给大家分享8篇关于数据资源的计算机专业论文

今天分享的是关于数据资源的8篇计算机毕业论文范文, 如果你的论文涉及到数据资源等主题,本文能够帮助到你

大数据联盟数据资源群推荐研究

这是一篇关于大数据联盟,数据资源,群推荐,用户分群,VIKOR算法的论文, 主要内容为近年来随着大数据、物联网等信息技术的快速发展,数据逐渐成为企业发展所必需的重要资源,但由于企业所拥有的数据资源有限,且获取成本过高,导致其发展受到严重制约。为解决企业数据资源困境,多个企业联合组建形成了大数据联盟。大数据联盟内部数据资源共享,有效提高了数据资源利用效率,但随着大数据联盟规模不断扩大,联盟数据资源和用户随之增多,巨量的数据资源引发信息过载现象,导致用户难以在短时间内准确获取所需数据资源。推荐系统的引入有效缓解了大数据联盟数据资源交易过程中的用户选择困惑,但面对大数据联盟庞大的用户群,传统的个体推荐所带来的成本过高、数据稀疏型用户推荐准确率过低等问题,导致个体推荐不再适用于大数据联盟数据资源推荐。在此背景下,本文将群推荐引入大数据联盟数据资源交易中,通过将联盟用户分群,为用户群提供符合需求的数据资源推荐列表,提高推荐效率,降低推荐成本,推动大数据联盟数据资源交易发展。本文以大数据联盟为研究对象,通过分析大数据联盟、数据资源、群推荐的研究现状,挖掘联盟用户的数据资源需求,基于大数据联盟数据资源特点及用户需求设计大数据联盟数据资源群推荐过程模型。在大数据联盟数据资源用户分群时,为确保分群后的同一群内用户在长期偏好与近期需求都具有较高相似度,本文通过聚类用户画像形成群体画像实现初次分群,并在群体用户画像的基础上结合用户近期需求对用户进行二次分群。用户分群后,由于部分用户数据稀疏,难以为其准确提供所需数据资源,导致用户满意度不高。为保证推荐结果能够在用户群整体满意度较高的同时部分成员不满度最低,采用改进的VIKOR算法对与用户群需求匹配后筛选出的候选数据资源进行折衷排序形成数据资源推荐列表,推送给用户群。最后以中关村大数据产业联盟作为实证研究对象,验证大数据联盟数据资源群推荐的可行性。大数据联盟数据资源群推荐研究有利于提高联盟数据资源利用效率,挖掘用户价值,促进数据资源的流通与应用,为多主体协同进行群推荐研究做出一定的理论贡献,对大数据联盟数据资源交易稳定发展具有重要现实意义。

合作网站数据资源接入系统的设计与实现

这是一篇关于数据资源,任务调度,分布式锁,文件解析的论文, 主要内容为随着互联网技术的不断发展和应用的不断创新,电商逐渐向传统领域渗透,各种生活服务类网站蓬勃发展,使得互联网领域的数据量呈爆炸式增长,搜索频道在数据支持方面提出了更高的要求。数据采集是数据支持的核心因素,原有的数据采集途径存在手工化严重、数据采集范围小、采集效率低等不足。为了解决原有数据采集途径的不足,本文基于合作网站的数据资源特点设计实现了合作网站数据资源接入系统。系统允许用户根据合作网站的数据资源特点灵活配置自动化的数据资源接入方案,从而有效的扩展数据采集途径,提高数据支持能力。论文首先阐述了项目的背景和意义,然后分析了系统开发过程中涉及的关键技术,并对一些类似技术进行了对比分析。然后分析了系统的逻辑结构、系统的功能性需求和非功能性需求。根据需求分析,论文阐述了系统的架构设计、功能模块划分和系统的详细设计与实现,合理的解决了系统开发过程中遇到的关键问题。其中本人独立完成了如下工作内容：服务器端的信息管理模块、资源接入申请处理模块、调度中心模块的开发工作；本人参与完成了如下工作内容：服务器端的模板管理模块、资源文件解析模块和运营端的开发工作。系统开发过程中,为了提高系统的可扩展性和稳定性,使系统的各层之间高内聚低耦合,系统采用了B/S架构和Spring MVC框架。为了提高系统的数据处理能力,系统采用多台服务器协同工作对数据进行处理。考虑到多台服务器协同处理数据的同步问题,本人利用Redis技术设计了分布式锁以保证数据处理的同步。调度中心模块的开发过程中,为了保证任务调度的合理性和效率,系统使用了分布式缓存和多线程技术。资源文件解析模块开发过程中,为了下载需要Ajax加载文件内容的资源文件,系统引入了HtmlUnit技术。为了解析HTML和XML格式的资源文件的内容,系统使用了Jsoup和SAX技术。最后,为了验证系统的功能是否符合需求,本人使用黑盒测试技术对系统进行了功能性测试。目前系统处于测试运行阶段。部署于测试环境中的系统运行良好,本人完成的模块功能完善、运行稳定、符合预期目标。系统将在测试运行过程中不断收集问题和反馈,以便改进和优化系统,更好的满足搜索频道的数据支持需要。

