CN116501788B - 一种库仓湖一体化数据管控平台 - Google Patents
一种库仓湖一体化数据管控平台 Download PDFInfo
- Publication number
- CN116501788B CN116501788B CN202310731113.8A CN202310731113A CN116501788B CN 116501788 B CN116501788 B CN 116501788B CN 202310731113 A CN202310731113 A CN 202310731113A CN 116501788 B CN116501788 B CN 116501788B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- association
- module
- management
- 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.)
- Active
Links
- 238000013523 data management Methods 0.000 title claims abstract description 21
- 238000010276 construction Methods 0.000 claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 238000007726 management method Methods 0.000 claims abstract description 28
- 238000012098 association analyses Methods 0.000 claims abstract description 4
- 238000013210 evaluation model Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000000638 solvent extraction 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种库仓湖一体化数据管控平台，属于数据管理技术领域，包括构造模块、关联模块、评估模块和管理模块；所述构造模块用于基于业务种类建立构造模型；所述关联模块用于对各数据进行关联分析，赋予各数据对应的内关联标签，将标记同一内关联标签的数据标记为枝分类数据，基于对应的构造模型为各枝分类数据赋予对应的外关联标签，基于所述构造模型和对应的枝分类生成脉络模型；本发明通过构造模块、关联模块、评估模块和管理模块之间的相互配合，实现对结构化、文件文档、空间地理、BIM、图片、视频、模型等各类数据的全面管理，破除数据孤岛，完善各数据之间的关联性；实现各类型数据融合，发挥数据的价值。
Description
技术领域
本发明属于数据管理技术领域，具体是一种库仓湖一体化数据管控平台。
背景技术
当前各企事业单位掌握的数据资源已达数百类、上万亿条、PB级的大数据规模，且包含了各种各样的数据类型，数据年增长量超过50%。如何完成这些海量数据的一体化管控和治理，成为各行各业信息化建设的一个大难题。进入大数据时代，各行各业面临的数据问题不断涌现，数据质量差、数据难管、数据难找、数据难用都是制约大数据应用发展的“紧箍咒”。如用户不能够详细地知道自己有哪些数据，也不清楚这些数据和业务的具体关系。即使意识到大数据的重要性，但在各种数据库、数据仓库、数据中心里有没有能解决自己业务需要的关键数据；如何寻找这些数据；各行各业形成了海量数据，但数据知识之间的关联比较弱，缺乏有效的数据知识体系，在应用中还不能对数据进行自主的挖掘分析，大数据的深层价值未得到挖掘和应用。因此，为了实现数据的有效利用，本发明提供了一种库仓湖一体化数据管控平台，
发明内容
为了解决上述方案存在的问题，本发明提供了一种库仓湖一体化数据管控平台。
本发明的目的可以通过以下技术方案实现：
一种库仓湖一体化数据管控平台，包括构造模块、关联模块、评估模块和管理模块。
所述构造模块用于基于业务种类建立构造模型。
所述关联模块用于对各数据进行关联分析，赋予各数据对应的内关联标签，将标记同一内关联标签的数据标记为枝分类数据，基于对应的构造模型为各枝分类数据赋予对应的外关联标签，基于所述构造模型和对应的枝分类生成脉络模型。
进一步地，内关联标签的赋予，包括：
对各主分类下的数据进行分析，确定各数据对应的内容相似值和业务相似值，基于内容相似值和业务相似值计算对应的内关联值，将所述内关联值位于预设的内关联值区间之间的数据打上对应的内关联值标签。
进一步地，内关联值的计算，包括：
将内容相似值和业务相似值分别标记为NX和YX，根据内关联值公式NG=b1×NX+b2×YX计算对应的内关联值；
式中：NG为内关联值；b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1。
进一步地，外关联标签的赋予，包括：
