CN108121773A - 一种基于可视化拖拽式的大数据分析任务构建方法 - Google Patents
一种基于可视化拖拽式的大数据分析任务构建方法 Download PDFInfo
- Publication number
- CN108121773A CN108121773A CN201711274353.0A CN201711274353A CN108121773A CN 108121773 A CN108121773 A CN 108121773A CN 201711274353 A CN201711274353 A CN 201711274353A CN 108121773 A CN108121773 A CN 108121773A
- Authority
- CN
- China
- Prior art keywords
- data analysis
- model
- big data
- visualization
- towed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/0486—Drag-and-drop
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Abstract
本发明提出一种基于可视化拖拽式的大数据分析任务构建方法,解决如何更便捷地使用大数据技术的问题,让大数据技术的应用更直观,更简单,其具体包括:建立组件库,所述组件库中包含有大数据分析处理过程中的若干个分析组件,所述分析组件包含解决功能需求的服务内容;建立分析模型库,所述分析模型库中包含有若干数据分析模型;提供可视化界面层,对所述分析组件和数据分析模型的内容显示,于可视化界面层中通过拖拽式所述分析组件的形式进行大数据分析任务的构建,和/或是通过引用所述数据分析模型快速构建起大数据分析任务;待大数据分析任务的流程构建完毕后,通过底层计算资源进行数据处理计算,最终将结果反馈到可视化界面层或对外输出。
Description
技术领域
本发明涉及一种基于可视化拖拽式的大数据分析任务构建方法。
背景技术
随着大数据技术的快速发展,社会对大数据技术的应用已越来越普及,然而大数据作为一门技术含量较高的应用,往往需要使用大数据的政企拥有自己的技术基础,这会阻碍大数据技术大范围的普及应用。而现有市面上的一些大数据分析产品,更多的是为用户提供一种工具,例如ETL工具,用户在使用ETL工具去做大数据分析时,需要进行一定的代码编写或者SQL逻辑的处理,对使用用户有较高的技术基础要求,从而增加了使用大数据技术的成本。
发明内容
为克服现有技术中的缺陷,本发明提出一种基于可视化拖拽式的大数据分析任务构建方法,解决如何更便捷地使用大数据技术的问题,让大数据技术的应用更直观,更简单,其具体技术内容如下:
一种基于可视化拖拽式的大数据分析任务构建方法,具体包括:
建立组件库,所述组件库中包含有大数据分析处理过程中的若干个分析组件,所述分析组件包含解决功能需求的服务内容;
建立分析模型库,所述分析模型库中包含有若干数据分析模型;
提供可视化界面层,对所述分析组件和数据分析模型的内容显示,于可视化界面层中通过拖拽式所述分析组件的形式进行大数据分析任务的构建,和/或是通过引用所述数据分析模型快速构建起大数据分析任务;
待大数据分析任务的流程构建完毕后,通过底层计算资源进行数据处理计算,最终将结果反馈到可视化界面层或对外输出。
于本发明的一个或多个实施例中,所述数据处理计算是通过hive数据挖掘、数据清洗、R语言和Spark MLlib对数据的分类和进行数据的训练,从而修改模型的参数来达到数据的分析和预测。
于本发明的一个或多个实施例中,所述数据分析模型由若干分析组件预配置构成,所述的预配置是指由分析模型库建立时预先配置,或者于使用过程中由用户自定义配置。
于本发明的一个或多个实施例中,所述分析组件包括时间序列组件、分类组件、回归组件、聚类组件、文本分析组件。
于本发明的一个或多个实施例中,所述数据分析模型包括对应的时间序列分析任务的ARIMA模型。
于本发明的一个或多个实施例中,所述数据分析模型包括对应于分类分析任务的特征选择模型、神经网络模型、神经网络预测模型、贝叶斯网络模型、贝叶斯网络预测模型、随机森林模型、随机森林预测模型。
于本发明的一个或多个实施例中,所述数据分析模型包括对应于回归分析任务的线性回归模型、线性回归预测模型、逻辑回归模型、逻辑回归预测模型。
于本发明的一个或多个实施例中,所述数据分析模型包括对应于聚类分析任务的k-means聚类分析模型、k-medoids聚类分析模型、层次聚类分析模型。
于本发明的一个或多个实施例中,所述数据分析模型包括对应文本分析任务的关键字提取模型、分词模型、噪声词过滤模型、情感分析模型、词云模型。
本发明的有益效果是:过可视化拖拽式的方法构建大数据分析任务,可更直观、更便捷的建立起大数据分析任务,大大降低使用大数据分析工具的难度,对推动大数据的发展有重要的作用。通过可视化拖拽式的方式,可使用户更直观了解每个操作流程,且操作简单易上手;通过数据处理分析组件化的方式,用户可以根据自己的数据处理的需求构建符合实际需求的分析流程,有效降低自定义构建分析模型的成本;通过将分析模型配置化的方式,用户可通过简单的参数配置即可使用大数据的分析模型,而无需进行代码的编写,有效提高大数据应用的效率。