电网公司数据资源管理系统设计与实现

这是一篇关于供电公司,数据资源,OGG技术,数据交互,WebService的论文, 主要内容为随着企业管理信息化的快速发展,各类业务管理软件的部署数量也快速增加。近年来,为了提高业务管理数据的整合效率,提供更为便利的、统一的业务数据服务,国内外众多企业开始重视能够实现跨平台的业务数据交互和校验管理的数据资源管理软件。本文基于所在供电公司的数据资源管理系统开发项目,探讨了公司近年来的业务信息化管理情况,分析了数据资源管理系统的研发必要性以及功能开发目标,并对系统进行了详细的技术方案设计和开发实现。数据资源管理系统在研发中采用OGG技术和WebService服务技术实现与公司企业业务管理软件之间的数据交互。同时,在系统内部对数据进行后台自动校验处理,建立起公司的业务数据中心服务机制。在数据资源管理系统中包括了数据中心服务、校验规则管理、数据校验管理、数据质量管理4个功能模块,基本覆盖了公司信息部门管理人员的日常业务。在本文的研究工作中,针对系统的研发背景进行了需求分析,详细的介绍了系统的功能开发目标,探讨了系统的功能内部结构以及其他需求。同时,对数据资源管理系统进行了详细功能设计,探讨了系统的总体功能框架以及网络模式,并分析系统内部模块的功能结构方案以及数据库设计。最后,本文对数据资源管理系统进行了编码实现,并展示了系统的运行页面,介绍了系统的数据测试配置、过程以及结果。数据资源管理系统采用WebService服务机制,成为公司内部各个业务管理系统数据整合的专用工具,能够在公司内部网络环境下实现不同架构的软件之间的业务数据整合,提高公司的业务数据整合能力及应用效率。

基于RBAC模型的企业数据资源安全管理系统的设计与实现

这是一篇关于数据资源,资源共享,安全管理,RBAC的论文, 主要内容为一般企业的数据资源使用率高、共享程度高,但数据资源的安全是系统数据资源管理的基础,论文研究引入了 RBAC(Role-Based Access Control)模型,在基于RBAC模型的基础上,保证了数据资源的共享和企业数据资源的安全。论文首先分析了目前企业数据资源安全管理的需求,从数据资源信息管理、数据资源申请审批、数据资源统计汇总和数据资源安全性等方面分析了系统功能,通过数据资源申请审批,在保证企业数据资源共享的基础上,保证了数据资源的安全性,杜绝了企业数据非权越界的访问操作;其次论文分析了系统性能需求,通过分析了解了目前企业数据资源安全管理的目标和特征。在系统设计阶段,首先根据企业网络特征完成了系统网络结构设计,采用JavaEE架构完成了系统体系结构设计,在此基础上完成了系统各模块的详细设计,通过设计用户、角色、权限等实体类以及相应控制类,在用户表、角色表和功能权限表,存储权限控制的基础上,完成了 RBAC模型的实现,保证了企业数据资源的安全;通过数据库概念模型和物理模型完成了系统数据库设计,在设计的基础上采用Java语言实现系统各模块的功能,最后对系统性能、功能和数据安全分别进行了测试,结果表明系统符合预期,满足了企业数据资源安全管理需求。系统的应用能够全面提高企业数据资源安全管理水平,实现从数据资源使用、数据资源申请审批以及数据资源汇总统计的安全管理平台,以实现企业数据资源的安全共享,可在其他企业中推广应用。

合作网站数据资源接入系统的设计与实现

基于ETL多数据源管理系统的设计与实现

这是一篇关于数据源管理,数据资源,元数据,数据服务,微服务架构的论文, 主要内容为随着信息化快速发展,数据作为具有重要价值的资产被各行各业所重视和应用。但是大数据环境下,数据的复杂度大幅提高,在结构和格式上也呈现多样性,并且行业间的数据独立性较高,对不同数据源中的数据进行再整合、再挖掘、再利用的呼声日益高涨。为此,提出了一个能够面向多数据源的数据管理系统,实现对不同来源和类型的数据进行采集、清洗、转换,形成覆盖面更广、规模更大的数据资源库。系统采用数据层、业务层、展示层三层架构设计,降低系统在数据采集、数据处理、数据服务等方面的耦合性和内聚性。通过使用Spring Boot开发框架,借助微服务架构设计降低功能模块间的关联度。系统利用Kettle工具,把ETL技术融合在系统中,实现对数据的抽取、转换、加载,同时将Kafka、元数据等主流数据处理技术和方法应用到对数据的挖掘和分析中去,实现了数据接入、数据资产管理、元数据管理、数据服务、数据安全与质量管理等核心功能。系统面向多数据源实现数据的清洗和转换,构建成一体化、标准化、资产化的综合数据资源池,通过对丰富数据资源的再分析和再利用,以接口服务的方式提供更加高质量、高效率的数据服务,促进行业的发展。系统结合可视化工具的应用,对数据处理流程和方法实现可视化操作,对数据的处理结果利用元数据理论实现对数据资源的进一步解读和剖析,真正做到对数据潜在价值的深入挖掘,提升数据质量,提高数据服务效率。做到数据资源的利用最大化。经过严格测试,面向多数据源的管理系统能够便捷有效地对不同数据源的数据进行处理,依托丰富数据资源,在数据利用、数据服务等方面展现出巨大优势,对数据价值的获取更加方便和高效。