1、信 用代码 机构代码 成立时间 单位地址 联系人 姓名 电话 职务 手机 传真 E-mail 企业法人 姓名 职务和职称 电话 近三年企业生产 经营情况 销售收入 （万元） 利润（万元） 税收（万元） 2016 2017 2018 （二）智能工厂基本信息 智能制造新模式 离散型智能制造模式 流程型智能制造模式 网络协同制造模式 大规模个性化定制模式 远程运维模式 - 13 - 项目名称 项目地址 建设状态 （建成/在建） 智能工厂建设预 计设备和软件投 资（万元） 实际完成投资 （万元） 建设开始时间 建设完成时间 智能工厂包含数 字化车间个数 智能工厂包含数 字化生产线条数 数字化车间名称
2、1. 2. 3. 项 目 简 述 （对项目的智能化特征进行简要描述， 400字左右。 ） - 14 - 二、智能工厂基本情况 （一）项目概述 （二）项目实施的先进性（与项目实施前的效果比较，与国 内外先进水平的比较，目标产品市场前景分析、三降两提高指标 完成情况） 三、项目实施现状 （一）离散型智能制造新模式建设内容。 1.项目系统模型建立与运行情况。 请分别提供工厂总体设计模型、工程设计模型、工艺流程及 布局模型的架构及说明；提供上述系统模型模拟仿真的情况。 2.先进设计技术应用和产品数据管理系统 （PDM） 建设情况。 请描述数字化三维设计与工艺技术的应用情况， 以及通过物 理检测与试验进
3、行验证和优化的情况；提供产品数据管理系统 （PDM）的整体架构图，描述其主要功能。 3.关键技术装备应用情况。 请提供高档数控机床与工业机器人、智能传感与控制装备、 智能检测与装配装备、 智能物流与仓储装备等关键技术装备的应 用与集成情况。 4.生产过程数据采集与分析系统建设情况。 请提供生产过程数据采集与分析系统的整体架构及功能描 述。 - 15 - 5.制造执行系统（MES）与企业资源计划系统（ERP）建设情 况。 请提供制造执行系统（MES）的架构，描述其主要子系统的 功能；提供企业资源计划系统（ERP）架构，并描述其主要子系 统的功能。 6.工厂内部网络架构建设及信息集成情况。 请提供
4、工厂内部工业通信网络结构图，并对架构进行说明； 提供制造执行系统（MES）与企业资源计划系统（ERP）和设计 信息系统实现信息集成的技术方案及运行情况； 提供全生命周期 产品信息统一平台的架构，说明其运行情况。 7.信息安全保障情况。 请描述项目的信息安全管理制度、 技术防护体系和功能安全 保护系统的建设及运行情况。 （二）流程型智能制造新模式建设内容。 1.项目系统模型建立与运行情况。 请分别提供工厂总体设计模型、工程设计模型、工艺流程及 布局模型的架构及说明，并提供上述系统模型模拟仿真的情况。 2.数据采集与监控系统建设情况。 请提供数据采集与监控系统架构图、系统建设和运行情况； 描述现场
5、数据采集与分析情况。 3.先进控制系统建设情况。 - 16 - 请提供先进控制系统架构图、系统建设情况；描述关键环节 实现自动控制与在线优化的总体情况。 4.制造执行系统（MES）和企业资源计划系统（ERP）建设情 况。 请提供制造执行系统（MES）的架构，并描述其主要子系统 的功能；提供企业资源计划系统（ERP）架构，及其主要子系统 的功能。 5.健康安全环境监控情况。 对于存在较高安全风险和污染排放的项目， 请提供有害物质 排放和危险源的自动检测与监控情况，安全生产的监控情况，描 述在线应急指挥系统主要功能及运行情况。 6.工厂内部网络架构建设情况。 请提供项目的信息通信与网络系统的架构，
6、 并对架构进行描 述；描述数据采集与监控系统与制造执行系统（MES）实现信息 集成的技术方案；描述制造执行系统（MES）与企业资源计划系 统（ERP）和实验室信息管理系统（LIMS）实现信息集成的技 术方案；提供全生命周期数据统一平台的架构，说明其建设和运 行情况。 7.信息安全保障情况。 请描述项目的信息安全管理制度、 技术防护体系和功能安全 保护系统的建设情况。 - 17 - （三）网络协同制造模式建设内容。 1.网络化制造资源协同平台建设情况。 请提供网络化制造资源协同平台的软硬件系统架构图 （包括 技术架构、逻辑架构等）和运行规则；说明各协同企业的信息系 统与该平台对接方式。 2.开展
7、协同开发的情况。 请描述跨企业、跨部门开展协同开发的业务流程，以及异地 资源的统筹和协同情况。 3.开展协同制造的情况。 请描述基于网络化制造资源协同平台所提供的制造服务和 资源，企业间、部门间的典型应用场景。 4.产品溯源体系建设情况。 请提供产品溯源体系的建设情况， 描述主要环节信息溯源服 务开展情况。 5.制造服务和资源的动态分析和柔性配置情况。 请描述企业制造资源协同平台实现对制造需求和社会化制 造资源的动态分析和柔性配置功能。 6.信息安全保障情况。 请描述项目的信息安全管理制度和技术防护体系建设及运 行情况。 （四）大规模个性化定制模式建设内容。 - 18 - 1.产品采用模块化设
