面向大数据环境的决策信息需求通用描述语言

制定重大决策需要全方面的数据支持,而大数据时代的到来却让决策信息搜集更加困难。数据多样性和价值密度低的特点,让决策者耗费大量时间在信息需求的表达上。设计了一种通用的信息需求描述语言,及其为数据库、发布/订阅、搜索引擎等常见信息资源解析转换的方法,使得用户可以通过一种统一的方式将相关异构信息全部搜集到。实验表明,其基于本体的语义描述能力能够有效屏蔽数据异构性,提高信息搜集的全面性和准确性。     

LDAP目录服务同步

在介绍目录服务基本概念的基础上,说明轻量目录访问协议（LDAP）和X.500两种协议的关系,讨论LDAP协议簇中的内容同步协议。并以OpenLDAP为例,重点分析OpenLDAP中内容同步复制的五种模式,可适用于各种需要目录内容同步的应用场景。     

仿真网格中的资源管理框架和算法研究

网格技术应用于仿真领域是当前研究的热点之一。本文首先介绍网格计算中的关键技术和发展现状,并概述仿真网格的概念;然后结合仿真网格中资源和应用的特点,提出一个仿真网格中资源管理和调度系统框架和交互过程;针对仿真网格中计算密集型应用,提出一种基于遗传算法的计算资源调度算法,并通过实验证明该算法比传统的SJLF和LJLF具有更短的收敛时间;最后对下一步工作做了总结。     

一种基于预先索引的关系数据库关键词搜索方法

关系数据库的关键词搜索面临的最大挑战在于满足需求的答案可能来自多个关系的元组的组合。现有主流方法通过定位每个关键词对应的元组并动态发现元组之间的关联来得到搜索结果。然而当数据库规模较大或模式复杂时,这些方法存在搜索效率低的问题;此外,这些方法因只能支持简单的关键词查询而实用性受到限制。为此,提出对元组的组合进行预先索引从而加快搜索,此外还对其索引效率及查询能力进行改进以提高系统的可用性。首先,为了提高搜索和索引效率,提出基于模式图的元组连接枚举技术,该技术利用无环模式图枚举合适的关系连接,将其转换为SQL语句在数据库中执行以得到可能的元组连接;其次,为了保证结果的紧致性,提出了1到m元组连接的预先索引与顺序搜索机制,该机制对元组连接进行由小到大的搜索,并限制所有包含已有结果的元组连接都不再参与搜索;最后,为了支持复杂查询,提出基于域的索引结构,为每个元组连接建立面向不同查询类型的域,通过查找多个域并对结果进行逻辑组合得到最终结果。实验表明,相比于已有技术,本技术具有较快的索引速度与较高的查询效率,并能提供如布尔查询、属性查询等的复杂查询能力。     

面向大数据基于知识的决策信息需求动态生成方法

为提升大数据环境下准确搜集企业决策支持信息的效率,基于企业决策事务与所需信息类型间有确定映射关系的原理,提出一种基于知识的决策信息需求动态生成方法。发掘决策事务与信息需求间的潜在关联关系并建立知识库,根据动态感知的用户决策事务类型,运用知识实现需求的自动生成和精细描述。实验结果表明,该方法能有效减少信息需求表达的耗时,保证一定准确度,提高决策效率。     

基于预期剩余能量模型的聚焦爬行方法

如何确定搜索的方向和深度是聚焦爬行的核心问题。为此,提出了链接的预期剩余能量概念及其计算方法。该方法利用当前页面的信息计算链接的立即回报能量,利用到达同一链接不同历史路径给予的历史回报知识不断迭代更新链接的预期剩余能量。利用预期剩余能量作为链接的优先级和搜索深度限制,设计了基于预期剩余能量模型的聚焦爬行算法,并给出了关键模块的实现。实验结果显示该方法具有更强的主题网站发现能力。