附图说明
图1为本发明的基于可视化拖拽式的大数据分析任务构建方法的流程框架示意图一。
图2为本发明的基于可视化拖拽式的大数据分析任务构建方法的流程框架示意图二。
具体实施方式
如下结合附图1和2,对本申请方案作进一步描述:
一种基于可视化拖拽式的大数据分析任务构建方法,具体包括:
建立组件库,所述组件库中包含有大数据分析处理过程中的若干个分析组件,所述分析组件包含解决功能需求的服务内容;
建立分析模型库,所述分析模型库中包含有若干数据分析模型;
提供可视化界面层,对所述分析组件和数据分析模型的内容显示,于可视化界面层中通过拖拽式所述分析组件的形式进行大数据分析任务的构建,和/或是通过引用所述数据分析模型快速构建起大数据分析任务;
待大数据分析任务的流程构建完毕后,通过底层计算资源进行数据处理计算,最终将结果反馈到可视化界面层或对外输出。
所述数据处理计算是通过hive数据挖掘、数据清洗、R语言和Spark MLlib对数据的分类和进行数据的训练,从而修改模型的参数来达到数据的分析和预测。
所述数据分析模型由若干分析组件预配置构成,所述的预配置是指由分析模型库建立时预先配置,或者于使用过程中由用户自定义配置。
所述分析组件包括时间序列组件、分类组件、回归组件、聚类组件、文本分析组件。
所述数据分析模型包括对应的时间序列分析任务的ARIMA模型,对应于分类分析任务的特征选择模型、神经网络模型、神经网络预测模型、贝叶斯网络模型、贝叶斯网络预测模型、随机森林模型、随机森林预测模型,对应于回归分析任务的线性回归模型、线性回归预测模型、逻辑回归模型、逻辑回归预测模型,对应于聚类分析任务的k-means聚类分析模型、k-medoids聚类分析模型、层次聚类分析模型,以及对应文本分析任务的关键字提取模型、分词模型、噪声词过滤模型、情感分析模型、词云模型。
见附图1,界面层是指大数据分析任务构建的平台界面,其包括可视化界面及定义于可视化界面之上的显示及拖拽动作;处理层是指包含分析任务构建、调度策略和底层数据处理的处理层面,其涉及包含大数据分析处理过程的各个分析组件(组件库),通过使用每个分析环节的组件去构建分析任务,并可指定任务的执行策略,以调动底层的资源进行数据分析任务的执行;分析模型库包含多种已配置好的数据分析模型,用户只需要引入模型,并根据实际需求修改模型的个别参数,即可快速构建好数据分析任务。所述处理层和分析模型的内容会在平台界面以拖拽式组件的形式进行使用,使用户可在统一的界面通过拖拽组件进行大数据分析任务进行构建,且可以通过引用分析算法模型快速构建起分析任务。
上述优选实施方式应视为本申请方案实施方式的举例说明,凡与本申请方案雷同、近似或以此为基础作出的技术推演、替换、改进等,均应视为本专利的保护范围。
Claims (9)
1.一种基于可视化拖拽式的大数据分析任务构建方法,其特征在于:
建立组件库,所述组件库中包含有大数据分析处理过程中的若干个分析组件,所述分析组件包含解决功能需求的服务内容;
建立分析模型库,所述分析模型库中包含有若干数据分析模型;
提供可视化界面层,对所述分析组件和数据分析模型的内容显示,于可视化界面层中通过拖拽式所述分析组件的形式进行大数据分析任务的构建,和/或是通过引用所述数据分析模型快速构建起大数据分析任务;
待大数据分析任务的流程构建完毕后,通过底层计算资源进行数据处理计算,最终将结果反馈到可视化界面层或对外输出。
2.根据权利要求1所述的基于可视化拖拽式的大数据分析任务构建方法,其特征在于:所述数据处理计算是通过hive数据挖掘、数据清洗、R语言和Spark MLlib对数据的分类和进行数据的训练,从而修改模型的参数来达到数据的分析和预测。
3.根据权利要求1所述的基于可视化拖拽式的大数据分析任务构建方法,其特征在于:所述数据分析模型由若干分析组件预配置构成,所述的预配置是指由分析模型库建立时预先配置,或者于使用过程中由用户自定义配置。
4.根据权利要求1所述的基于可视化拖拽式的大数据分析任务构建方法,其特征在于:所述分析组件包括时间序列组件、分类组件、回归组件、聚类组件、文本分析组件。
5.根据权利要求4所述的基于可视化拖拽式的大数据分析任务构建方法,其特征在于:所述数据分析模型包括对应的时间序列分析任务的ARIMA模型。
6.根据权利要求4所述的基于可视化拖拽式的大数据分析任务构建方法,其特征在于:所述数据分析模型包括对应于分类分析任务的特征选择模型、神经网络模型、神经网络预测模型、贝叶斯网络模型、贝叶斯网络预测模型、随机森林模型、随机森林预测模型。
7.根据权利要求4所述的基于可视化拖拽式的大数据分析任务构建方法,其特征在于:所述数据分析模型包括对应于回归分析任务的线性回归模型、线性回归预测模型、逻辑回归模型、逻辑回归预测模型。
8.根据权利要求4所述的基于可视化拖拽式的大数据分析任务构建方法,其特征在于:所述数据分析模型包括对应于聚类分析任务的k-means聚类分析模型、k-medoids聚类分析模型、层次聚类分析模型。