8、计的情况。 请提供可定制产品的品类、各品类可定制的参数、定制服务 模式、用户定制流程、企业个性化制造流程。 2.个性化定制服务平台的建设情况。 请提供个性化定制平台的软硬件系统架构图，包括技术架 构、逻辑架构等，描述与用户的交互方式等功能。 3.个性化产品数据库的建设情况。 请提供个性化产品数据库的建设情况， 描述对用户个性化需 求数据的挖掘和分析的情况。 4.个性化定制平台与相关系统集成情况。 请提供个性化定制平台与企业设计、生产、营销、供应链管 理、物流配送、客户服务等数字化制造系统的协同与集成情况。 （五）远程运维服务模式建设内容。 1.智能装备/产品的数据采集、通信和远程控制功能。 请
9、描述智能装备/产品的数据采集、通信和远程控制功能， 及所采用的技术方案、数据接口格式。 2.远程运维服务平台建设及运行情况。 请提供远程运维服务平台的系统架构（包括技术架构、逻辑 架构等）和详细功能；描述基于远程运维服务平台提供的具体增 值服务，以及各种增值服务的业务流程和实施方案。 3.远程运维服务平台与相关系统集成情况。 - 19 - 请提供远程运维服务平台与产品全生命周期管理系统 （PLM） 、客户关系管理系统（CRM） 、产品研发管理系统的集 成方案。 4.专家库和专家咨询系统建设情况。 请描述专家库、专家咨询系统的系统架构、主要功能、运行 情况。 5.信息安全保障情况。 请描述项目的
10、信息安全管理制度和技术防护体系建设情况。 四、示范作用（突出对典型行业和区域内开展同类业务的可 复制性、示范价值和推广计划。 ） 五、员工就地转岗、本企消纳计划、措施及效果 请介绍企业在智能化改造后对减少员工开展的就地转岗、 本 企消纳计划、措施及效果。 六、相关附件 （一） 企业上年经会计师事务所审计的财务审计报告原件复 印件，包括审计报告正文（含会计师事务所盖章和注册会计师签 字） 、财务报表（资产负债表、利润表或损益表、现金流量表） 、 报表附注； （二）企业智能制造关键技术装备、控制系统、软件的清单 及品牌、供应商和发票复印件； （三）企业智能制造方面取得的专利清单； - 20 - （
11、四）其他要求提供的附件。建成项目另附能够突出反映企 业智能工厂建设成效的电子照片（像素不低于 800 万，张数不少 于 10 张，并附照片说明性文字）。 重庆市经济和信息化委员会办公室 2019年 3月 15日印发 36.83%2.1.3其它投资万元787.552.1.3.1其它投资占比8.17%2.1.4固定资产投资占比75.88%2.2流动资金万元2323.772.2.1流动资金占比24.12%3收入万元19248.004总成本万元15391.505利润总额万元3856.506净利润万元2892.387所得税万元1.398增值税万元531.939税金及附加万元175.7810纳税总额万元1
12、671.8411利税总额万元4564.2112投资利润率40.03%13投资利税率47.38%14投资回报率30.02%15回收期年4.8316设备数量台（套）10417年用电量千瓦时828468.6118年用水量立方米10036.9019总能耗吨标准煤102.6820节能率29.90%21节能量吨标准煤37.9822员工数量人354本章是part II的最后一章。第5章介绍如何减少数据包拷贝开销，第6章介绍如何减少控制开销，端节点上最大的性能提升往往来自这两个方面，现代网络实现基本上已经注意了这些问题。第7章和第8章分别介绍定时器和提前解复用实现的性能瓶颈和解决方法。第9章涉及其它常见的处理
13、任务。第9章主要介绍缓冲区管理、常规协议处理、分片重组等的实现。这些协议处理任务看起来不起眼，但是随着链路速度达到吉比特量级，这些任务也不能忽视。因为在极高的速度下，每个包的处理时间非常短，任何一个环节的低效都可能导致包处理时间超过预定的上限，导致系统整体性能的下降。另一方面，网络中有许多小包，对于这些小包来说，数据处理并不是主要的开销（数据很少或没有数据，如TCP确认），主要的开销就在一般性的协议处理上（分配包缓冲区，协议头处理等）。9.1.1 缓冲区分配经典的BSD UNIX实现，称为mbufs。Mbufs设计的出发点：（1）为便于动态扩展包的缓冲空间，用缓冲区链来存放包。比如，当包从上往
14、下穿过协议栈时，添加一个协议头，就只需要将协议头放到一个mbuf中，然后添加到链表头部。Mbufs出现的时候是1981年，那时正是各种网络技术全面开花的时期，没有哪一种网络技术占统治地位，将来会出现什么技术也不得而知。因此，数据包从上往下需要经过哪几层协议处理、每个协议头的长度是多少都无从知道，从而无法知道应当为数据包分配多大的空间。为了能支持各种可能的协议栈，操作系统必须允许动态扩展包的缓冲空间。（2）定义不同大小的缓冲区是为了充分利用内存空间。比如，一个190字节的包会被分配两个mbuf，大约浪费20个字节的空间；一个450字节的包会被分配5个mbuf，浪费大约50个字节。这在当时（198
