CN110222202A - 基于信息技术标准的松耦合元数据模型设计方法及系统 - Google Patents
基于信息技术标准的松耦合元数据模型设计方法及系统 Download PDFInfo
- Publication number
- CN110222202A CN110222202A CN201910453690.9A CN201910453690A CN110222202A CN 110222202 A CN110222202 A CN 110222202A CN 201910453690 A CN201910453690 A CN 201910453690A CN 110222202 A CN110222202 A CN 110222202A
- Authority
- CN
- China
- Prior art keywords
- metadata schema
- metadata
- data
- basic
- model
- 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.)
- Granted
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000008878 coupling Effects 0.000 title claims abstract description 18
- 238000010168 coupling process Methods 0.000 title claims abstract description 18
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 241001269238 Data Species 0.000 claims description 15
- 238000012098 association analyses Methods 0.000 claims description 10
- 238000007670 refining Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开一种基于信息技术标准的松耦合元数据模型设计方法及系统，其中方法包括如下步骤：基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层，该基础技术标准层包括实体模型和元素模型，语义信息包括中文名称、英文名称、数据类型、值域以及基本含义中的一个或多个，再采用图计算对基础技术标准层中元数据之间的引用关系、继承关系、日访问量以及日活量进行关联分析，并据此调整元数据模型，最后基于智能学习算法对元数据模型进行模型优化。采用本发明，通过对元数据的语义提炼组成元数据模型的基础技术标准层，再采用图计算、人工智能对元数据模型进行分析和优化，可以提供一种可进化、持续迭代的元数据模型。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种基于信息技术标准的松耦合元数据模型设计方法及系统。
背景技术
随着互联网、大数据快速发展，各种信息技术数据每两年翻一番(摩尔定律)，传统元数据模型不再长期不变，而是高速变化、组合、迭代，如何建立、跟踪、指导、规范不停变化的数据模型成为了一个亟需解决的严峻问题。
发明内容
本发明实施例提供一种基于信息技术标准的松耦合元数据模型设计方法及系统，通过对元数据的语义提炼组成元数据模型的基础技术标准层，再采用图计算、人工智能对元数据模型进行分析和优化，可以提供一种可进化、持续迭代的元数据模型。
本发明实施例第一方面提供了一种基于信息技术标准的松耦合元数据模型设计方法，可包括：
基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层，基础技术标准层包括实体模型和元素模型，语义信息包括中文名称、英文名称、数据类型、值域以及基本含义中的一个或多个；
采用图计算对基础技术标准层中的各种基础数据进行关联分析；
根据关联分析的结果调整元数据模型；
基于智能学习算法对元数据模型进行模型优化。
进一步的，上述方法还包括：
基于优化的元数据模型建立数据中台。
进一步的，上述方法还包括：
根据数据中台对数据服务的异常情况进行数据预警和优化。
进一步的，上述采用图计算对基础技术标准层中的各种基础数据进行关联分析，包括：
分析元数据模型在基础技术标准层中的各种基础数据，基础数据元数据模型中元数据之间的各种引用关系、继承关系、日访问量以及日活量；
针对基础数据采用图计算建立基础技术标准层中的实体连接关联关系和时间序列演变关系。
进一步的，上述根据关联分析的结果调整元数据模型，包括：
根据实体连接关联关系和时间序列演变关系分析元数据模型中各种实体和元素的权利影响度和位置中心度；
根据权利影响度和位置中心度确定元数据模型的关键点；
根据关键点调整元数据模型。
进一步的，上述基于智能学习算法对元数据模型进行模型优化，包括：
基于智能学习算法跟踪元数据模型的热点和冷点；
根据跟踪的结果调整元数据模型中的热点和冷点。
进一步的，上述方法还包括：
在根据跟踪的结果调整元数据模型中的热点和冷点后，输出模型推荐信息。
本发明实施例第二方面提供了一种基于信息技术标准的松耦合元数据模型设计系统，可包括：