9.根据权利要求4所述的基于可视化拖拽式的大数据分析任务构建方法,其特征在于:所述数据分析模型包括对应文本分析任务的关键字提取模型、分词模型、噪声词过滤模型、情感分析模型、词云模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711274353.0A CN108121773A (zh) | 2017-12-05 | 2017-12-05 | 一种基于可视化拖拽式的大数据分析任务构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711274353.0A CN108121773A (zh) | 2017-12-05 | 2017-12-05 | 一种基于可视化拖拽式的大数据分析任务构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108121773A true CN108121773A (zh) | 2018-06-05 |
Family
ID=62229818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711274353.0A Pending CN108121773A (zh) | 2017-12-05 | 2017-12-05 | 一种基于可视化拖拽式的大数据分析任务构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108121773A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427523A (zh) * | 2018-01-31 | 2018-08-21 | 万达信息股份有限公司 | 一种数据追踪可视化视觉展示方法 |
CN109558395A (zh) * | 2018-10-17 | 2019-04-02 | 中国光大银行股份有限公司 | 数据处理系统及数据挖掘方法 |
CN109582837A (zh) * | 2018-11-30 | 2019-04-05 | 长城计算机软件与系统有限公司 | 一种基于云的可视化数据处理方法及系统 |
CN109710241A (zh) * | 2018-12-14 | 2019-05-03 | 成都四方伟业软件股份有限公司 | 一种可视化数据模型编排系统和编排方法 |
CN110058985A (zh) * | 2019-04-09 | 2019-07-26 | 美林数据技术股份有限公司 | 一种拖拽式构建企业级ai应用的系统及方法 |
CN110209486A (zh) * | 2019-06-06 | 2019-09-06 | 南威软件股份有限公司 | 基于界面的spark任务流程构建方法和计算机可读存储介质 |
CN111026739A (zh) * | 2019-11-26 | 2020-04-17 | 智器云南京信息科技有限公司 | 批量数据清洗的方法及装置、计算机设备和存储介质 |
CN111259064A (zh) * | 2020-01-10 | 2020-06-09 | 同方知网(北京)技术有限公司 | 一种可视化的自然语言分析挖掘系统及其建模方法 |
CN111427922A (zh) * | 2020-03-19 | 2020-07-17 | 广东蔚海数问大数据科技有限公司 | 基于分布式架构的数据分析方法、系统、装置及存储介质 |
CN111736821A (zh) * | 2020-06-28 | 2020-10-02 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 可视化建模分析方法、系统、计算机设备和可读存储介质 |
CN112069245A (zh) * | 2020-08-28 | 2020-12-11 | 福建博思软件股份有限公司 | 一种基于可视化web页面生成数据分析模型的方法和存储设备 |
CN112069244A (zh) * | 2020-08-28 | 2020-12-11 | 福建博思软件股份有限公司 | 一种基于可视化web页面数据挖掘的方法和存储设备 |
CN112559894A (zh) * | 2021-01-28 | 2021-03-26 | 百科荣创(山东)科技发展有限公司 | 一种计算机用的人工智能信息过滤系统 |
CN112558931A (zh) * | 2020-12-09 | 2021-03-26 | 中国电子科技集团公司第二十八研究所 | 一种面向用户工作流模式的智能模型构建及运行方法 |
CN113128781A (zh) * | 2021-04-30 | 2021-07-16 | 大连理工大学 | 一种自动构建智能化模型与算法的分布式工业能源运行优化平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080312899A1 (en) * | 2007-06-15 | 2008-12-18 | Microsoft Corporation | Software feature modeling and recognition |