15、1年）很重要，因为那时计算机的内存普遍很小。Mbufs的缺点是访问数据和拷贝数据的开销大，需要遍历链表。然而，随着网络发展态势的明朗，动态扩展一个包的大小不那么重要了。以太网、TCP/IP成为主流，重要的数据包路径（如以太网、IP、TCP）已确定，预分配缓冲区成为可能。其次，节省空间对于今天的计算机来说没有那么重要了，加快包的处理速度变得很重要。也就是说，mbufs的设计考虑在今天都已经不重要了，但缺点却非常明显。Sk_bufLinux操作系统的实现称为sk_buf。每个包缓冲区都是一块连续地址空间，提前为路径上需要添加的各种包头预留了空间。如何为不同大小的包分配内存？给每个包分配最大长度的包
16、缓冲区是一个很大的浪费。比较好的方法是按需分配内存，当一个包到来时，为其分配一块合适大小的缓存空间。动态分配内存的困难在于，用户会在不同的时间释放缓冲区，使得内存中出现许多不连续的、大小不同的空闲区域。教科书上有一些标准的算法，可以高效地搜索内存，找到一块合适大小的空闲区域。然而，任何一个开发高速网络软件的人都不会使用这样的内存分配器，因为分配速度太慢。他们会考虑以下3种分配器。隔离池分配器这是随BSD 4.2 UNIX发布的内存分配器，由Chris Kingsley实现，称Kingsley malloc()。称这些内存池是隔离的，因为当一个内存分配请求不能满足时，不会试图去切分较大的缓冲区，
17、也不会试图去合并连续的较小的缓冲区。Linux分配器Linux分配器最初由Doug Lea实现，称为dlmalloc()。Lea分配器比Kingsley分配器使用内存更高效，（1）可以将较小的空闲缓冲区合并，（2）小缓冲区（常见情形）浪费的空间不超过8字节。缺点是实现起来更复杂。对于既要求线速、又要求有效利用内存的高速网络来说，也不是一个最好的选择。批量分配器批量是指分配器一次性向系统请求一大块内存，用来作为包缓冲区池，而不是每来一个包向系统请求一块内存。批量分配器（续）在内存块中顺序分配是很容易的，问题主要在释放环节。若释放的顺序和分配的顺序不一致，就会在内存块中形成一些孔洞，需要合并。有两
18、种方法解决这个问题。（1）如果应用知道所有分配的缓冲区最终都会被释放，那么只需使用足够多的空闲块，确保在这些内存块用完之前，已分配的内存块会被释放。这么做会有一定的风险。但目前工业界采用的正是这个方法，比如分配一个4GB的大缓冲区用于收包。（2）如果缓冲区是在虚拟存储系统中分配的，那么可以使用页面重映射将若干分离的物理页映射成在虚拟存储空间是连续的。批量分配器的优点是支持可变长度的内存分配，没有内存浪费（若内存块未用完的话），分配快。内存分配可以用硬件实现，后台创建空闲块用软件实现。9.1.2 共享缓冲区这里的困难在于共享缓冲区的用户是变化的，因此，每个用户分配的缓冲区数量应当能够动态调整。比
19、如，用户较少时，每个用户可以多使用一些；当有新用户加入时，应能从老用户那儿夺取一些缓冲区。缓冲区窃取缓冲区窃取是公平分配的一种方法：若所有缓冲区已用完，一个分配较少的用户可从当前分配最多的用户那儿窃取一些缓冲区。采用缓冲区窃取，即使一开始的时候分配是不均衡的，经过一定时间，最终每个用户都可以获得它们公平的份额。实现缓冲区窃取，最主要的就是找到当前使用资源最多的用户，通常的解决方案是使用一个大顶堆，时间代价是O(logn)，n为活跃的用户数。假如n很大，我们希望降低分配的时间复杂度，那有没有更快的算法呢？缓冲区窃取的常数时间算法如果允许一个用户一次获取任意数量的缓冲区，并且我们希望找到最大分配的
20、用户，那么使用O(logn)的堆是必需的。假定为了获得常数时间的算法，我们对问题做一些限制，规定一个用户一次只能窃取一个缓冲区，并且每个用户拥有的缓冲区数量是一个小整数，这种情况下是否有更高效的实现方法？这又变成了一个小整数排序的问题。窃取一个缓冲区注意：如果P和Q的缓冲区数量变化大于1，这个方法可能会很低效。比如，如果Q有300个缓冲区，一下子减少了100个缓冲区，而其它用户起始时只有几个缓冲区，那么更新highest需要检查100个桶。现在限定每次只能增加或减少一个缓冲区，则算法每次只需移动一个桶。9.2 TCP头部预测我们前面说过，因特网上最主要的流量是TCP，因此线速处理TCP包很重要
