面向多源异构数据的云推送平台的研究与应用

在传统推送中,多源异构数据的推送面临时效性不强、安全性不高、数据难以重用等问题。针对多源异构数据的特征,综合移动互联网的安全性和隐私性等特点,提出了一种多维决策云推送模型来计算分布式环境中多源异构数据的特征值和特征向量,以快速分离数据源中的同构数据和异构数据;并基于此模型设计了云推送平台,其利用云推送技术来实现同构数据和异构数据的自动分离和高效推送。根据云推送平台在实验环境中的运行情况及相关指标分析,说明该平台适用于多源异构数据的推送,是一种高效可行的推送方式。     

基于云数据中心的多源异构数据治理技术研究

目前常规的多源异构数据治理方法主要通过对数据属性进行判断,从而实现分区域数据清洗,由于缺乏对非线性数据的分析,导致治理性能不佳;对此,提出基于云数据中心的多源异构数据治理技术;采用关系型数据库中的ETL功能对数据进行清洗,对数据转换模式以及数据清洗规则进行定义;引入互信息系数对数据相关程度进行判定,并进行非线性数据相关性分析;以云数据中心作为载体,对多源异构数据治理体系进行构建;在实验中,对提出的数据治理技术进行了治理性能的检验;最终的实验结果表明,提出的数据治理技术具备较高的查准率,对云数据中心多源异构数据具备较为理想的数据治理效果。     

基于QoS预测与约束层次模型的云服务推荐方法研究

如何精确地预测云服务的QoS,灵活地处理用户的QoS约束是实现可靠云服务推荐的关键问题。针对上述问题,提出了一种基于事例推理的云服务QoS动态预测方法,用于预测候选云服务的QoS值,提高云服务质量的可靠性;提出了一种基于约束层次（Constraint Hierarchy,CH）的QoS评价模型,该模型依据QoS约束对用户业务的重要程度,将其分为必须满足的硬约束层和允许被偏离的软约束层,该模型能够有效地解决过约束问题。通过实验验证了提出的云服务推荐方法的可行性和有效性。     

基于用户浏览行为的个性化推荐研究综述

研究如何充分利用海量用户浏览行为数据,构建更加精确的推荐算法和模型,以提高推荐系统性能,是目前个性化推荐领域研究的热点.针对这些问题,首先对用户的浏览行为进行了简要概括表述,给出了基于浏览行为推荐系统的总体框架,回顾总结了基于用户浏览行为的推荐系统的发展历程.对其关键技术和单一浏览行为量化方法与混合浏览行为量化方法进行总结、对比和分析.最后讨论了结合多源异构数据的浏览行为推荐的最新成果,总结了该领域未来研究难点和发展趋势.     

基于PDCA模型的云资源管理方法研究

随着云计算技术的发展,企业级的云计算平台在数字化浪潮中占据越来越重要的地位。云资源管理是云平台运行的关键环节,要在确保云平台稳定运行的基础上提升云资源利用效率,目前大多数企业级平台已经历大规模建设阶段,在使用阶段暴露出闲置资源多、资源分配不均、缺少管理要求及统一规范等问题,故亟需构建一套科学的云资源管理方法论,实现云资源精益管理。在PDCA模型的基础上,提出了云资源管理方法,拓展管理者对云资源全过程管理的视野,挖掘痛点问题,为企业级云计算平台长效化管理提供参考。     

基于深度学习的内容推荐算法研究综述

推荐系统是学习用户偏好,实现个性化推荐的系统化应用技术,在商品购买、影音推荐、关联阅读等多领域得到了广泛的应用.近年来,随着多源异构数据的激增和深度学习的兴起,传统推荐算法中的表征学习模式逐步被深度学习代替.梳理推荐算法的背景和发展趋势,并给出内容推荐的算法思路及其优劣评价,分别介绍多层感知机、自动编码器、卷积神经网络...     

基于云的数据库的研究

随着云计算的逐步发展,云数据库的也越来越重要,在未来数据库领域占有重要地位。文章介绍了云数据的现状、发展、特性、影响。最后讨论了云数据库的未来的发展方向。     

基于云模型的协同过滤推荐算法

协同过滤系统是电子商务系统中最重要的技术之一,用户相似性度量方法是影响推荐算法准确率高低的关键因素.针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足.以该方法为核心,在全面分析传统方法的基础上,提出一种新的协同过滤推荐算法.实验结果表明,算法在用户评分数据极端稀疏的情况下,仍能取得较理想的推荐质量.     