获取各业务种类对应的构造模型，识别所述构造模型中各树节点对应的枝分类，计算各所述枝分类相对于该业务种类对应的外关联值，将位于预设的外关联值区间之间的所述外关联值对应的枝分类数据打上对应的外关联值标签。
所述评估模块用于对各枝分类数据进行评估，获得各枝分类数据对应的评估标签，并将所述评估标签标记在对应的枝分类数据上。
进一步地，评估标签包括评估价值、内关联值和完整值。
进一步地，评估价值的获取，包括：
建立完整性评估模型，通过所述完整性评估模型评估各枝分类数据对应的完整值，将枝分类数据对应的内关联值和完整值输入到评估价值公式中计算对应的评估价值。
进一步地，评估价值公式为：PG=b3×WZ+b4×NG；
式中：PG和WZ分别为评估价值和完整值；b3、b4均为比例系数，取值范围为0<b3≤1，0<b4≤1。
所述管理模块用于对数据进行管理，建立对应的管理方案，基于管理需求按照对应的管理方案进行数据管理。
进一步地，所述管理模块内包括检索单元和数据完善单元，所述检索单元用于根据对应的脉络模型检索对应的数据；所述数据完善单元用于对不完整的数据进行补全。
与现有技术相比，本发明的有益效果是：
本发明通过构造模块、关联模块、评估模块和管理模块之间的相互配合，实现对结构化、文件文档、空间地理、BIM、图片、视频、模型等各类数据的全面管理，破除数据孤岛，完善各数据之间的关联性；实现各类型数据融合，发挥数据的价值；基于设置的脉络模型和数据上对应的各标签，实现对数据的智能化管理。
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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明原理框图；
图2为本发明库仓湖概念图；
图3为本发明数据一体化模式示意图；
图4为本发明数据资源权限示意图；
图5为本发明脉络模型生成示例图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1至图4所示，一种库仓湖一体化数据管控平台，其中，库仓湖分别表示数据库、数据仓库和数据湖，如图2所示，数据库为采用关系模型来组织数据的数据库，其以行和列的形式存储数据；数据仓库为面向主题的、集成的、相对稳定的、反映历史变化的数据集合存储系统；数据湖为可以在其中存储任意规模的结构化和非结构化数据全量数据，不进行数据治理；为了满足越来越多的人工智能、数据共享等的应用需求，在HTAP的基础上，加入数据湖的技术架构。进行“库”、“仓”、“湖”融合，实现全应用场景、全数据类型、全生命周期的数据管控体系；即OLTP+OLAP、内外部数据及多元数据统一管控、高数据质量；基于一体化建设模式，实现传统的应用向共建、共享、规范、统管的智能大系统转变，形成“大平台、大系统、大数据”的应用建设格局，如图3，数据一体化模式示意图；针对非可信区域间的数据管控则通过“数据桥”的数据统管模式，实现对外部数据的对接、管理及监控，可快速对接不同的渠道端，并对所对接的渠道端进行管理、监控实。
如图4，上下级单位对数据进行联合管控，精细化权限管理，让得到数据安全管制，综合形成一套完善管控和使用体系。上级单位查看管理各个下级单位的数据资源对象，做统筹管理下级单位管控自己数据资源对象的权限，安全，可根据需要对上级单位开放。下级单位之间的数据资源可向上级单位申请向上级单位申请通过后，下级单位之间开放通道数据流通。
一体化数据管控平台具体包括：构造模块、关联模块、评估模块、管理模块。
构造模块用于以业务为导向建立打破数据孤岛的构造模型，根据实际业务情况和具有的各种数据类型，为各个业务集建立对应的适用于该业务集各种数据类型的构造模型；将具有的实际业务划分为对应的业务板块，即数据集，归属同一业务板块的标准是是否可以使用同一构造模型，构造模型是按照类似树状图形式进行建立的，每个树节点都对应一个该业务集对应数据类型，如关系型数据、文件、空间数据、索引数据、流式数据、视频等数据类型；按照各数据类型的关联性、访问、提取等进行各树节点的分布连接，进而形成相应的构造模型，后续在数据处理时，按照构造模型中各树节点对应的数据类型进行对应业务数据的识别、分析、整理，配套构造模型中各数据类型的识别、提取、处理等对应的数据处理模型、程序等；即按照对应的构造模型可以实现对库仓湖内各数据的访问等操作；相应的根据构造模型各树节点的类型可以反馈数据集的划分。
基于上述描述，在进行各业务的划分、构造模型的建立，可以采用结合现有的聚类算法、人工智能等技术进行构造模型的智能建立；或者采用人工的方式进行统一建立，在后续进行各客户、用户等的应用时，根据实际数据情况、业务情况匹配对应的构造模型，无需频繁采用人工建立。
关联模块用于基于各构造模型对对应业务集的数据进行关联分析，将相近的数据赋予相应的内关联标签，再基于构造模型为相应数据赋予对应外关联标签，赋予同一内关联标签的数据表示对应数据属于同一数据分类，一般针对各个大的数据分类进行的，将大的数据分类内数据按照相关性分为各个小类，同一小类内的数据赋予同一内关联标签，对应小类的分类标准是预设各大的数据分类对应的内关联值区间，将大的数据分类内的各数据按照对应的内关联值区间进行分类，即将内关联值位于内关联值区间内的数据赋予同一内关联标签，内关联值区间是通过人工的方式进行预设的；具体的为计算各大的分类数据内的各数据之间的内关联值，按照内关联值位于内关联值区间内的数据分为一类，对于因为内关联值可以分为多个分类的情况，可以打上多个不同的内关联标签。