21、，然而最复杂的数据面协议也是TCP。早期的TCP实现非常慢，曾经有人觉得TCP处理速度太慢了，提出重新设计一个传输层协议XTP来取代TCP。但是Van Jacobson（美国计算机科学家，TCP/IP栈代码的主要贡献者）不肯放弃，仔细研究TCP处理慢的原因。经分析，TCP输入处理（tcp_input）是TCP软件中最长的一部分代码，约有1100行。其实TCP输入处理并不复杂，但非常繁琐，其实现完全遵循RFC 793中定义的输入事件处理步骤，基本上就是在逐个状态地检查，以确定要执行什么处理。Van Jacobson发现，1100行代码中绝大部分代码用于处理罕见的情形，即检查的大部分状态都是很少发
22、生的。为此提出头部预测机制，在收到TCP包后，先通过少量的状态检查迅速识别出该包是否为预期的TCP段，从而常见情形下可以避免大量不必要的状态检查。接收端头部预测的伪代码伪代码描述了头部预测的处理。显然，当输入的TCP段符合预期情形的话，其处理过程要快得多。注意，判断是纯ACK段还是纯数据段，伪代码中没有展开写细节，这里要涉及好几个条件的判断。标志域中包含6个标志位，逐位比较的话需要6次比较。注意到标志域以及窗口大小组成了一个32位的字，可以将这个字的预期值保存到TCB中，这样头两个子句的检查只需用输入TCP段头的第4个字与PCB中保存的字进行一次比较即可。发送端头部预测目前为止讨论的是接收端的
23、头部预测，发送端也可以有类似的处理方法。经过以上优化处理后，TCP的处理速度得到了极大的提高，可以达到100Mbps的吞吐量。这里得到的一个启示是，不要仅仅因为性能低就放弃一个协议，真正要做的是想办法提高它的性能。9.3 IP分片重组IP分片重组也是一个重要的功能。尽管IPv6取消了路由器分片的功能，但源主机仍然可能要做分片的工作。比如，一个封装了很大的UDP包的IP包（UDP包必须封装在一个IP包中），如果超出了链路MTU，源主机必须做分片的工作，接收主机需要重组。有一种碎片攻击，攻击者故意将攻击包载荷分装到多个IP包中，以规避扫描。这时，入侵检测设备必须先把IP包重组，然后再扫描。所以，接
24、收端必须快速实现重组。图示是一个用于分片重组的简单数据结构，与BSD UNIX中使用的数据结构类似。假定有3个属于同一个IP包的分片到达，各分片按照它们的分片偏移量保存在一个有序链表中，注意各个分片的内容可能有重叠。IP分片重组的经典过程如下：。最终的实现相当复杂，且很慢。优化预期情形重组过程为什么复杂，主要是考虑到：1）IP分片可能乱序到达，2）分片之间可能有重叠。然而，大部分情况下IP分片是按序到达的，且分片之间没有重叠。如果IP分片按序到达且分片之间没有重叠，只需将分片放到链表尾部即可。优化的IP分片重组算法图9.10的数据结构与图9.9相同，只是增加了一个指向链表尾部的指针。与图9.9
25、的实现相比，寻找插入位置及检查重组是否结束都只需要常数时间，而不是线性时间。如果不是预期情形，仍使用标准的重组实现。假设与实际相符吗？图9.10有一个隐含的假设：IP分片按照偏移量从小到大的顺序发 第九届全国 Web 信息系统及其应用学术 会议(WISA2012) 第九届全国 Web 信息系统及其应用学术 会议(WISA2012) 第七届全国语义 Web 与本体论学术研讨会(SWON2012)第七届全国语义 Web 与本体论学术研讨会(SWON2012) 第六届全国电子政务技术及应用学术研讨会(EGTA2012)第六届全国电子政务技术及应用学术研讨会(EGTA2012) 程 序 册 主办：中国
26、计算机学会办公自动化专业委员会 承办：海南大学 2012 年 11 月 16-18 日 会 议 日 程 11 月月 16 日日 星期五星期五 报到报到 时间时间 日程日程 地点地点 全天 注册报到，领取会议资料 海南改革发展研究院 20:00-22:00 办公自动化专委会会议 海南改革发展研究院 11 月月 17 日日 星期六星期六 大会及分组报告大会及分组报告 时间时间 日程日程 地点地点 07:00-08:00 自助早餐 海南改革发展研究院 08:30-09:00 大会开幕式大会开幕式 海南改革发展研究院 09:00-09:20 与会代表合影 海南改革发展研究院 09:20-10:10 大
27、会报告大会报告 1：Xuemin Lin，University of New South Wales海南改革发展研究院 10:10-10:30 茶歇 10:30-12:00 分会场分会场 1(第二会 议室) 分会场分会场 2（第三 会议室） 分会场分会场 3（第四 会议室） 海南改革发展研究院 12:00-14:00 午餐 海南改革发展研究院 14:00-15:30 分会场分会场 4(第二会 议室) 分会场分会场 5(第三会 议室) 分会场分会场 6(第四会 议室) 海南改革发展研究院 15:30-15:50 茶歇 15:50-16:40 大会报告大会报告 2：单志广，国家信息中心 海南改革发
