基于SOA的远程开放教育信息系统业务数据模型的研究

本文依据SOA(Service Oriented Architecture)IT策略,研究远程开放教育信息系统中业务数据模型的建立和实现,把业务数据模型分为数据实体服务层、服务聚合层、跨组织聚合层三个层次描述,通过数据实体、数据对象、数据服务对象等三个阶段对业务数据模型逐层抽象、逐层组合,提出一个解决企业级数据集成和共享的方案,并给出了实现远程开放教育系统数据服务的逻辑框架。     

地理信息系统的数据模型与系统结构

数据模型是描述数据内容及其相互关系的工具，它是数据库设计的核心问题之一。空间数据相对于一般事务性数据具有数据量大和更加复杂的特点，因此，地理信息系统（ＧＩＳ）中空间数据模型的研究显得尤为重要。商业化的ＧＩＳ一般采用关系数据模型，而关系数据模型缺乏表达空间实体及其相互关系的能力，因此形成了图形库与属性库相分离的ＧＩＳ系统结构。这种结构不便于空间实体的整体管理。为解决这一问题，人们探索了扩展的关系模型     

基于数据模型的战场态势图信息管理技术

在高技术战争中,如何有效地管理态势信息成为军事信息技术的核心问题。通过研究基于信息交换数据模型的态势图信息管理技术,分析了战场态势数据的存储、分发以及可视化表示技术。在此基础上扩展了态势图信息的可视化要素实体,提出了管理态势信息和应用的态势图数据管理方法。对原型系统的扩展实验验证了该战场信息数据模型对支撑态势应用数据管理的可行性与合理性。     

异构信息空间中支持多模态融合实体搜索的多层时态数据模型

面对异构信息空间中具有时间信息的大量相互关联的异构实体数据如作者、论文、产品、电影等,提出一个以实体及关联关系为中心的多层的时态数据模型,即多层的时态实体关联网络MTE-Network,它能有效捕捉异构实体和关联关系的时间信息.基于此时态数据模型,提出了实体搜索的多模态融合的查询模型,其支持用户搜索异构信息空间中的任何类型的实体及相关实体,支持在实体级、实体聚类级和时间轴上的实体搜索,并且满足用户多模态融合实体搜索的信息需求.在真实数据集上的实验结果证明了该时态数据模型和查询模型的可行性和有效性.     

元数据驱动的双向映射ETL模型研究

论文重点研究异构数据模型间的映射关系,并参考ETL框架思想,设计了针对异构数据模型间数据映射、转换和加载于一身的双向映射策略,分析并定义了数据模型间的映射关系与映射规则.基于元数据驱动理论方法设计了数据映射元模型,并将映射关系按照复杂程度分类,分为简单映射与复合映射关系,明确给出了分类原则.论文还对双向映射关系进行了描述,并分析了双向映射中遇到的问题.     

基于栅格的GIS三维空间数据模型

空间数据模型是描述GIS空间数据组织和进行空间数据库设计的理论基础，它反映了现实世界中空间实体之间的相互关系，是空间数据处理和空间数据挖掘的核心问题。文章论述了空问数据模型的表示形式，重点讨论了基于栅格的三维空间数据模型，指出了栅格矢量空问数据模型集成化的必要性以及集成化表示方法，给出了将矢量数据转换为栅格数据的欧氏距离变换与算法，为基于栅格空间数据的空间数据处理和空间数据挖掘奠定了基础。     

基于归类树的WEB数据模型

对数据量大、数据来源及用户分布范围广、数据间关系复杂、种类多且需进行动态维护、统计分析查询的数据处理问题,该文给出了一种基于归类树且适合Web访问的数据模型,分别用数学语言及UML的用例图描述概念模型,以ER图描述逻辑模型,分析其适应性、数据一致性及正确性。并介绍了利用该数据模型实现的一个系统,说明了其可行性。     

基于FR算法的数据模型三维可视化研究

针对传统数据模型描述方式无法满足用户快速理解和使用数据模型的不足,论文提出建立数据模型的三维可视化描述.对于传统FR算法在实体节点过多时将导致图形绘制过慢、连线交叉过多等问题,论文结合数据模型的特点,基于实体结构和实体属性对FR算法进行改进,改进后的FR算法不仅能快速地绘制三维图形,而且可以显示实体节点及实体关联等信息,从而辅助建立三维可视化模型,直观的表达数据模型,梳理数据模型的结构,加快用户对数据模型的理解.     

