OKS,继ERP之后企业信息化的新热点

如果把企业比作一支部队,那么使用ERP系统就好比是给部队配备了精良的武器弹药。而OKS系统就好比是给部队配备了一组阵容强大的参谋班子,当遇到问题或需要做出判断决策的时候,就能迅速为其提供所需的各类知识和信息。     

近年来大数据技术前沿与热点研究——基于2015—2021年VOSviewer相关文献的高频术语可视化分析

文章以Web of Science 数据库为基础,以2015—2021年大数据领域高被引论文为样本,运用知识图谱软件VOSviewer对样本中的关键词频次进行统计,对关键词数据进行手动预处理后生成科学知识图谱,然后从研究热点、研究前沿以及演进路径对大数据技术进行量化和聚类分析。结果表明,大数据技术前沿有三个研究方向,分别是大数据开发与挖掘技术、大数据分析与管理技术、大数据运维与云计算技术。数字化、智能化、网络化是大数据技术的未来发展方向,大数据运维与云计算是大数据技术的研究前沿,数据安全是大数据技术的未来研究热点。随着人们对大数据技术研究的不断深入,大数据理论体系和大数据治理体系会更加完善和成熟,人类将进入信息技术引领下的万物互联新时代。     

基于学习实践的场景沉浸式日语单词学习App开发与研究

随着移动互联网技术的不断发展,加之受到新冠疫情影响,在线教育市场规模大且呈稳定增长趋势。此外,近年来中日两国签署RCEP协定等举措与语言教育政策的变动为更多人学习日语创造了良好的机会和环境。在此背景下,利用日语学习App进行线上日语学习已经成为一种普遍的学习模式,在线日语教育行业也必须完善产品服务,满足用户新需求。该文通过分析在线语言教育市场和行业发展的现状和前景,评估市面上日语学习相关App并对用户学习情况和意愿进行调研,设计并优化本团队开发的日语学习App——三三日语的功能,探讨该App创新点并提出对日语App未来发展的展望。     

基于灰预测的Web Cache集群热点对象处理策略

热点对象问题是Web cache集群负载均衡研究中的一个重要问题,热点对象的存在容易引起访问歪斜(access skew)和负载不均衡.在分析Web访问中热点对象特征的基础上,构建了基于灰预测的热点对象访问频率预测模型.基于该模型,提出一种新的热点对象处理策略:预测对象的访问频率,配合阈值判断对象是否为热点对象,将热点对象推送到集群中所有节点,实现热点对象的冗余存储,从而达到负载均衡.实验结果表明,与其他热点对象处理策略相比,基于灰预测的热点对象处理策略可以明显提升Web cache集群性能.     

最小的温血动物蜂鸟

在美洲大陆的原始森林里栖息着一种袖珍鸟类--蜂鸟,体重仅2-3克,这是世界上最小的温血动物。蜂鸟飞行时能像蜜蜂一样连续而快速地拍打翅膀,同时发出嗡嗡的叫声,加上它形体小巧,看上去就像大黄蜂在空中飞行,因此人们给它起名为"蜂鸟"。与其他鸟类相比, 蜂鸟有两个非常独特的地方:一是在吸食花蜜时能在空中悬飞,二是能通过鸟喙的变形捕捉飞动的昆虫。科学家在美国威斯康星州野外用摄像机跟踪摄录蜂鸟的整个活动过程,包括它如何飞行,吃什么,怎样炫耀和求偶,以及如何保卫领地和在空中捕捉飞虫等,终于逐步弄清了这种鸟儿在生存方面所表现出来的一些不同凡响的生存技能。     

发明创造知识讲谈

第十七讲:发明创造看重"三料"当你进行发明创造时,可曾想到过:自己将要进行或正在进行的发明创造,前人或别人是否做过?做到了什么程度?是怎样做的?自己的发明创造意义有多大?价值有多高?前景如何?自己的发明创造将用什么材料制作?这些材料从何处获取?能否利用废料?请你记住:发明创造应随时捕捉信息资料,及时做出科学预料,适时准备制作材料。     

气候变化引发冻雨灾害

在2008年伊始的这场席卷了半个中国、历史罕见的低温雨雪冰冻灾害中,"冻雨"、"凝冻"、"雪凝"等字眼成为热点话题,许多人发出种种疑问。     

地热能开发利用日臻成熟

冰岛以地热能源丰饶闻名遐迩.这个坐落在地质热点上的岛国自身所需能源的四分之一系地热能,该国90%家庭供暖也是取自地热能. 眼下,冰岛格利特耐尔(Glit-nir)开发银行认为开发其他地区地热的机遇已经成熟.2007年9月,这家银行在纽约市开设办事处寻求地热投资商机.     

基于移动信令数据的城市热点识别方法

城市热点的识别对于探索解决引导性的人群疏散、规避交通拥堵等问题提供新途径,并为基于位置服务(location based services,LBS)如商铺选址、旅游导航等提供重要的科学参考,具有重要的应用价值。随着个人手机终端的普及与发展,手机已经成为研究用户行为特征的一种理想的探测器。提出了将手机信令数据融合兴趣点(point of interest,POI)数据来挖掘城市的热点区域并进行功能类型标定,重点通过手机信令数据研究人流的出行行为和在蜂窝的驻留时长情况来识别活跃蜂窝,并进一步通过基于密度的聚类算法判别热点区域。选取了重庆市较场口一定范围区域作为研究区域,数据来源于重庆某移动运营商提供的用户手机信令数据,通过实验实例验证分析,证明了该方法可快速识别出城市热点区域,并具有较高的准确性。     

融合微博热点分析和LSTM模型的网络舆情预测方法

当前互联网已成为公众获取信息、表达观点的重要平台,也带来社会舆情事件易发生的风险,通过对网络舆情走势的提前预测,能够准确判断热点事件的发展态势,为政府相关部门应对舆情危机提供参考.针对单一预测模型预测精度不高和社交媒体对舆情走势影响较大的问题,提出了融合微博热点分析和长短期记忆神经网络(LSTM)的舆情预测方法.利用网络爬虫和PyTorch机器学习平台构建了用于舆情时序数据分析的网络舆情预测系统;在此系统内,考虑微博的强时效性,采用网络热点分析技术计算微博热度分值;改进LSTM网络,设计由2个隐含层组成的MH-LSTM预测模型;将MH-LSTM模型用于舆情事件百度指数的定量预测中,通过试验验证了模型的正确性,证实了该预测模型拥有较好的预测效果.