发读写性能.实验表明,上述方法可以显著提升大规模历史数据上数据流处理的实时性和可伸缩性.

支持高并发数据流处理的MapReduce中间结果缓存

针对面向大规模历史数据的高并发数据流处理需求,为改进MapReduce的实时处理能力,提出了一种内存Hash B树、外存SSTable文件的key/value中间结果缓存,该结构具有可划分性、可扩展性和高效性.在此基础上,利用B树的平衡性特征提出了一种基于概率的B树构造算法和多路查询算法,利用读写开销估算和缓冲区信息改造了外存文件读写策略和内外存替换算法,进一步优化了中间结果的高并发读写性能.算法分析和实验证明了该缓存的有效性.

一种SaaS模式下的服务社区模型及其在全国科技信息服务网中的应用

如何从服务的提供、运营和使用等多个维度有效组织和管理服务是软件即服务(SaaS)模式下面临的一个重要挑战.以支持服务发现为主要目标的传统服务管理方法难以适应SaaS模式下服务的动态有界、关联演化和可控可测等特征及满足服务全生命周期管控的需求.该文结合全国科技信息服务网实际应用,探索了一种支持科技信息资源整合共享与综合利用的"双向"SaaS模式,并提出一种适于该模式下服务管理的服务社区模型.服务社区模型支持服务元建模和业务规范及服务管控策略自主定义,可以使能面向特定业务领域的有界化和有序化服务管理.文中还针对服务管理边界的演化需求讨论了该模型下的服务社区派生机制.最后,以全国科技信息服务网中的科技信息服务运营管理为具体案例,展示并讨论了服务社区模型的使用方法、应用效果和适用范围.

面向大规模感知数据的实时数据流处理方法及关键技术

为了在大规模历史感知数据基础上实现针对高速传感数据流的实时计算,提出一种面向大规模历史数据的数据流处理方法RTMR,通过中间结果缓存、流水化和本地化改进了MapReduce的数据流处理能力。在此基础上,为了适应性地构造RTMR集群,利用模型分析方法根据应用特征和集群环境配置节点类型和拓扑结构。为实现集群的负载均衡,通过计算负载状态转换关系分组空闲节点和过载节点,将NP难的动态负载均衡问题快速分解为规模较小的子问题,并且综合执行时间和数据移动代价作为子问题的优化目标,提高应对负载倾斜的反应速度。实验表明,上述方法和技术能够保障大规模历史数据上数据流处理的可伸缩性。

基于CAFISE Framework的高适应性面向服务软件开发

在企业及电子政务应用中,由资源分布异构及需求动态变化而产生的问题越来越严重,如何让应用快速适应这些变化一直是人们关注的一个研究难题.首先给出了一个面向服务的支持业务端编程的适应性软件结构框架CAFISE(convergentapproachforinformationsystemevolution)Framework,然后给出了基于该框架的面向服务的适应性软件开发方法.CAFISEFramework对异构资源的服务化、业务化及开放动态的面向服务软件体系结构提供了较好的支持.基于该结构框架的开发方法,从对影响软件的环境要素分析入手,通过质量属性驱动的体系结构分析,重点针对应用要适应的变化进行结构设计,最终通过以体系结构为基础的业务端编程,实现面向服务应用的即时开发与演化.在实际项目中的使用及实验证明:用该框架和方法开发的面向服务应用,能够较好地适应异构资源的动态变化及用户业务变更,能以较低的代价实现企业及电子政务面向服务应用的持续演化.

面向套牌甄别的流式计算系统

套牌车的甄别具有时效性约束。针对现有计算检测方法中所出现的精度低、响应慢等局限,提出了一种基于实时车牌识别(ANPR)数据流的套牌车流式并行检测方法,设计了基于路段阈值表和时间滑动窗口的套牌计算模型,能够实时地甄别出交通数据流中的套牌嫌疑车。在Storm环境下,利用某市真实交通数据集模拟成实时交通流数据进行实验和评估,实验结果表明计算的准确率达到98.7%,并且一条车牌识别数据的处理时间为毫秒级。最后,在该计算模型基础上实现了套牌车稽查防控系统,能实时甄别并展现出当前时刻城市交通网中出现的所有套牌嫌疑车。

一种支持高并发的感知数据接入服务

随着物联网技术的广泛应用,体现物理世界运行状态的感知数据被大量前端传感设备采集;为了在云端有效存储、管理及后续分析这些数据,迫切需要支持海量前端设备接入不同种类、持续不断的异构数据.当前相关技术和系统在接入大规模高并发数时存在吞吐量和执行效率的瓶颈,为此设计实现了一种支持高并发的感知数据接入服务.该服务面向异构感知数据的通信,通过可定制数据结构和异步I/O多路复用,实现了大规模异构感知数据的高并发接收、解析和分发处理.相关的实验表明,该服务即使在低配虚拟机中也可以支持万级并发的数据接入能力.

面向智能电网的电力大数据存储与分析应用

阐述了智能电网面临的挑战以及大数据关键技术对电力行业的可持续发展和坚强智能电网建立的重要意义。分别从智能电网主数据管理、用电信息统一存储管理、电能质量分析、配网运营能力分析等几个典型大数据系统分析了大数据关键技术在智能电网中的应用。

支持探索式研判分析的动态ETL流程服务

ETL(Extract-Transformation-Loading)作为一种将不同来源的原始数据转换为有效信息的数据集成手段,可为基于综合信息的研判分析提供支持.然而,在当前信息共享和大数据等发展趋势下,各行业研判分析活动表现出多样化、动态性的特征,往往需要面对大量动态、突发的数据抽取、转换及加载需求,传统预定义式的ETL方式难以快速实现.为此,提出一种支持探索式研判分析的动态ETL流程服务,包括探索式研判分析的基本思路、动态ETL流程服务的实现及ETL处理并发性能优化方法,并结合某公安联合作战指挥应用案例对动态ETL流程服务进行了验证,实际应用表明该服务能够支持以"边构造边执行"的方式实现用于研判分析的ETL流程.

基于MapReduce的城市道路旅行时间实测计算

城市道路旅行时间计算一直是智能交通系统中研究的核心问题之一,准确高效的旅行时间计算可以有效地帮助道路管控,减少交通拥挤。然而面对巨大而且快速增长的城市道路交通检测数据,如何将分布式计算模式融合到传统的旅行时间计算问题中已成为一个亟待解决的问题。论文基于海量道路车牌识别数据,设计了基于MapReduce编程模型的城市道路旅行时间实测计算的算法。并利用Hadoop环境进行了实现,可以支持对自定义路段集下不同时间段道路旅行时间的计算。通过实验证明,相对于传统的旅行时间计算方式,在计算时间上基于MapReduce的旅行时间计算模式可以提高十倍以上。