基于持久化X-Machine的SaaS测试

分析软件即服务(SaaS)类型软件的特点,在此基础上,提出SaaS系统的持久化X-Machine(DXM)模型,以支持形式化、自动化的SaaS系统测试。以一个客户关系管理(CRM)SaaS系统为实例进行建模,结果证明,DXM模型可以有效地对SaaS系统进行建模并构造测试集。     

SaaS模式的中小企业客户关系管理研究

客户关系管理是提高企业核心竞争力的关键之一,传统客户关系管理模式无法满足广大中小企业的需求。在讨论新的SaaS概念及SaaS模式与传统模式比较的基础上,分析了基于SaaS模式的中小企业客户关系管理优势,提出了基于SaaS模式的中小企业客户关系管理解决方案,构建了SaaS模式解决方案的逻辑体系结构,并指出了中小企业实施SaaS模式客户关系管理应注意的问题。     

SaaS之后企业真正需要的是什么？

传统企业在实施信息化的过程中,往往遵循着先用ERP把物料管起来,然后再CRM把客户关系管理起来,之后是财务系统,最后才会在数据的压力之下,实施商业智能系统（BI）。那么,这种顺序会不会延伸到SaaS系统呢？为了要回答这个问题,我们首先需要了解SaaS与传统的管理软件到底有何不同。SaaS的发展据易观国际报道,《2009年第3季度中国SaaS市场季度监测》数据显示,2009年第3季度中国管理型SaaS市场付费用户数达7.7万个,环比增长30.9%。     

基于SaaS的CRM系统安全策略探讨

云计算是下一代的计算模式,SaaS技术是云计算的一个重要应用方面。随着云计算技术的发展,传统的IT系统正逐步转向云计算模式。目前基于SaaS的CRM系统逐渐增多,但其安全性问题也引起了极大关注。介绍基于SaaS模式的CRM应用系统特点,分析该模式下CRM系统所面临的诸多安全问题,并针对这些安全问题提出安全策略供探讨。     

基于第三方托管的SaaS模式CRM设计

当前,SaaS模式正在蓬勃发展中,SaaS模式下的CRM也开始进入中小企业的实际应用,但是数据的安全性问题一直阻碍其规模的继续扩大.为此,本文对基于第三方托管的SaaS模式CRM软件系统的设计要求进行了总结概括,并且给出了系统架构图,最后对系统的实现技术做了详细的介绍.     

TurboCRM客户关系管理应用成果巡展在北京召开

近日,“TurboCRM客户关系管理应用成果巡展”首站在北京新世纪饭店召开。此次主题为“聚焦客户价值,拓展无限商机”的活动由TurboCRM信息科技（北京）有限公司主办,范围涉及北京、上海、广州、成都等全国各大城市。活动旨在推展先进的客户关系管理（CRM）模式,进一步提高我国客户关系管理应用水平。全国数百家企业负责人、客户关系管理专家、TurboCRM客户关系管理系统用户代表及驻京各新闻单位记者在内的一千余人出席了会议。CRM（客户关系管理）系统是近年来在国内外较为流行的一种先进的客户关系管理理念,其管理思想核心为“…     

BI走下神坛

传统企业在实施信息化的过程中,往往遵循先用ERP系统把物料管起来,然后建设CRM系统把客户关系管理起来,之后是财务系统,最后才会在数据的压力之下,实施商业智能系统（BI）。那么,这种顺序会不会延伸到SaaS领域呢？     

SaaS模式下电子政务系统架构分析

SaaS模式作为一种新型软件应用模式,被广泛应用于ERP、供应链、人力资源管理以及客户关系管理等企业管理软件中。在电子政务信息化的建设中,运用了SaaS模式,依赖于成熟的应用软件和飞速发展的互联网技术文章针对建设电子政务系统的单一性,提出了SaaS 模式的解决方案。并且,论述了以SaaS 模式为基础的软件系统研发意义和必要性。对开发应用SaaS模式的面向服务、安全访问、数据架构以及系统安全等方面进行了研究与分析。     