28、展研究院 16:40-17:30 大会闭幕式大会闭幕式（第一报告厅） 海南改革发展研究院 18:0020:00 晚宴 海南改革发展研究院 11 月月 18 日日 星期日星期日 海口一日游 或 环岛游 时间时间 日程日程 地点地点 07:00-07:30 自助早餐 海南改革发展研究院 07:30 集合 海南改革发展研究院 全天 海口一日游 或 环岛游 18:00 晚餐 海南改革发展研究院 详细会议日程安排 2012 年年 11 月月 17 日 日 08:30-09:00 大会开幕式大会开幕式 主持人：黄梦醒主持人：黄梦醒 教授，海南大学教授，海南大学 1. 宣布大会开始、介绍参会领导 2. 承办
29、单位致欢迎词（海南大学领导） 3. 办公自动化专委会主任致词（于戈教授） 4. 程序委员会主席介绍会议论文收稿、审稿及录用情况（李瑞轩教授） 5. 承办单位介绍会议筹备情况及会议安排（黄梦醒教授） 09:00-09:20 与会代表合影与会代表合影 09:20-10:10 大会报告大会报告 1： 报告人：Xuemin Lin，University of New South Wales 报告题目：Graph Structure Search 主持人：于戈 教授，东北大学 会议室： （第一报告厅） 10:10-10:30 茶歇茶歇 分会场分会场 1: Web Information Manageme
30、nt 主持人：徐立臻 教授，东南大学；袁方 教授 河北大学 会议室：第二会议室 10:30-12:00 An Extended Continuous Uncertain XML Data Model Research An Extended Continuous Uncertain XML Data Model Research Xiao-Lin Zhang, Guang-Yue Cui, Li-Xin Liu, Wei Huo A Deep Web Database Sampling Method Based on High Correlation Keywords A Deep Web D
31、atabase Sampling Method Based on High Correlation Keywords Yongqing Zheng, Yufang Bian, Xin Du, Hongchen Wu Query XML Data in RDBMS Query XML Data in RDBMS Xiangyu Hu, Xin Lian, Yunyin Mo, Haiwei Zhang, Xiaojie Yuan Investigations on XML-based Data Exchange Between Heterogeneous Databases Investigat
32、ions on XML-based Data Exchange Between Heterogeneous Databases Mingli Wu, Yebai Li Layout-Conscious Optimization: Beyond Hybrid Row-Column Storage Model Layout-Conscious Optimization: Beyond Hybrid Row-Column Storage Model Hongliang Tian, Chunxiao Xing A Novel URL Assignment Model Based on Multi-ob
33、jective Decision Making Method A Novel URL Assignment Model Based on Multi-objective Decision Making Method Qiuyan Huang, Qingzhong Li, Zhongmin Yan An Approach for Crawling Dynamic WebPages Based on Script Language Analysis An Approach for Crawling Dynamic WebPages Based on Script Language Analysis
34、 Yao Zhang, Daling Wang, Shi Feng, Yifei Zhang, Fangling Leng Towards Automatic Discovering for a Real-World Restful Web Service Towards Automatic Discovering for a Real-World Restful Web Service Qing Liu, Chenhe Liu, Huian Li, Xiang Xu, Lexi Gao A Variable Granularity User Classification Algorithm