面向虚拟地理环境的语义数据模型*

针对当前虚拟地理环境中语义信息表达不足问题,提出了一种面向虚拟地理环境的语义数据模型,能够有效表达几何信息、拓扑信息、语义信息和属性信息,并对这些信息进行关联来表达实体。设计了面向虚拟地理环境的集成空间数据结构,综合表达地上、地表和地下空间实体,通过实体的分类和分解来表达实体的语义信息;依据此语义数据模型,实现了地上建筑物和地形的无缝集成。该语义数据模型能够对虚拟地理环境中的实体进行无歧义表达。     

地下空间三维数据模型分析与设计

三维空间数据模型是地下空间三维建模的基础。讨论了地下空间三维数据模型设计的实体依赖性、数据依赖性、需求依赖性和实现依赖性等特性,并分析了当前地下空间建模的三维数据模型存在的不足,提出了一种新的面向对象的地下空间三维矢量拓扑数据模型。初步实验结果表明,该模型在地下空间对象的存储管理、查询分析以及模型动态编辑等方面都表现出较好的性能。     

融合语义信息与注意力的图神经网络推荐算法

基于图神经网络的推荐算法通过从图中获取知识生成节点的特征表示,提高了推荐结果的可解释性.然而,随着推荐系统原始数据规模的不断扩大,大量包含语义信息的文本数据没有得到有效利用.同时图神经网络在融合图中邻居信息时没有区分关键节点,使得模型难以学习到高质量的实体特征,进而导致推荐质量下降.本文将图神经网络与语义模型相结合,提出一种融合语义信息与注意力的图神经网络推荐算法.该算法基于SpanBERT语义模型处理实体相关的文本信息,生成包含语义信息的特征嵌入,并将注意力机制引入到基于用户社交关系以及用户-项目交互的影响传播融合过程中,从而实现用户和项目两类实体特征的有效更新.在公开数据集上的对比实验结果表明,本文所提出的方法较现有基准方法在各项指标上均有所提升.     

一种基于XML的半结构化数据存储方法

提出了一种基于XML存储半结构化数据的方法，设计并实现了相应存储与解析算法。鉴于OEM模型是一种图状模型，而通常的XML据模型是树状模型，为此需解决图状模型数据映射为树状模型数据这一关键问题，利用XML元素和属性的语义信息可从语义级别解决该问题。，     

基于主题关系的中文短文本图模型实体消歧

实体消歧作为知识库构建、信息检索等应用的重要支撑技术,在自然语言处理领域有着重要的作用。然而在短文本环境中,对实体的上下文特征进行建模的传统消歧方式很难提取到足够多用以消歧的特征。针对短文本的特点,提出一种基于实体主题关系的中文短文本图模型消歧方法,首先,通过TextRank算法对知识库信息构建的语料库进行主题推断,并使用主题推断的结果作为实体间关系的表示;然后,结合基于BERT的语义匹配模型给出的消歧评分对待消歧文本构建消歧网络图;最终,通过搜索排序得出最后的消歧结果。使用CCKS2020短文本实体链接任务提供的数据集对所提方法进行评测,实验结果表明,该方法对短文本的实体消歧效果优于其他方法,能有效解决在缺乏知识库实体关系情况下的中文短文本实体消歧问题。     

PandaDB:一种异构数据智能融合管理系统

随着大数据应用的不断深入,对大规模结构化/非结构化数据进行融合管理和分析的需求日益凸显.然而,结构化/非结构化数据在存储管理方式、信息获取方式、检索方式方面的差异给融合管理和分析带来了技术挑战.本文提出了适用于异构数据融合管理和语义计算的属性图扩展模型,并定义了相关属性操作符和查询语法.接着,基于智能属性图模型提出异构数据智能融合管理系统PandaDB,并详细介绍了PandaDB的总体架构、存储机制、查询机制、属性协存和AI算法集成机制.性能测试和应用案例证明,PandaDB的协存机制、分布式架构和语义索引机制对大规模异构数据的即席查询和分析具有较好的性能表现,该系统可实际应用于学术图谱实体消歧与可视化等融合数据管理场景.     