其中，内关联值的计算方法为：
基于CNN网络或DNN网络为各个大的数据分类建立对应的相似评估模型，用于从数据内容和数据对应业务的相似角度进行评估，评估各数据之间的内容相似值和业务相似值，利用现有的相似度算法，通过人工的方式利用现有的历史数据建立对应的训练集进行训练，通过训练成功后的相似评估模型对各大的数据类型下的数据进行分析评估，获得各数据之间的内容相似值和业务相似值，将获得的内容相似值和业务相似值分别标记为NX和YX，根据内关联值公式NG=b1×NX+b2×YX计算对应的内关联值NG，b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1。
对于外关联标签的赋予：
按照业务种类进行逐一分析赋予，即按照构造模型对应的业务集内具有的业务种类进行逐一分析，获取对应的构造模型，按照构造模型中各树节点的顺序、上下级进行逐步分析，从树节点对应的数据类型中各小类数据与该业务的关联性评估对应的外关联值，预设对应的外关联值区间，将属于外关联值区间的小类数据赋予同一外关联值标签。
如图5，Z1、Z2、Z3等表示枝分类，根据外关联值标签可以获取各树节点下对应的小类，进而结合各小类的名称、编号等生成该业务数据的脉络模型，通过对应业务的脉络模型可以快速的访问、处理该业务对应的所有关联数据；为了便于区分识别，将大的数据类型标记为主分类，将主分类下对应的各小类标记为枝分类。
其中，外关联值即为根据各枝分类对应的业务与该业务的相似度，用外关联值进行表示，预设各业务之间的相似关系，基于现有的相似度算法计算对应的相似度，即外关联值；因为对于各枝分类内的数据来说，其内数据一般业务基本相似，直接进行统一相似度计算是可以的，若为了提高计算精度，可以按照该枝分类内各数据对应的业务种类以及根据各业务种类对应数据的占比计算对应的相似度。
评估模块用于对各枝分类数据进行评估，评估该数据价值，根据该数据内关联值、完整性、能否补全等性质的实际情况评估其价值，用于后续进行各数据的处理，如进行数据补全、删除等；将计算的评估价值、内关联值和完整值整合为对应的评估标签标记在对应的数据上，如评估价值、内关联值和完整值分别为1、2、3，则按照（1，2，3）的标签形式进行标记，也可以使用其他形式进行标记；完整值是根据完整性、能否补全进行综合评估的，利用现有的数据处理技术，基于人工的方式建立对应的训练集，基于CNN网络或DNN网络建立对应的完整性评估模型，通过建立的训练集进行训练，通过训练成功后的完整性评估模型对各枝分类数据进行分析，获得对应的完整值；将获得的完整值标记为WZ，根据评估价值公式PG=b3×WZ+b4×NG计算对应的评估价值PG；b3、b4均为比例系数，取值范围为0<b3≤1，0<b4≤1。
管理模块用于对各储存数据进行管理，主要是基于脉络模型和各数据上对应的各标签进行管理的，具体根据管理需求进行，如需要利用、使用、访问某业务数据，根据该业务类型获取对应的脉络模型，基于该业务数据对应的脉络模型快速获取各类型下的相关数据；打破数据孤岛；
进行数据完善删除等，基于对应的评估标签进行相应的数据操作，具体的根据管理需求进行管理；因此为了实现智能化的数据管理，可以基于现有的相关数据处理技术建立相应的数据处理模型、功能单元，用于根据需要实现数据的查找、完善、删除等功能操作，基于相关现有技术制定满足各数据处理需求的管理方案，根据对应的处理需求按照对应的管理方案进行数据管理。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (5)
1.一种库仓湖一体化数据管控平台，其特征在于，包括构造模块、关联模块、评估模块和管理模块；
所述构造模块用于基于业务种类建立构造模型；
所述关联模块用于对各数据进行关联分析，赋予各数据对应的内关联标签，将标记同一内关联标签的数据标记为枝分类数据，基于对应的构造模型为各枝分类数据赋予对应的外关联标签，基于所述构造模型和对应的枝分类生成脉络模型；
内关联标签的赋予，包括：
对各主分类下的数据进行分析，确定各数据对应的内容相似值和业务相似值；
将内容相似值和业务相似值分别标记为NX和YX，根据内关联值公式NG=b1×NX+b2×YX计算对应的内关联值；式中：NG为内关联值；b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；
将所述内关联值位于预设的内关联值区间之间的数据打上对应的内关联值标签；
所述评估模块用于对各枝分类数据进行评估，获得各枝分类数据对应的评估标签，并将所述评估标签标记在对应的枝分类数据上；
所述管理模块用于对数据进行管理，建立对应的管理方案，基于管理需求按照对应的管理方案进行数据管理；
外关联标签的赋予，包括：
获取各业务种类对应的构造模型，识别所述构造模型中各树节点对应的枝分类；
计算各所述枝分类相对于该业务种类对应的外关联值；
将位于预设的外关联值区间之间的所述外关联值对应的枝分类数据打上对应的外关联值标签。