35、Based on Multi-Dimensional Features of Users A Variable Granularity User Classification Algorithm Based on Multi-Dimensional Features of Users Dawen Jia, Cheng Zeng, Zhiyong Peng, Peng Cheng, Zhimin Yang A Composite Events Detecting Approach Based on Similar Sub-events A Composite Events Detecting A
36、pproach Based on Similar Sub-events Baoyan Song, Huizhen Lou, Yan Wang Inferring Community Members in Social Networks by Closeness Centrality Examination Inferring Community Members in Social Networks by Closeness Centrality Examination Jie Zhang, Xuerui Ma, Weihao Liu, Yong Bai Using Non-topologica
37、l Node Attributes to Improve Results of Link Prediction in Social NetworksUsing Non-topological Node Attributes to Improve Results of Link Prediction in Social Networks Yu Zhang, Feng Li, Bin Xu, Kening Gao, Ge Yu Inferring Individual Influence in Social Network Inferring Individual Influence in Soc
38、ial Network Haisu Zhang, Wenyan Gan, Feng Xu 分会场分会场 2: Web Search and Recommendation 主持人：夏士雄 教授，中国矿业大学；李斌 教授，扬州大学 会议室：第三会议室 A Hybrid Search Engine Framework for the Internet of Things A Hybrid Search Engine Framework for the Internet of Things Zhiming Ding, Jian Dai, Xu Gao, Qi Yang Answering Multip
39、le Queries in Compressed Texts Answering Multiple Queries in Compressed Texts Bin Wang, Minghe Yu, Xiaochun Yang, Guoren Wang Product Recommendation Based on Search Keywords Product Recommendation Based on Search Keywords Jiawei Yao, Jiajun Yao, Rui Yang, Zhenyu Chen An Approach for Personalized Tag
40、 Recommendation Based on Interest Transfer Model An Approach for Personalized Tag Recommendation Based on Interest Transfer Model Yue Liu, Nan Yang, Gang Yang A Dual Hashtables Algorithm for Durable Top-k Search A Dual Hashtables Algorithm for Durable Top-k Search Hua Ming, Yong Zhang, Chunxiao Xing
41、, Haiyan Yin, Minglu Wang Implementation and Design of Agricultural Product Cultivating Standard Ontology Database ModeImplementation and Design of Agricultural Product Cultivating Standard Ontology Database Mode Daiyi Li, Li Kang Richly Semantical Keyword Searching over Relational Databases Richly