CN104572929A (zh) * | 2014-12-26 | 2015-04-29 | 深圳市科漫达智能管理科技有限公司 | 数据挖掘方法及装置 |
CN104573063A (zh) * | 2015-01-23 | 2015-04-29 | 四川中科腾信科技有限公司 | 一种基于大数据的数据分析方法 |
CN105550268A (zh) * | 2015-12-10 | 2016-05-04 | 江苏曙光信息技术有限公司 | 大数据流程建模分析引擎 |
CN106202655A (zh) * | 2016-06-29 | 2016-12-07 | 山东中创软件商用中间件股份有限公司 | 一种分析模型创建方法和系统 |
-
2017
- 2017-12-05 CN CN201711274353.0A patent/CN108121773A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080312899A1 (en) * | 2007-06-15 | 2008-12-18 | Microsoft Corporation | Software feature modeling and recognition |
CN104572929A (zh) * | 2014-12-26 | 2015-04-29 | 深圳市科漫达智能管理科技有限公司 | 数据挖掘方法及装置 |
CN104573063A (zh) * | 2015-01-23 | 2015-04-29 | 四川中科腾信科技有限公司 | 一种基于大数据的数据分析方法 |
CN105550268A (zh) * | 2015-12-10 | 2016-05-04 | 江苏曙光信息技术有限公司 | 大数据流程建模分析引擎 |
CN106202655A (zh) * | 2016-06-29 | 2016-12-07 | 山东中创软件商用中间件股份有限公司 | 一种分析模型创建方法和系统 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427523A (zh) * | 2018-01-31 | 2018-08-21 | 万达信息股份有限公司 | 一种数据追踪可视化视觉展示方法 |
CN109558395A (zh) * | 2018-10-17 | 2019-04-02 | 中国光大银行股份有限公司 | 数据处理系统及数据挖掘方法 |
CN109582837A (zh) * | 2018-11-30 | 2019-04-05 | 长城计算机软件与系统有限公司 | 一种基于云的可视化数据处理方法及系统 |
CN109710241A (zh) * | 2018-12-14 | 2019-05-03 | 成都四方伟业软件股份有限公司 | 一种可视化数据模型编排系统和编排方法 |
CN110058985A (zh) * | 2019-04-09 | 2019-07-26 | 美林数据技术股份有限公司 | 一种拖拽式构建企业级ai应用的系统及方法 |
CN110209486A (zh) * | 2019-06-06 | 2019-09-06 | 南威软件股份有限公司 | 基于界面的spark任务流程构建方法和计算机可读存储介质 |
CN111026739B (zh) * | 2019-11-26 | 2023-08-29 | 智器云南京信息科技有限公司 | 批量数据清洗的方法及装置、计算机设备和存储介质 |
CN111026739A (zh) * | 2019-11-26 | 2020-04-17 | 智器云南京信息科技有限公司 | 批量数据清洗的方法及装置、计算机设备和存储介质 |
CN111259064A (zh) * | 2020-01-10 | 2020-06-09 | 同方知网(北京)技术有限公司 | 一种可视化的自然语言分析挖掘系统及其建模方法 |
CN111427922A (zh) * | 2020-03-19 | 2020-07-17 | 广东蔚海数问大数据科技有限公司 | 基于分布式架构的数据分析方法、系统、装置及存储介质 |
CN111736821A (zh) * | 2020-06-28 | 2020-10-02 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 可视化建模分析方法、系统、计算机设备和可读存储介质 |
CN111736821B (zh) * | 2020-06-28 | 2024-01-09 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 可视化建模分析方法、系统、计算机设备和可读存储介质 |
CN112069245A (zh) * | 2020-08-28 | 2020-12-11 | 福建博思软件股份有限公司 | 一种基于可视化web页面生成数据分析模型的方法和存储设备 |
CN112069244A (zh) * | 2020-08-28 | 2020-12-11 | 福建博思软件股份有限公司 | 一种基于可视化web页面数据挖掘的方法和存储设备 |
