Similarity Intelligence:Similarity Based Reasoning,Computing,and Analytics

Similarity has been playing an important role in computer science,artificial intelligence(AI)and data science.However,similarity intelligence has been ignored in these disciplines.Similarity intelligence is a process of discovering intelligence through similarity.This article will explore similarity intelligence,similarity-based reasoning,similarity computing and analytics.More specifically,this article looks at the similarity as an intelligence and its impact on a few areas in the real world.It explores similarity intelligence accompanying experience-based intelligence,knowledge-based intelligence,and data-based intelligence to play an important role in computer science,AI,and data science.This article explores similarity-based reasoning(SBR)and proposes three similarity-based inference rules.It then examines similarity computing and analytics,and a multiagent SBR system.The main contributions of this article are:1)Similarity intelligence is discovered from experience-based intelligence consisting of data-based intelligence and knowledge-based intelligence.2)Similarity-based reasoning,computing and analytics can be used to create similarity intelligence.The proposed approach will facilitate research and development of similarity intelligence,similarity computing and analytics,machine learning and case-based reasoning.

数字时代大数据辅助司法证明的构造及其风险防控

“大数据辅助证明”有助于提升事实认定的科学性与准确性。大数据辅助证明以整体主义为指引,在证据推理环节通过大数据技术高效组织数据,整合经验概括对个案中的推论命题和要件事实等的确定形成类型化指引;在证据评价环节可以辅助证据标准的数据化校验与证明力概率评价的科学化。如果对大数据智能产生非理性崇拜,那么其有可能异化为新的神明裁判方式,侵蚀理性主义传统,导致认知偏差难以得到控制,证明责任的界限模糊化,以及用“客观规律”代替“认识论概率”等问题,而且会增加事实认定在各方面的附随风险。为应对挑战,司法证明的重心应当从“信息规制”迈向“风险防控”,并坚守数据技术的辅助性,诉讼主体的认知交互性和证明的外部可检验性原则。当大数据辅助证明诱发的风险无法通过隔离、警示和对抗等手段预防时,应当合理分配证明过程中的风险。

面向指挥信息系统的日志智能分析技术

针对指挥信息系统智能化运维的需求,综合考虑传统日志分析方式存在的问题,提出了一种面向指挥信息系统的日志智能分析技术。采用大数据的技术框架,对指挥信息系统各层级中设备、资源与服务的日志实现自动化的采集,预处理,存储,分析与展示.通过结合日志解析与规则推理的相关算法,实现对日志数据的智能化预处理与在线分析,并在传统算法的基础上做出优化,进一步提升了推理分析的时效性。有效降低运维监控工作的难度,为指挥信息系统智能化运维提供技术支持。

“大数据杀熟”反垄断规制的路径优化

互联网平台经济在为人们带来便利的同时也带来了“大数据杀熟”难题。相较于其他法律,《反垄断法》在规制“大数据杀熟”方面更具优势,但“大数据杀熟”的反垄断规制路径本身面临相应的困境,需进一步优化。首先,面对平台经济经营模式的新变化,需要改进市场支配地位的认定方式。在此基础上,要明确“正当理由”的判断标准,从而划清“大数据杀熟”行为合法与否的界限。最后,需要完善.“大数据杀熟”反垄断私人诉讼制度,从而帮助消费者克服诉讼时面临的困难,进而平衡诉讼双方的诉讼地位。

一种基于Hadoop的语义大数据分布式推理框架

随着语义万维网(sematic Web)和关联数据集项目(linked data project)的不断发展,各领域的语义数据正在大规模扩增.同时,这些大规模语义数据之间存在着复杂的语义关联性,这些关联信息的挖掘对于研究者来说有着重要的意义.为解决传统推理引擎在进行大规模语义数据推理时存在的计算性能和可扩展性不足等问题,提出了一种基于Hadoop的语义大数据分布式推理框架,并且设计了相应的基于属性链(property chain)的原型推理系统来高效地发现海量语义数据中潜在的有价值的信息.实验主要关注于医疗和生命科学领域各本体之间的语义关联发现,实验结果表明,该推理系统取得了良好的性能———扩展性以及准确性.

