一个带有时限的工程设计事务提交协议

通过分析协作设计活动的特点,给出了一个协作设计事务模型,并在此基础上提出了一个带有时限的工程设计事务两阶段提交协议,包括协议描述及故障处理。分析表明,带有时限的工程设计事务提交协议的性能在所有情况下优于基本两阶段提交协议。     

移动Internet中多媒体信息的实时传输策略

对移动IP、RTP和RSVP作了简要介绍和分析，并提出了一种适用于移动Internet的信息传输策略，能保证移动媒体信息的实时高速传输。     

移动分布式实时嵌套事务提交

在移动分布式计算环境中,事务移动性和无线网络固有的缺陷使得传统的分布式实时事务管理机制不足以支持移动分布式实时事务的执行,故有必要为移动实时事务研究新的事务处理机制,以提高其成功率.着重研究移动实时事务的提交机制.首先,通过分析移动分布环境中实时事务的特点给出了一个基于功能替代的移动实时嵌套事务模型.然后,提出了一个基于此模型的三层提交结构以及能够保证移动实时事务原子性和结构正确性的三阶段实时提交协议3PRTC(three-phase real-time commit).性能测试表明,所提出的事务模型及其提交机制能够提高实时事务的成功率.     

基于实时日志的嵌入式实时数据库恢复策略

在分析嵌入式实时数据库数据和事务特征的基础上,讨论了嵌入式实时数据及事务的一致性约束,包括内部一致性、时间一致性(外部一致性和相互一致性).为满足各种一致性,针对不同类型的数据和事务给出了识时恢复的正确性准则.基于这些约束,设计了实时日志及相应的恢复算法.性能分析结果表明,所给出的恢复方法在减低超截止期事务比率、节省系统开销等方面都具有较好性能.     

带复杂计算的金融领域自然语言查询的SQL生成

研究金融领域基于自然语言查询的结构化查询语言(SQL)生成问题(Text-to-SQL),构建一个金融领域Textto-SQL数据集，称为SOFT数据集.该数据集覆盖了金融领域的常见查询，具有鲜明的特点，并对Text-to-SQL提出了挑战.提出金融领域Text-to-SQL模型FinSQL，该模型优化了对金融领域复杂查询的支持.通过分析一类复杂计算查询（行计算查询）的特点，提出一种基于分治的方法，即先将一个行计算查询分解为若干个子查询，分别针对每个子查询生成SQL语句，再将子查询的SQL语句组合在一起得到原始查询的SQL语句.在SOFT数据集上进行验证，结果显示，本研究所提的方法在复杂查询上效果优于已有方法.特别地，所提出的模型FinSQL能够较好地支持行计算查询.     

数据库系列课程中创新性学习模式的探索与实践

本文在探讨了创新型人才的内涵和创新性学习模式的特点之后,提出了创新型人才培养的教学改革理念和数据库系列课程中创新性学习模式的主要教学改革举措,重点介绍了我校开展大作业驱动下的双主体互动式实践能力培养、研究课题驱动下的双主体互动式创新能力培养的主要内容、举措和成效。     

供应链环境中路径编码方法研究

随着现代供应链应用的不断发展和完善,对流通物品进行路径追溯显得越来越重要,而实现路径追溯的关键是对路径中的结点进行有效编码,以保证提供高效查询及更新。本文主要对目前广泛使用的编码方法包括区间编码、前缀编码、素数编码及向量编码等的实现原理进行了讨论,并结合供应链特点分析了它们的优缺点。最后,指出了供应链环境中路径编码方法的未来研究方向。     

嵌入式实时内存数据库故障恢复技术

故障发生后,迅速而有效地恢复对数据库系统而言是至关重要的。本文针对嵌入式实时内存数据库的特征,结合一个具体的嵌入式实时内存数据库系统（ARTs—EDB）,给出了相应基于日志的恢复策略和实现技术。     

基于语义约束LDA的商品特征和情感词提取

随着网络购物的发展,Web上产生了大量的商品评论文本数据,其中蕴含着丰富的评价知识。如何从这些海量评论文本中有效提取商品特征和情感词,进而获取特征级别的情感倾向,是进行商品评论细粒度情感分析的关键。本文根据中文商品评论文本的特点,从句法分析、词义理解和语境相关等多角度获取词语间的语义关系,然后将其作为约束知识嵌入到主题模型,提出语义关系约束的主题模型SRC-LDA（semantic relation constrained LDA）,用来实现语义指导下LDA的细粒度主题词提取。由于SRC-LDA改善了标准LDA对于主题词的语义理解和识别能力,从而提高了相同主题下主题词分配的关联度和不同主题下主题词分配的区分度,可以更多地发现细粒度特征词、情感词及其之间的语义关联性。通过实验表明,SRC-LDA对于细粒度特征和情感词的发现和提取具有较好的效果。     

中文微博情感词提取: N-Gram为特征的分类方法

情感词典是文本情感分析的基础资源,但采用手工方式构建工作量大,且覆盖有限。一种可行的途径是从新情感词传播的重要媒介-微博数据-中自动抽取情感词。该文以COAE 2014评测任务3提供的中文微博数据为统计对象,发现传统的基于共现的方法,如点互信息等,对中文微博数据中的新情感词发现是无效的。为此,设计一组基于上下文词汇的分类特征,即N-Gram特征,以刻画情感词的用词环境和用词模式,并以已知情感词为训练数据训练分类器,对候选情感词进行分类。实验结果表明,该方法较传统基于共现的方法要好。实验还发现,与英语不同的是,中文情感词通常会以名词词性出现,而基于共现的方法无法有效地区分该类情感词,这是造成其失效的主要原因,而该文提出的分类特征能解决这一问题。