2.根据权利要求1所述的一种库仓湖一体化数据管控平台，其特征在于，所述评估标签包括评估价值、内关联值和完整值。
3.根据权利要求2所述的一种库仓湖一体化数据管控平台，其特征在于，评估价值的获取，包括：
建立完整性评估模型，通过所述完整性评估模型评估各枝分类数据对应的完整值；
将枝分类数据对应的内关联值和完整值输入到评估价值公式中计算对应的评估价值。
4.根据权利要求3所述的一种库仓湖一体化数据管控平台，其特征在于，评估价值公式为：PG=b3×WZ+b4×NG；
式中：PG和WZ分别为评估价值和完整值；b3、b4均为比例系数，取值范围为0<b3≤1，0<b4≤1。
5.根据权利要求1所述的一种库仓湖一体化数据管控平台，其特征在于，所述管理模块内包括检索单元和数据完善单元，所述检索单元用于根据对应的脉络模型检索对应的数据；所述数据完善单元用于对不完整的数据进行补全。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310731113.8A CN116501788B (zh) | 2023-06-20 | 2023-06-20 | 一种库仓湖一体化数据管控平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310731113.8A CN116501788B (zh) | 2023-06-20 | 2023-06-20 | 一种库仓湖一体化数据管控平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116501788A CN116501788A (zh) | 2023-07-28 |
| CN116501788B true CN116501788B (zh) | 2023-10-27 |
Family
ID=87318635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310731113.8A Active CN116501788B (zh) | 2023-06-20 | 2023-06-20 | 一种库仓湖一体化数据管控平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116501788B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115168512A (zh) * | 2022-09-01 | 2022-10-11 | 山东慧创信息科技有限公司 | 多维数据元融合实现数据收集和共享的时空数据湖方法 |
| CN115292508A (zh) * | 2022-06-29 | 2022-11-04 | 江苏昆山农村商业银行股份有限公司 | 一种基于表数据的知识图谱构建方法和系统 |
| CN115455444A (zh) * | 2022-09-05 | 2022-12-09 | 杭州数澜科技有限公司 | 一种基于标签的数据分级授权控制方法 |
| CN115796174A (zh) * | 2021-09-09 | 2023-03-14 | 中国电信股份有限公司 | 定单处理方法、装置、设备以及存储介质 |
| CN115936296A (zh) * | 2022-12-20 | 2023-04-07 | 北京航天智造科技发展有限公司 | 基于工业互联网大数据湖的离散制造企业生产制造数据驾驶舱系统 |
| CN116166191A (zh) * | 2022-12-30 | 2023-05-26 | 中国电信股份有限公司 | 湖仓一体系统 |
| CN116224879A (zh) * | 2023-03-22 | 2023-06-06 | 佛山市众合科技有限公司 | 一种基于云计算的工业数据处理系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220222268A1 (en) * | 2016-03-29 | 2022-07-14 | Emc Corporation | Recommendation system for data assets in federation business data lake environments |
-
2023
- 2023-06-20 CN CN202310731113.8A patent/CN116501788B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115796174A (zh) * | 2021-09-09 | 2023-03-14 | 中国电信股份有限公司 | 定单处理方法、装置、设备以及存储介质 |
| CN115292508A (zh) * | 2022-06-29 | 2022-11-04 | 江苏昆山农村商业银行股份有限公司 | 一种基于表数据的知识图谱构建方法和系统 |
| CN115168512A (zh) * | 2022-09-01 | 2022-10-11 | 山东慧创信息科技有限公司 | 多维数据元融合实现数据收集和共享的时空数据湖方法 |