标准层提炼模块，用于基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层，基础技术标准层包括实体模型和元素模型，语义信息包括中文名称、英文名称、数据类型、值域以及基本含义中的一个或多个；
图计算模块，用于采用图计算对基础技术标准层中的各种基础数据进行关联分析；
模型调整模块，用于根据关联分析的结果调整元数据模型；
模型优化模块，用于基于智能学习算法对元数据模型进行模型优化。
进一步的，上述系统还包括：
数据中台建立模块，用于基于优化的元数据模型建立数据中台。
进一步的，上述系统还包括：
数据服务模块，用于根据数据中台对数据服务的异常情况进行数据预警和优化。
进一步的，上述图计算模块包括：
数据分析单元，用于分析元数据模型在基础技术标准层中的各种基础数据，基础数据元数据模型中元数据之间的各种引用关系、继承关系、日访问量以及日活量；
关系建立单元，用于针对基础数据采用图计算建立基础技术标准层中的实体连接关联关系和时间序列演变关系。
进一步的，上述模型调整模块包括：
模型分析单元，用于根据实体连接关联关系和时间序列演变关系分析元数据模型中各种实体和元素的权利影响度和位置中心度；
关键点确定单元，用于根据权利影响度和位置中心度确定元数据模型的关键点；
模型调整单元，用于根据关键点调整元数据模型。
进一步的，上述模型优化模块包括：
模型跟踪单元，用于基于智能学习算法跟踪元数据模型的热点和冷点；
冷热点调整单元，用于根据跟踪的结果调整元数据模型中的热点和冷点。
进一步的，上述系统还包括：
推荐信息输出模块，用于在根据跟踪的结果调整元数据模型中的热点和冷点后，输出模型推荐信息。
在本发明实施例中，通过对元数据的语义提炼组成元数据模型的基础技术标准层，再采用图计算、人工智能对元数据模型进行分析和优化，生成了一种可进化、持续迭代的元数据模型。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种基于信息技术标准的松耦合元数据模型设计方法的流程示意图；
图2是本发明实施例提供的一种基于信息技术标准的松耦合元数据模型的结构示意图；
图3是本发明实施例提供的一种基于信息技术标准的松耦合元数据模型设计系统的结构示意图；
图4是本发明实施例提供的图计算模块的结构示意图；
图5是本发明实施例提供的模型调整模块的结构示意图；
图6是本发明实施例提供的模型优化模块的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例提供的基于信息技术标准的松耦合元数据模型设计方法可以应用于涉及元数据模型的应用场景。
下面将结合附图1，对本发明实施例提供的基于信息技术标准的松耦合元数据模型设计方法进行详细介绍。
请参见图1，为本发明实施例提供了一种基于信息技术标准的松耦合元数据模型设计方法的流程示意图。如图1所示，本发明实施例的所述方法可以包括以下步骤S101-步骤S104。
S101，基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层。
具体的，上述模型设计系统可以基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层，可以理解的是，所提炼的语音信息可以包括中文名称、英文名称、数据类型、值域以及基本含义中的一个或多个，上述基础技术标准层可以包括实体模型和元素模型，元素模型中的不同元素为实体模型中任一实体的组成部分，例如，数据表为一实体，则表头、字段等为该实体中的元素。
需要说明的是，基础技术标准层为元数据模型中最基本也是最重要的一层，后续可以通过对该标准层的不断优化学习、持续迭代维持元数据模型的可进化可性。
S102，采用图计算对基础技术标准层中的各种基础数据进行关联分析。
具体的，上述模型设计系统可以采用图计算对基础技术标准层中的各种基础数据进行关联分析，可以理解的是，上述基础数据可以是元数据在基础技术标准层中的表现出的不同数据之间的引用关系、继承关系、日访问量以及日活量等。
在可选实施例中，上述模型设计系统可以先分析出元数据模型在基础技术标准层中的各种基础数据，然后针对基础数据采用图计算建立基础技术标准层中的实体连接关联关系和时间序列演变关系。
S103，根据关联分析的结果调整元数据模型。
具体的，上述模型设计系统可以根据上述关联分析的结果调整元数据模型。可选的，可以根据上述实体连接关联关系和时间序列演变关系，分析元数据模型中各种实体和元素的权利影响度和位置中心度，再根据权利影响度和位置中心度确定元数据模型的关键点，然后根据该关键点分析调整元数据模型。
S104，基于智能学习算法对元数据模型进行模型优化。
具体的，上述模型设计系统可以基于智能学习算法对元数据模型进行模型优化，上述智能学习算法可以为神经网络分析、深度学习分析、决策树、卷积神经网络分析等。可选的，上述系统可以基于上述任一种只能学习算法跟踪元数据模型的热点和冷点，再根据跟踪的结果调整上述热点和冷点，实现对元数据模型的优化。
在可选实施例中，上述模型设计系统可以在对元数据模型优化后，输出模型推荐信息，将优化后的模型推荐给标准制定者、最终工程模型用户、系统模型用户等。
需要说明的是，上述模型设计系统还可以基于优化的元数据模型建立数据中台，根据该数据中台对数据服务的异常情况进行数据预警和优化。可以理解的是，上述数据中台可以综合监控数据服务能力、吞吐量、动态建立数据服务管理、自动扩展。