PandaDB: Intelligent Management System for Heterogeneous Data

With the development of big data application, the demand of large-scale structured/unstructured data fusion management and analysis is becoming increasingly prominent. However, the differences in management, process, retrieval of structured/unstructured data brings challenges for fusion management and analysis. This study proposes an extended property graph model for heterogeneous data fusion management and semantic computing, and defines related property operators and query syntax. Based on the intelligent property graph model, this study implements PandaDB, an intelligent fusion management system for heterogeneous data. This study depicts the architecture, storage mechanism, query mechanism, property co-storage, AI algorithm scheduling, and distributed architecture of PandaDB. Test experiments and cases show that the co-storage mechanism and distributed architecture of PandaDB have good performance acceleration effects, and can be applied in some scenarios of fusion data intelligent management such as entity disambiguation of academic knowledge graph.     

多源异构数据的实体匹配方法研究

近年来,针对多源异构数据的实体匹配问题,已经有诸多学者提出不同的解决方法。然而,这些方法几乎都集中在RDFS或OWL等语义框架下进行实体匹配,不具有通用性。此外,针对多数据源实体匹配问题,目前主流解决方式是将其转换为多组两两数据源的实体匹配问题,该种方式直接进行两两匹配的计算复杂度过高,且没有从多数据源全局的角度分析问题。从这些问题出发,提出了一种的实体匹配方法,利用了实体中普遍存在的名称、属性和上下文信息,构建多种索引,缩减计算空间同时生成高质量的候选集;还定义了度量实体相似度的计算方法,有效地判别了实体对是否匹配。并根据实体间边的权重以及互斥关系,提出一种基于图划分的优化算法,划分多个等价实体构成的集合。从互联网中抓取商业领域下品牌和人物类别的真实数据进行实验测试,实验结果表明该方法取得了良好的效果。     

气象记录档案知识图谱构建

为提升气象档案管理和社会化利用能力,提出了一种气象记录档案知识图谱构建方法.以安徽省馆藏气象记录档案资源为基础,通过自顶向下的方式设计概念层及层次关系来构建本体库,基于本体库对接实体构建知识模型,分别采取D2RQ、图像识别和定制包装器对不同存储格式的档案进行知识抽取构建数据层,通过建立同义词库等来完成知识融合,利用My...     

Robust graph neural network method for target entity type recognition in a battlefield environment北大核心CSCD

With the rise of new combat styles, such as information and algorithmic warfare, target entity recognition in battlefield data analysis plays an important role in decision making. Battlefield situation data are typical battlefield data containing many dynamic entities with close interactions. However, such data often contain strong noise due to hostile interference or concealment; hence, they require higher robustness than general time-series data. This paper proposes a new method based on graph neural networks to represent and process the unstructured data and mine the category information of hostile combat entities. First, the dynamic time warping algorithm was used to establish a new graph structure between combat entities based on their trajectory. Then, a robust graph neural network method was proposed and applied for the type identification of combat entities beyond the radar identification range according to the node attribute information of combat entities. Test results on the simulation data set obtained from the military simulation platform reveal that the proposed method maximizes the temporal characteristics of the entity data and associated attribute information of each node. Compared with the graph neural network and multilayer perceptron methods that rely on singletime relation, the proposed method has advantages in identification accuracy and robustness, expanding the radius of operational entity identification to a certain extent. © 2023, Editorial Department of CAAI Transactions on Intelligent Systems. All rights reserved.