| CN115455444A (zh) * | 2022-09-05 | 2022-12-09 | 杭州数澜科技有限公司 | 一种基于标签的数据分级授权控制方法 |
| CN115936296A (zh) * | 2022-12-20 | 2023-04-07 | 北京航天智造科技发展有限公司 | 基于工业互联网大数据湖的离散制造企业生产制造数据驾驶舱系统 |
| CN116166191A (zh) * | 2022-12-30 | 2023-05-26 | 中国电信股份有限公司 | 湖仓一体系统 |
| CN116224879A (zh) * | 2023-03-22 | 2023-06-06 | 佛山市众合科技有限公司 | 一种基于云计算的工业数据处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116501788A (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Soibelman et al. | Management and analysis of unstructured construction data types | |
| Zhang et al. | Multi-database mining | |
| CN112231315A (zh) | 一种基于大数据的数据治理方法 | |
| CN112463980A (zh) | 一种基于知识图谱的预案智能推荐方法 | |
| CN111831636A (zh) | 一种数据处理方法、装置、计算机系统及可读存储介质 | |
| CN113590698B (zh) | 基于人工智能技术的数据资产分类建模与分级保护方法 | |
| CN113656647B (zh) | 一种面向智能运维的工程档案数据管理平台、方法及系统 | |
| CN111125068A (zh) | 一种元数据治理方法和系统 | |
| CN109800354B (zh) | 一种基于区块链存储的简历修改意图识别方法及系统 | |
| Alwan et al. | Big data: Definition, characteristics, life cycle, applications, and challenges | |
| Zhang | Application of data mining technology in digital library. | |
| CN116049379A (zh) | 知识推荐方法、装置、电子设备和存储介质 | |
| Loginovskiy et al. | Application of BI-principles in the gate project management system to create a digital twin of the GTE | |
| CN112966162A (zh) | 一种基于数据仓库与中间件的科技资源集成方法及装置 | |
| CN116501788B (zh) | 一种库仓湖一体化数据管控平台 | |
| CN116260866A (zh) | 基于机器学习的政务信息推送方法、装置和计算机设备 | |
| CN115759253A (zh) | 电网运维知识图谱构建方法及系统 | |
| CN114491168B (zh) | 调控云样本数据共享方法、系统、计算机设备及存储介质 | |
| CN112967759B (zh) | 基于内存堆栈技术的dna物证鉴定str分型比对方法 | |
| Paneva-Marinova et al. | Intelligent Data Curation in Virtual Museum for Ancient History and Civilization | |
| Howard et al. | Understanding and Characterizing Engineering Research Data for its Better Management | |
| Oida et al. | Development of presentation slide retrieval system based on visual information | |
| Srinivas et al. | A Comprehensive Survey of Big Data in the Age of AI | |
| Wen et al. | Intelligent data directory construction based on data classification and grading | |
| Wu | A review of methods used in machine learning and data analysis |
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 |