在本发明实施例中，通过对元数据的语义提炼组成元数据模型的基础技术标准层，再采用图计算、人工智能对元数据模型进行分析和优化，生成了一种可进化、持续迭代的元数据模型。
在本发明实施例的一种具体实现方式中，上述基于信息技术标准的松耦合元数据模型的结构可以如图2所示，包括以下几层：基础技术标准层、图计算关联关系引擎层、人工智能持续进化推荐引擎层和模型数据中台层。
可以理解的是，上述元数据模型中的个层对应的实现过程可以参见上述实施例中的具体描述，此处不再赘述。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机装置中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
下面将结合附图3-图6，对本发明实施例提供的基于信息技术标准的松耦合元数据模型设计系统进行详细介绍。需要说明的是，附图3-图6所示的模型设计系统，用于执行本发明图1和图2所示实施例的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明图1和图2所示的实施例。
请参见图3，为本发明实施例提供了一种基于信息技术标准的松耦合元数据模型设计系统的结构示意图。如图3所示，本发明实施例的模型设计系统10可以包括：标准层提炼模块101、图计算模块102、模型调整模块103、模型优化模块104、数据中台建立模块105、数据服务模块106和推荐信息输出模块107。其中，图计算模块102如图4所示包括：数据分析单元1021和关系建立单元1022。模型调整模块103如图5所示包括：模型分析单元1031、关键点确定单元1032和模型调整单元1033。模型优化模块104如图6所示包括：模型跟踪单元1041和冷热点调整单元1042。
标准层提炼模块101，用于基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层。
具体实现中，标准层提炼模块101可以基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层，可以理解的是，所提炼的语音信息可以包括中文名称、英文名称、数据类型、值域以及基本含义中的一个或多个，上述基础技术标准层可以包括实体模型和元素模型，元素模型中的不同元素为实体模型中任一实体的组成部分，例如，数据表为一实体，则表头、字段等为该实体中的元素。
需要说明的是，基础技术标准层为元数据模型中最基本也是最重要的一层，后续可以通过对该标准层的不断优化学习、持续迭代维持元数据模型的可进化可性。
图计算模块102，用于采用图计算对基础技术标准层中的各种基础数据进行关联分析。
具体实现中，上述模型设计系统可以采用图计算对基础技术标准层中的各种基础数据进行关联分析，可以理解的是，上述基础数据可以是元数据在基础技术标准层中的表现出的不同数据之间的引用关系、继承关系、日访问量以及日活量等。
在可选实施例中，数据分析单元1021可以先分析出元数据模型在基础技术标准层中的各种基础数据，关系建立单元1022可以针对基础数据采用图计算建立基础技术标准层中的实体连接关联关系和时间序列演变关系。
模型调整模块103，用于根据关联分析的结果调整元数据模型。
具体实现中，模型调整模块103可以根据上述关联分析的结果调整元数据模型。可选的，模型分析单元1031可以根据上述实体连接关联关系和时间序列演变关系，分析元数据模型中各种实体和元素的权利影响度和位置中心度，关键点确定单元1032可以根据权利影响度和位置中心度确定元数据模型的关键点，模型调整单元1033可以根据该关键点分析调整元数据模型。
模型优化模块104，用于基于智能学习算法对元数据模型进行模型优化。
具体实现中，模型优化模块104可以基于智能学习算法对元数据模型进行模型优化，上述智能学习算法可以为神经网络分析、深度学习分析、决策树、卷积神经网络分析等。可选的，模型跟踪单元1041可以基于上述任一种只能学习算法跟踪元数据模型的热点和冷点，冷热点调整单元1042可以根据跟踪的结果调整上述热点和冷点，实现对元数据模型的优化。
在可选实施例中，推荐信息输出模块107可以在对元数据模型优化后，输出模型推荐信息，将优化后的模型推荐给标准制定者、最终工程模型用户、系统模型用户等。
需要说明的是，数据中台建立模块105还可以基于优化的元数据模型建立数据中台，数据服务模块106可以根据该数据中台对数据服务的异常情况进行数据预警和优化。可以理解的是，上述数据中台可以综合监控数据服务能力、吞吐量、动态建立数据服务管理、自动扩展。
在本发明实施例中，通过对元数据的语义提炼组成元数据模型的基础技术标准层，再采用图计算、人工智能对元数据模型进行分析和优化，生成了一种可进化、持续迭代的元数据模型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种基于信息技术标准的松耦合元数据模型设计方法，其特征在于，包括：
基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层，所述基础技术标准层包括实体模型和元素模型，所述语义信息包括中文名称、英文名称、数据类型、值域以及基本含义中的一个或多个；
采用图计算对所述基础技术标准层中的各种基础数据进行关联分析：