中圣CRM十大特点

中圣公司拥有全面的客户关系管理解决方案,功能包括销售、市场、客户服务等各个方面。而且中圣公司的SellWell2000客户关系管理软件也是面向国内用户开发的中文版CRM软件。     

奥运精神、体育精神与游戏精神

当我们看着Salesforce通过提供客户关系管理（CRM）服务大笔揽财的时候，当我们眼馋着看见HP、凯悦Hotel、陶氏化学相继将自己的HR管理交给Taleo公司的人才管理解决方案的时候，当Volvo、德尔塔航空公司将自己按需供应链交到Click Commerce的时候，我们都在感叹SaaS带来的巨大商机，而忽略了在SaaS（Software as a Service）中作为其重要组成部分的软件开发已经和传统的软件开发方式有了很大的不同。SaaS改变软件的构建、     

扩展RBAC的CRM动态用户访问控制模型与实现

通过研究CRM用户管理系统的特点，提出一种新型的扩展RBAC的CRM动态用户访问控制模型，并对该模型进行详细的定义和分析。该模型通过用户—角色—权限的权限授权模式，减少了授权管理的复杂性；通过角色等级和职责分离约束解决了用户角色职能交叉重叠的问题；引入团队和个性化数据集的概念，改善了系统的数据的访问隔离问题并完善了用户个性化；最后介绍系统实现实例。     

基于规则的模型自动转换方法

为实现任务模型(TM)到抽象用户界面(AUI)模型的自动转换,提出一个基于规则的模型转换方法.构建并发任务树的TM元模型和AUI元模型,采用基于对象约束语言的规则表示方法定义TM到AUI的映射规则,使用可扩展标记语言(XML)描述TM和映射规则,得到AUI的XML文件.通过一个虚拟工作压力调查实例验证该方法的可行性和易...     

基于用户和产品Attention机制的层次BGRU模型

文本情感分类的核心问题是如何有效地表示文本的情感语义,然而,目前的大多数方法只考虑到了文本内容中的情感语义,忽略了与文本内容相关的用户信息以及文本内容所描述的产品信息。已有的包含用户和产品信息方法也存在着以下两个问题：（1）不能有效地表示用户和产品信息,而且模型复杂度过高导致训练速度满。（2）文本情感语义表示模型过于简单,不能有效地表示文本中的上下文语义信息。针对以上两个问题,提出了相应的解决方案：（1）针对用户和产品的评价数据,利用奇异值分解（Singular Value Decomposition,SVD）的方法得到用户和产品的语义准确的先验信息,同时避免了用户和产品信息等相关参数的训练,缓解了模型复杂度高的问题。（2）利用双向的门循环单元（GRU）模型代替原有的简单模型,更加有效地结合了文本中的上下文语义信息。实验结果表明：相比传统的文本分类方法,提出的方法有更好的分类效果,在部分实验数据中达到了最好的分类准确度。同时模型的训练速度也得到了提升。     

基于POMDP的跨层机会频谱接入优化设计

在功率受限的机会频谱接入(OSA)研究中,大多使用完全可观测马尔可夫决策过程(MDP)对环境建模,以提高物理层或介质访问控制(MAC)层指标,但由于感知设备的限制,无法保证用户对环境完全感知。为解决该问题,提出一种基于部分可观测马尔可夫决策过程(POMDP)与Sarsa(λ)的跨层OSA优化设计方案。结合MAC层和物理层,采用POMDP对功率受限且有感知误差的次用户频谱感知和接入过程进行建模,并将其转换为信念状态MDP(BMDP),使用Sarsa(λ)算法对其进行求解。仿真结果表明,在功率受限条件下,该Sarsa(λ)-BMDP方案的有效传输容量、吞吐量和频谱利用率分别比完全可观测Q-MDP方案低9%、7%和3%左右,其误比特率比基于点的值迭代PBVI-POMDP方案低20%左右,比Q-MDP方案高16%左右。     