基于大数据的网络安全态势感知技术研究

信息安全问题正在成为一个大数据分析问题。文章从我国当前网络空间安全形势及防御需求出发,分析了传统网络安全防御体系的不足及应用大数据技术进行网络安全分析的优势,并在此基础上提出了一种集安全数据采集、处理、分析和安全风险发现、监测、报警、预判于一体的安全态势感知平台。该平台整合安全区域内用户终端、网络链路、应用系统、数据流量等各类感知数据源,经统一汇聚存储后,利用机器智能分析技术,结合数据处理、安全规则模型、攻击推理模型等分析算法,将看似毫无联系、混乱无序的安全日志、报警数据转化成直观的可视化安全事件信息,从海量数据中挖掘威胁情报,从而实现风险发现、安全预警和态势感知,提升安全监测的攻击发现和安全态势感知的能力。文章从多源安全数据的汇聚与存储、面向威胁情报的大数据分析、态势感知应用3个层面对系统平台的技术、原理和实现方法进行阐述,对系统的部署、试运行及应用情况进行了说明。

大厚段砂砾岩储层压裂工艺技术研究及应用

大厚段砂砾岩储层具有物性差、可动流体饱和度低的特点,压裂是该类储层增产、稳产的重要措施,压后效果的好坏取决于人工裂缝与储层物性的匹配关系。大厚段砂砾岩储层压裂具有支撑缝长与缝高匹配困难;多裂缝发育、压裂液滤失严重,砂堵风险大;存在支撑剂嵌入,裂缝导流能力损失严重。通过技术攻关,形成了使用大排量、高粘度压裂液充分造缝;控制注入液体与裂缝中液体密度差优化支撑剂在裂缝中的铺置;利用多级粉陶段塞堵塞多裂缝,降低压裂液滤失以及最高砂比理论降低砂堵风险;采用组合支撑剂提高施工成功率和有效率。该项技术在Y104-1井得到了成功应用,压后自喷产油31.7t/d,产气1.4×104m3/d,增产效果显著。

大数据知识工程发展现状及展望

大数据知识工程是人工智能的“基础设施”、诸多行业和领域面临的共性需求、信息化迈向智能化的必由之路。本文阐述了大数据知识工程产生的背景与概念内涵,提出了“数据知识化、知识体系化、知识可推理”的研究框架;梳理了知识获取与融合、知识表征、知识推理等大数据知识工程关键技术和智慧教育、税务风险管控、智慧医疗等典型场景中的工程应用;总结了大数据知识工程面临的挑战,研判了大数据知识工程的未来研究方向,包括复杂大数据知识获取、知识+数据混合学习、脑启发知识编码记忆等。研究建议,引导多学科交叉融合,设立重大和重点研发专项,推动大数据知识工程基础理论与技术攻关;加强企业和研究机构间交流合作,推广前沿研究成果并形成应用示范,建立大数据知识工程行业标准体系;以重大需求应用为导向,探索校企协同育人模式,加快大数据知识工程技术在重要行业的落地应用。

影响大树移植成活率的技术原因及对策

在总结了多年大树移植生产实践的基础上,分析了大树移植中造成大树成活率低的技术原因,并进一步提出了解决的对策和措施,为充分发挥大树资源在园林绿化中的景观效果和生态效应提供技术保障。

大数据时代的教育管理模式变革刍议

当前教育管理的一个重要问题是在于教育管理需要专业化的先进管理工具和技术,教育管理的改进和提升关键在于应用现代信息技术手段,为教育管理决策提供高效、专业化的实现平台。该文首先澄清教育管理的"工具理性"等理论认识问题:工具理性是教育管理实现其管理价值必需的策略与手段;其次在四个维度(目标、任务、方法、效益)上解析教育管理的逻辑框架,探讨大数据的基本特征及其对教育管理的深刻影响,在此基础上,探索构建以"主体、对象、资源、目标"为核心要素的教育大数据管理模式,进而讨论符合教育大数据管理特点的行动路线图,得出初步的意见:在当今大数据时代,教育管理应全面走向数据挖掘与大数据引向,实现教育管理理论、手段、技术和文化上的方式转变与模式创新。

公路隧道施工特大涌水的防治技术探讨

隧道特大涌水如果没有预先查明导水通道和水量,靠隧道施工过程中单纯地质超前预报发现地质异常,并采取传统的超前小导管注浆进行治理,效果不佳。以三阳隧道特大涌水为例,分析涌水原因,并提出查明导水通道,"以堵为主"的环保型技术措施。

法律人工智能的推理建模路径

法律人工智能的核心问题是自动法律推理建模。文献表明,推理建模有两种经典路径:一是规则推理建模路径;二是案例推理建模路径。虽然二者分别源自欧洲大陆法传统和美国判例法传统,但事实上无论是在大陆法系还是在判例法系,规则推理建模都是最根本的路径,案例推理路径是作为规则推理建模的补充路径出现的。法律推理建模以自然语言处理为前提,这一人工智能难题决定了法律推理建模的天然难度。大数据驱动催生了法律推理建模的第三种路径——大数据推理建模路径,而且这种路径可以用来弥补前两种路径的不足。虽然这种路径仍处于探索阶段,但已有了一些落地法律应用软件,如我国的智慧法院工程,以及美国的法律应用软件Lex Machina和Ravel等。