根据所述关联分析的结果调整所述元数据模型；
基于智能学习算法对所述元数据模型进行模型优化。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于优化的元数据模型建立数据中台。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述数据中台对数据服务的异常情况进行数据预警和优化。
4.根据权利要求1所述的方法，其特征在于，所述采用图计算对所述基础技术标准层中的各种基础数据进行关联分析，包括：
分析所述元数据模型在所述基础技术标准层中的各种基础数据，所述基础数据所述元数据模型中元数据之间的各种引用关系、继承关系、日访问量以及日活量；
针对所述基础数据采用图计算建立所述基础技术标准层中的实体连接关联关系和时间序列演变关系。
5.根据权利要求4所述的方法，其特征在于，所述根据所述关联分析的结果调整所述元数据模型，包括：
根据所述实体连接关联关系和所述时间序列演变关系分析所述元数据模型中各种实体和元素的权利影响度和位置中心度；
根据所述权利影响度和所述位置中心度确定所述元数据模型的关键点；
根据所述关键点调整所述元数据模型。
6.根据权利要求1所述的方法，其特征在于，所述基于智能学习算法对所述元数据模型进行模型优化，包括：
基于智能学习算法跟踪所述元数据模型的热点和冷点；
根据所述跟踪的结果调整所述元数据模型中的热点和冷点。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
在根据所述跟踪的结果调整所述元数据模型中的热点和冷点后，输出模型推荐信息。
8.一种基于信息技术标准的松耦合元数据模型设计系统，其特征在于，包括：
标准层提炼模块，用于基于信息技术标准提炼元数据的语义信息组成元数据模型的基础技术标准层，所述基础技术标准层包括实体模型和元素模型，所述语义信息包括中文名称、英文名称、数据类型、值域以及基本含义中的一个或多个；
图计算模块，用于采用图计算对所述基础技术标准层中的各种基础数据进行关联分析：
模型调整模块，用于根据所述关联分析的结果调整所述元数据模型；
模型优化模块，用于基于智能学习算法对所述元数据模型进行模型优化。
9.根据权利要求8所述的系统，其特征在于，所述系统还包括：
数据中台建立模块，用于基于优化的元数据模型建立数据中台。
10.根据权利要求9所述的系统，其特征在于，所述系统还包括：
数据服务模块，用于根据所述数据中台对数据服务的异常情况进行数据预警和优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910453690.9A CN110222202B (zh) | 2019-05-28 | 2019-05-28 | 基于信息技术标准的松耦合元数据模型设计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910453690.9A CN110222202B (zh) | 2019-05-28 | 2019-05-28 | 基于信息技术标准的松耦合元数据模型设计方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110222202A true CN110222202A (zh) | 2019-09-10 |
| CN110222202B CN110222202B (zh) | 2022-03-01 |
Family
ID=67818307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910453690.9A Expired - Fee Related CN110222202B (zh) | 2019-05-28 | 2019-05-28 | 基于信息技术标准的松耦合元数据模型设计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110222202B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050097187A1 (en) * | 2003-10-10 | 2005-05-05 | Oracle International Corporation | Object relational mapping layer |
| CN102937965A (zh) * | 2012-09-29 | 2013-02-20 | 山东浪潮齐鲁软件产业股份有限公司 | 一种基于数据模型的元系统设计方法 |
| CN103970899A (zh) * | 2014-05-27 | 2014-08-06 | 重庆大学 | 面向服务的元数据关联性提取管理方法及其管理系统 |
| US9031992B1 (en) * | 2011-09-30 | 2015-05-12 | Emc Corporation | Analyzing big data |
| CN105940636A (zh) * | 2014-02-28 | 2016-09-14 | 英特尔公司 | 用于云数据中心分析的技术 |
| CN106127395A (zh) * | 2016-06-29 | 2016-11-16 | 北京理工大学 | 一种基于语义元模型的产品统一模型构建系统及构建方法 |