42、Semantical Keyword Searching over Relational Databases Jianzhao Zhai, Derong Shen, Yue Kou, Tiezheng Nie OpinMiner: Extracting Feature-Opinion Pairs with Dependency Grammar from Chinese ProductOpinMiner: Extracting Feature-Opinion Pairs with Dependency Grammar from Chinese Product Reviews Reviews Fu
43、zeng Jiao, Guoqing Dong, Qiuyan Li, Jiezhu A Multilayer Method of Schema Matching Based on Semantic and Functional Dependencies A Multilayer Method of Schema Matching Based on Semantic and Functional Dependencies Chenlu Zhao, Derong Shen, Yue Kou, Tiezheng Nie, Ge Yu Build the Image File Catalog Sys
44、tem Based on the Subdivision of Part-whole Ontology Build the Image File Catalog System Based on the Subdivision of Part-whole Ontology Jifeng Cui, Yong Zhang, Chunxiao Xing Topic Detection over Online Forum Topic Detection over Online Forum Feng Chen, Juan Du, Weining Qian, Aoying Zhou A Latent Top
45、ic Based Collaborative Filtering Recommendation Algorithm for Web Communities A Latent Topic Based Collaborative Filtering Recommendation Algorithm for Web Communities Qian Yu, Zhiyong Peng, Liang Hong, Ming Yu, Dawen Jia 分会场分会场 3: 社会网络与语义计算社会网络与语义计算 主持人：何炎祥 教授，武汉大学；许蕾 副教授 南京大学 会议室：第四会议室 社会化推荐研究进展 社
46、会化推荐研究进展 何铁科, 陈振宇, 刘嘉, 骆斌 一种面向情感分析的微博表情情感词典构建及应用一种面向情感分析的微博表情情感词典构建及应用 王文远, 王大玲, 冯时, 李任斐，王琳 基于算法选择和结果评估 基于算法选择和结果评估 李翔宇，王开军，郭躬德 关系数据库的关键词查询性能优化 关系数据库的关键词查询性能优化 王文焕，赵卓峰 基于车载GPS导航的非线性动态滤波算法 基于车载GPS导航的非线性动态滤波算法 余娅，李军 基于SOPC Builder的JPEG2000 IP核设计 基于SOPC Builder的JPEG2000 IP核设计 舒尚春，刘三军 基于RIA的视频语义标注系统研究与开
47、发 基于RIA的视频语义标注系统研究与开发 朱义，赵云鹏 WSNs中基于预算机制动态簇的目标追踪算法 WSNs中基于预算机制动态簇的目标追踪算法 李芳芳，单姣姣 基于时间信息的社会网络链接预测研究 基于时间信息的社会网络链接预测研究 张昱，高克宁，张恩德，赵长宽 一种基于拉普拉斯矩阵的在线社会网络社区发现算法 一种基于拉普拉斯矩阵的在线社会网络社区发现算法 张恩德，高克宁，徐彬，张昱，李封 基于LDA的博客网络主题社区挖掘方法研究 基于LDA的博客网络主题社区挖掘方法研究 徐彬，赵长宽，高克宁 12:00-14:00 午餐午餐 地点：三号楼 2 楼 分会场分会场 4: Cloud and Big Data Management 主持人：王国仁 教授，东北大学；刘青 教授，中国人民大学 会议室：第二会议室 14:00-15:30 Cost Optimization of Cloud-Based Data Integration System Cost Optimization of Cloud-Based Data In
个人主页