大数据融合模型的智能化网络安全检测方法

针对传统智能化网络安全检测平台处理数据效率低、误差大等问题,文章提出一种新型的解决方案;该方案基于大数据融合模型构建新型的智能化网络安全检测平台,采用卡尔曼滤波算法、采用数据融合分类算法和模糊推理算法3种方法结合构建出数据融合模型来对网络安全检测数据进行运算与处理;其中,采用卡尔曼滤波算法进行改进,对原始网络安全检测数据进行滤波降低噪声干扰,提高数据的精准度;通过SAE稀疏自动编码器自主提取网络安全检测数据的特征信息,之后K-means聚类算法对SAE稀疏自动编码器输出的数据进行处理,通过模糊推理算法调整权值;试验表明,文章所提方案克服了现有技术存在的不足,显著提高了处理数据效率和精准度,在数据量为2 TB的环境下,本研究方法的误差低至6.9%。

玉米大垄双行栽培技术及其推广应用

玉米大垄双行机械化栽培技术和玉米大垄双行覆膜机械化栽培技术已经在我国东北地区推广应用,收到了增产增收效果。介绍了大垄垄型设计、种植密度两种技术的工艺流程和增产效果,分析了增产原因和推广应用前景。

人格特质与认知操作关系的初步研究

本研究采用NEO PI R测试 ,以逻辑推理为认知操作指标 ,初步考察了人格特质与大学生认知操作的关系。结果表明 :①神经质、外倾性与逻辑推理有显著负相关 ,开放性则与之呈正相关 ;②人格特质和认知操作关系的偏相关分析与相关分析的结果基本一致 ;③多元逐步回归分析显示 ,外倾性与逻辑推理有负性预测关系 ,开放性及严谨性则与逻辑推理有正性预测关系 ;④人格特质与认知操作的关系受操作难度、认知任务和兴趣类型等因素制约。

民事再审事由研究

民事再审事由是启动再审程序的程序性理由,是取消原确定裁判的既判力,使案件重新进入审判程序(再审程序)的理由,而不必然是对案件进行改判的理由。科学地设定再审事由,将有助于法的正义性与法的稳定性的和谐实现,通过对世界各国民事再审事由的比较分析,可以发现我国现行民事再审事由存在的"重实体轻程序"等缺陷,从而对我国民事再审事由进行了重构——民事再审事由是诉讼程序或判断基础上存在重大瑕疵的事由。

领域知识图谱研究进展及其在水利领域的应用

首先总结现有领域知识图谱的研究现状。其次,介绍领域知识图谱的发展趋势。然后,梳理水利领域知识图谱的构建难点,提出包含知识表示、抽取、融合、推理和存储等关键模块的水利领域知识图谱研究框架,并简要概括上述各模块的研究内容。最后,指出领域知识图谱构建存在的表示形式单一、抽取样本稀少、多源知识冲突、规则表示困难和数据管理低效等问题,认为合理化表示、准确全面抽取、实时性融合、可解释推理和高性能存储是下一步水利知识图谱的研究方向。

大数据时代图书馆孤儿作品利用的合理勤勉查找规则

合理勤勉查找规则是解决图书馆孤儿作品利用问题的重要规则。它包括详实性、优选化和确真性三大核心要素。但在大数据时代,传统合理勤勉查找规则这三方面难以满足时代需要,必须从明确界定详实性、设置优选化统一标准和满足确真性的举证规定三环节来对其实施改进。

清朝末季:民族自信的丧失与实用理性的延续——中华民族精神的现代转型研究之一

中华民族精神的基本要素是实用理性。清朝末季,随着对外战争的失败,中国思想界逐渐认识到传统文化的缺陷,从而丧失了原有的民族自信心并萌发了改变民族精神的要求。但由于实用理性的影响,传统儒学与专制政治结合甚紧,所以不可能再走"强化"传统的路子;同样由于实用理性的影响,中华民族精神不可能由世俗性道德转化为宗教性道德,所以最后的选择只能是继续囿于此岸世界的转化,这也就意味着难以突破实用理性的痼疾。

一种基于Spark的大规模语义数据分布式推理框架

随着大规模语义数据的涌现,研究高效的并行化语义推理成为热点问题之一。现有推理框架大多存在可扩展性方面的不足,难以满足大规模语义数据的需求。针对现有推理框架的不足,提出一种基于Spark的大规模语义数据分布式推理框架。该框架主要包括语义建模、规则提取和基于Spark的并行推理机等3个模块。通过过程分析和推理实例验证,提出的分布式并行推理的计算性能(T(n)=O(log_(2)n))远远优于顺序式推理的计算性能(T(n)=O(n))。