| US9569729B1 (en) * | 2016-07-20 | 2017-02-14 | Chenope, Inc. | Analytical system and method for assessing certain characteristics of organizations |
| CN106444628A (zh) * | 2016-09-28 | 2017-02-22 | 大连理工大学 | 一种数控机床主轴热伸长误差实时补偿方法 |
| CN106557626A (zh) * | 2016-11-17 | 2017-04-05 | 电子科技大学 | 一种卷边接头焊接应力场的模拟方法 |
| CN106777693A (zh) * | 2016-11-30 | 2017-05-31 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于catia数模的实时优化设计方法 |
| CN107291875A (zh) * | 2017-06-19 | 2017-10-24 | 华中科技大学 | 一种基于元数据图的元数据组织管理方法和系统 |
| CN107770797A (zh) * | 2016-08-17 | 2018-03-06 | 中国移动通信集团内蒙古有限公司 | 一种无线网络告警管理的关联分析方法及系统 |
| CN109684486A (zh) * | 2018-12-26 | 2019-04-26 | 中国南方电网有限责任公司 | 元数据模型的构建方法、装置、计算机设备和存储介质 |
| CN109726193A (zh) * | 2018-12-29 | 2019-05-07 | 金陵科技学院 | 一种一致性模型的创建方法及系统 |
-
2019
- 2019-05-28 CN CN201910453690.9A patent/CN110222202B/zh not_active Expired - Fee Related
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050097187A1 (en) * | 2003-10-10 | 2005-05-05 | Oracle International Corporation | Object relational mapping layer |
| US9031992B1 (en) * | 2011-09-30 | 2015-05-12 | Emc Corporation | Analyzing big data |
| CN102937965A (zh) * | 2012-09-29 | 2013-02-20 | 山东浪潮齐鲁软件产业股份有限公司 | 一种基于数据模型的元系统设计方法 |
| CN105940636A (zh) * | 2014-02-28 | 2016-09-14 | 英特尔公司 | 用于云数据中心分析的技术 |
| CN103970899A (zh) * | 2014-05-27 | 2014-08-06 | 重庆大学 | 面向服务的元数据关联性提取管理方法及其管理系统 |
| CN106127395A (zh) * | 2016-06-29 | 2016-11-16 | 北京理工大学 | 一种基于语义元模型的产品统一模型构建系统及构建方法 |
| US9569729B1 (en) * | 2016-07-20 | 2017-02-14 | Chenope, Inc. | Analytical system and method for assessing certain characteristics of organizations |
| CN107770797A (zh) * | 2016-08-17 | 2018-03-06 | 中国移动通信集团内蒙古有限公司 | 一种无线网络告警管理的关联分析方法及系统 |
| CN106444628A (zh) * | 2016-09-28 | 2017-02-22 | 大连理工大学 | 一种数控机床主轴热伸长误差实时补偿方法 |
| CN106557626A (zh) * | 2016-11-17 | 2017-04-05 | 电子科技大学 | 一种卷边接头焊接应力场的模拟方法 |
| CN106777693A (zh) * | 2016-11-30 | 2017-05-31 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于catia数模的实时优化设计方法 |
| CN107291875A (zh) * | 2017-06-19 | 2017-10-24 | 华中科技大学 | 一种基于元数据图的元数据组织管理方法和系统 |
| CN109684486A (zh) * | 2018-12-26 | 2019-04-26 | 中国南方电网有限责任公司 | 元数据模型的构建方法、装置、计算机设备和存储介质 |