CN112069245B (zh) * | 2020-08-28 | 2022-08-09 | 福建博思软件股份有限公司 | 基于可视化web页面生成数据分析模型方法和存储设备 |
CN112558931A (zh) * | 2020-12-09 | 2021-03-26 | 中国电子科技集团公司第二十八研究所 | 一种面向用户工作流模式的智能模型构建及运行方法 |
CN112559894A (zh) * | 2021-01-28 | 2021-03-26 | 百科荣创(山东)科技发展有限公司 | 一种计算机用的人工智能信息过滤系统 |
CN113128781A (zh) * | 2021-04-30 | 2021-07-16 | 大连理工大学 | 一种自动构建智能化模型与算法的分布式工业能源运行优化平台 |
CN113128781B (zh) * | 2021-04-30 | 2021-12-10 | 大连理工大学 | 一种自动构建智能化模型与算法的分布式工业能源运行优化平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121773A (zh) | 一种基于可视化拖拽式的大数据分析任务构建方法 | |
Deng et al. | A competitive memetic algorithm for the distributed two-stage assembly flow-shop scheduling problem | |
Bai et al. | Research topics and trends in the maritime transport: A structural topic model | |
Ciampi et al. | The big data-business strategy interconnection: a grand challenge for knowledge management. A review and future perspectives | |
CN104112026B (zh) | 一种短信文本分类方法及系统 | |
CN108021929A (zh) | 基于大数据的移动端电商用户画像建立与分析方法及系统 | |
CN109376844A (zh) | 基于云平台和模型推荐的神经网络自动训练方法和装置 | |
US20060287937A1 (en) | Generative Investment Process | |
CN104133837A (zh) | 一种基于分布式计算的互联网信息投放渠道优化系统 | |
CN107016103A (zh) | 一种构建用户画像的方法及装置 | |
Andronie et al. | Integrating the principles of green marketing by using big data. Good practices | |
CN107368521B (zh) | 一种基于大数据和深度学习的知识推介方法及系统 | |
Espinosa et al. | Big data redux: New issues and challenges moving forward | |
Brown et al. | Experiments in globalisation, food security and land use decision making | |
Chen et al. | Influence maximization on signed social networks with integrated pagerank | |
CN108549909B (zh) | 基于众包的对象分类方法及对象分类系统 | |
CN109471965A (zh) | 一种基于大数据的网络舆情数据采集、处理方法及监测平台 | |
CN108008942A (zh) | 对数据记录进行处理的方法及系统 | |
CN101093512A (zh) | 一种数据筛选方法及一种数据筛选系统 | |
CN114139728A (zh) | 可视化全流程机器学习平台、控制方法、客户端及应用 | |
Rani et al. | A survey of tools for social network analysis | |
CN110968620A (zh) | 一种敏捷数据分析方法 | |
CN110516164A (zh) | 一种信息推荐方法、装置、设备及存储介质 | |
Fernberg et al. | Artificial Intelligence in Landscape Architecture: A Literature Review | |
Rehman et al. | A novel state space reduction algorithm for team formation in social networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180605 |