用户关系和上下文感知的下一个兴趣点推荐

随着移动设备和社交软件的普遍应用,下一个兴趣点推荐（next POI recommendation）变成了基于位置的社交网络（LBSN）的一个非常重要的任务。现实生活中用户访问的下一个兴趣点通常受到用户签到序列信息、用户关系和该地点的上下文信息等诸多方面的影响。基于循环神经网络（RNN）的方法已经被广泛的应用到下一个兴趣点推荐中,但是这些基于RNN的方法缺乏对用户关系进行深入建模。为了解决上述问题,提出了一种整合用户关系和门控循环单元（GRU）进行下一个兴趣点推荐的模型（GRU-R）,同时该模型能够考虑用户签到序列信息、用户关系、兴趣点的时空信息和类别信息等进行下一个兴趣点推荐。在两个真实公开的数据集上进行实验,结果表明提出的模型比现有主流的下一个兴趣点推荐算法具有更高的推荐准确性。     

PKI在虚拟专用网络中的应用

虚拟专用网络(VPN)中的IPSec协议不能解决通信各方的身份认证问题。为此,在VPN中引入PKI认证技术,描述PKI在VPN中的应用,包括身份认证、密钥管理和访问控制3个方面,给出PKI在VPN中的配置模型与功能模型,并对VPN用户数字签名的实现过程进行分析。     

一种连续LBS请求下的位置匿名方法

为避免不同时刻来自同一用户的连续位置服务(LBS)请求之间的相关攻击,提出一种改进的k-匿名模型,设计一种连续LBS请求下的位置匿名方法。在满足用户隐私要求的前提下,利用位置采样寻找最优的匿名集,使用户平均匿名区域最小。分析结果表明,该方法能合理利用系统计算资源,提高在多用户请求下系统的响应速度。     

融合社交关系和局部地理因素的兴趣点推荐

兴趣点（Point-Of-Interest,POI）推荐是基于位置社交网络（Location-Based Social Network,LBSN）中一项重要的个性化服务,可以帮助用户发现其感兴趣的[POI],提高信息服务质量。针对[POI]推荐中存在的数据稀疏性问题,提出一种融合社交关系和局部地理因素的[POI]推荐算法。根据社交关系中用户间的共同签到和距离关系度量用户相似性,并基于用户的协同过滤方法构建社交影响模型。为每个用户划分一个局部活动区域,通过对区域内[POIs]间的签到相关性分析,建立局部地理因素影响模型。基于加权矩阵分解挖掘用户自身偏好,并融合社交关系和局部地理因素进行[POI]推荐。实验表明,所提出的[POI]推荐算法相比其他方法具有更高的准确率和召回率,能够有效缓解数据稀疏性问题,提高推荐质量。     

融合了LSTM和PMF的推荐算法

推荐系统是帮助用户在海量的数据中快速发掘出他们感兴趣内容的最重要的技术之一。稀疏性和冷启动是推荐系统面临的主要问题。针对稀疏性问题,已有多种推荐算法考虑利用额外的辅助信息,如评论、摘要或概要等来提高预测准确性。这些算法确实已经在一定程度上提高了预测准确性,但是,已有的算法大都是基于词袋模型,对这些辅助信息的理解和利用缺乏深度,留于表面。提出了一种新型的推荐系统算法：深度协同过滤算法（DCF）。DCF集成了长短期记忆网络（LSTM）和概率矩阵分解（PMF）。该算法不仅能够基于用户评分学习用户特征,而且能深度挖掘辅助信息,学习到更精确的物品特征。经过在真实数据集MovieLens100K和1M上的验证,结果表明DCF算法的根均方误差比现有算法分别降低了2.54%和3.96%。