| CN109726193A (zh) * | 2018-12-29 | 2019-05-07 | 金陵科技学院 | 一种一致性模型的创建方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| JIANG HONG 等: "A Self-Adaptive Metadata Management Model for Data Grid", 《THE THIRD CHINAGRID ANNUAL CONFERENCE (CHINAGRID 2008)》 * |
| 袁满 等: "元数据驱动的数据中心字典管理元模型研究", 《长江大学学报(自然科学版)》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110222202B (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9317593B2 (en) | Modeling topics using statistical distributions | |
| Carmel et al. | Personalized social search based on the user's social network | |
| Mangel | On the fraction of habitat allocated to marine reserves | |
| CN103778148B (zh) | Hadoop分布式文件系统数据文件的生命周期管理方法和设备 | |
| CN115497272B (zh) | 一种基于数字化建造的工期智能化预警系统及方法 | |
| Quoc Viet Nguyen et al. | Minimizing human effort in reconciling match networks | |
| CN105556517A (zh) | 智能搜索精细化 | |
| Nguyen et al. | Reconciling schema matching networks through crowdsourcing | |
| CN116306923A (zh) | 一种基于知识图谱的评价权重计算方法 | |
| Mooyaart et al. | The changing relationship between socio-economic background and family formation in four European countries | |
| Zou et al. | A multiobjective particle swarm optimization algorithm based on grid technique and multistrategy | |
| Balitsky et al. | Exploring the components of bleeding outcomes in transfusion trials for patients with hematologic malignancy | |
| CN107239680A (zh) | 一种对用户登录进行风险评估的方法及装置 | |
| CN107391712A (zh) | 一种网络舆论趋势预测分析方法 | |
| CN110222202A (zh) | 基于信息技术标准的松耦合元数据模型设计方法及系统 | |
| Hopkins | Knowledge management in healthcare libraries: the current picture | |
| Vokorokos et al. | Performance optimization of applications based on non-relational databases | |
| Anzilli et al. | The total variation of bounded variation functions to evaluate and rank fuzzy quantities | |
| CN114820074A (zh) | 基于机器学习的目标用户群体预测模型构建方法 | |
| Li et al. | A novel IVPLTS decision method based on regret theory and cobweb area model | |
| KR102255035B1 (ko) | 순환 인공 신경망 기술을 이용한 기록물 보존기간 추천 시스템 및 그 추천 방법 | |
| US7577649B2 (en) | Engine for validating proposed changes to an electronic entity | |
| Meilian et al. | Ahits-upt: A high quality academic resources recommendation method | |
| Eligüzel | An analysis of the integration of sustainability concepts into blockchain technology | |
| Ma et al. | MDV: A Multi-Factors Data Valuation Method |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220301 |