云计算下的多源信息资源云体系及云服务模型研究

针对传统信息服务模式存在信息资源规模单一、虚拟化程度低、自适应程度较差及知识泛化等问题, 同时考虑到目前云服务体系中忽略多源信息资源这一重要因素, 提出了云计算环境下的多源信息资源云体系及服务模型。首先构建了基于云计算的多源信息资源云体系, 对信息资源搜索、查询及匹配等技术进行阐述, 进而提出了新的云服务模型——基于云计算的多源信息资源即服务（multi-source information resource as a service, MIRaaS）, 在此基础上搭建了该模型在商务领域下的应用平台。分析表明, 该模型能对多源信息资源进行重构、分析、整合及匹配, 并充分考虑用户体验, 很好地扩展了云服务的研究范围及应用领域。     

基于双维度云模型的协同过滤推荐算法

随着网络的迅速普及,网络应用多样化趋势加快,大数据时代已经到来,电商业对于在线推荐系统的要求也越来越高。为了满足人们的需求,传统的推荐算法必须得到改进和发展。本文主要考虑数据比较稀疏及数据规模较大的情况下如何更好地实现协同过滤推荐算法,针对这两个方面的不足,结合Hadoop平台的优势,基于双维度云模型的协同过滤推荐算法由此应运而生了。通过实验,利用云模型和双维度数据,有关数据稀疏性问题得到了合理的解决,预测准确率方面也得到了一定的改进。并且通过MapReduce处理流程,使大数据环境下运行困难效率低下的缺陷得到了弥补。     

浅谈基于云计算的数据挖掘技术

21世纪是信息的时代,然而在这个信息大爆炸的时代,数据无疑是这个时代的主宰者,尤其对于一个企业而言,能否挖掘出潜在的有价值的数据在一定程度上将决定一个企业的经济命脉,因此数据挖掘也变得尤为重要。可是随着信息技术的发展,传统的挖掘方式已经不能满足海量数据的挖掘,而云计算的出现使解决这一难题成为可能,可以说云计算的到来给数据挖掘技术带来了一场革命性的改变。本文介绍了云计算的定义、特点以及应用于数据挖掘中的优势,并简单讨论了基于云计算的数据挖掘技术热点问题以及数据挖掘技术所面临的挑战。最后畅谈了基于云计算的数据挖掘技术的未来发展趋势以及自己的感想。     

大数据环境下的数据安全性探讨

随着互联网的高速发展,特别是近年来云计算、物联网等新兴技术的出现,社交网络等服务的广泛应用,人类社会的数据的规模正快速地增长,大数据时代已经到来。如何获取,分析大数据已经成为广泛的问题。但随着带来的数据的安全性必须引起高度重视。本文从大数据的概念和特征说起,阐述大数据面临的安全挑战,并提出大数据的安全应对策略。     

大数据时代的企业信息安全保障

大数据蕴藏着巨大的价值信息,但同时其数据安全也面临严峻挑战。本文在分析大数据基本特征的基础上,提出了当前大数据面临的安全挑战,并从大数据的存储、应用和管理等方面阐述了大数据安全的应对策略。     

基于哈希树的云存储完整性检测算法

云存储服务使得用户无需大量软硬件投入即可享受大容量、高规格的存储服务,但是同时也带来了云环境下数据机密性、完整性和可用性等安全问题。针对云存储中的完整性问题,利用哈希树结构和大数模运算,提出了一种新的基于哈希树结构的数据完整性检测算法。分析结果表明,该算法使得用户只需在常量的存储、计算和网络资源下就能高概率地、正确地检测远端服务器数据文件的完整性,且支持文件数据的动态更新。     

多源异构数据库的集成的研究

本文简要介绍了在大型企业中普遍存在的多源异构数据库状况,及几种行之有效的数据集成方法,同时以一种用对照表完成结构差异较大的数据库数据转化方法为例,详细阐述了多源异构数据库数据转化和共享的思路。     

云数据在数据挖掘中的隐私保护

云计算环境下用户数据的集中存储为数据挖掘提供了便利条件,同时也为用户的隐私保护带来了挑战。为了解决云数据在数据挖掘条件下的隐私保护问题,提出了云计算环境下的隐私保护模型。该模型以公有云为基础,增加了一个分类预处理模块,设定了分类标准,详细讨论了分类后数据的处理方法,并讨论了该模型下数据的检索、还原方法以及运行环境保护、数据的云端销毁等环节。最后对模型的复杂性及安全性进行理论的对比分析,证明了该模型在数据挖掘条件下对云数据隐私保护的有效性。     

多源异构数据库的集成的研究

本文简要介绍了在大型企业中普遍存在的多源异构数据库状况．及几种行之有效的数据集成方法,同时以一种用对照表完成结构差异较大的数据库数据转化方法为例．详细阐述了多源异构数据库数据转化和共享的思路。