消費(fèi)品質(zhì)量信息大數(shù)據(jù)公共服務(wù)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)

王寒冰

摘要：消費(fèi)品質(zhì)量數(shù)據(jù)在公共管理服務(wù)工作中發(fā)揮著重要的作用，因此構(gòu)建面向消費(fèi)品信息的大數(shù)據(jù)公共服務(wù)平臺(tái)具有重大的現(xiàn)實(shí)意義。文章在充分調(diào)研當(dāng)前主流解決方案基礎(chǔ)上，提出了混合式服務(wù)平臺(tái)的總體設(shè)計(jì)框架，通過(guò)對(duì)不同形式、不同來(lái)源的消費(fèi)品質(zhì)量信息的梳理、整合、分析和評(píng)估，并采用關(guān)聯(lián)分析等具體方法，最終設(shè)計(jì)了基于基礎(chǔ)數(shù)據(jù)子平臺(tái)、數(shù)據(jù)分析子平臺(tái)和公共服務(wù)子平臺(tái)的平臺(tái)構(gòu)建方案。該方案具備輕量化和高擴(kuò)展性的特點(diǎn)，對(duì)于構(gòu)建類(lèi)似的大數(shù)據(jù)公共服務(wù)平臺(tái)具有一定的借鑒價(jià)值．

關(guān)鍵詞：消費(fèi)品：大數(shù)據(jù)：數(shù)據(jù)融合：關(guān)聯(lián)分析

中圖分類(lèi)號(hào)：TP31

文獻(xiàn)標(biāo)志碼：A

0 引言

市場(chǎng)監(jiān)督管理系統(tǒng)部門(mén)和二級(jí)機(jī)構(gòu)眾多，質(zhì)檢、計(jì)量、特檢、認(rèn)證認(rèn)可等部門(mén)的相應(yīng)數(shù)據(jù)平臺(tái)“獨(dú)自”為政，沒(méi)有統(tǒng)一的數(shù)據(jù)接口和標(biāo)準(zhǔn)，無(wú)法實(shí)現(xiàn)數(shù)據(jù)的互聯(lián)互通，同時(shí)現(xiàn)有不少系統(tǒng)平臺(tái)小、數(shù)據(jù)有限，沒(méi)有實(shí)現(xiàn)整合，導(dǎo)致從無(wú)法很好地建立分析模型，和有針對(duì)性地提供行業(yè)、區(qū)域、產(chǎn)品、企業(yè)、消費(fèi)者等分析報(bào)告。隨著市場(chǎng)主體數(shù)量快速增長(zhǎng)，市場(chǎng)活躍度不斷提升，社會(huì)信息量爆炸式增長(zhǎng)，數(shù)量巨大、來(lái)源分散、格式多樣的大數(shù)據(jù)對(duì)政府質(zhì)量服務(wù)和監(jiān)管能力提出了新的挑戰(zhàn)，也帶來(lái)了新的機(jī)遇，只有從建立質(zhì)量基礎(chǔ)大數(shù)據(jù)人手，構(gòu)建大數(shù)據(jù)監(jiān)管模型，才能有效提升政府科學(xué)決策和風(fēng)險(xiǎn)預(yù)判的能力。

1 現(xiàn)狀分析

當(dāng)前，我國(guó)已成為全球消費(fèi)品生產(chǎn)、消費(fèi)和貿(mào)易大國(guó)，但消費(fèi)品質(zhì)量卻沒(méi)有達(dá)到人民要求，呈現(xiàn)較為明顯的質(zhì)量指標(biāo)與人民群眾消費(fèi)需求、安全指標(biāo)與人民群眾安全需求的不匹配，制約國(guó)內(nèi)消費(fèi)增長(zhǎng)，甚至造成消費(fèi)外流。特別是，近年來(lái)，我國(guó)消費(fèi)品質(zhì)量惡性事件接連不斷，給人民生命和財(cái)產(chǎn)帶來(lái)了嚴(yán)重的影響，如“移動(dòng)電源爆炸”“毒跑道”“三星手機(jī)爆炸”“土坑酸菜”等事件。事件一旦觸發(fā)，通過(guò)網(wǎng)絡(luò)將事件不斷發(fā)酵，其相關(guān)信息量龐大，政府對(duì)企業(yè)、消費(fèi)者等利益代表的信息難互通、對(duì)新聞媒體等第三方利益代表的信息難確認(rèn)，使得政府部門(mén)難以高效地掌握、處理突發(fā)事件。

因此，本文以消費(fèi)品質(zhì)量信息為研究對(duì)象，通過(guò)網(wǎng)頁(yè)爬蟲(chóng)技術(shù)和提供數(shù)據(jù)接口等手段[1]．收集標(biāo)準(zhǔn)、計(jì)量、認(rèn)證認(rèn)可、檢驗(yàn)檢測(cè)等質(zhì)量基礎(chǔ)信息，以及質(zhì)量監(jiān)督檢查、質(zhì)量比對(duì)等產(chǎn)品質(zhì)量信息，對(duì)不同形式、不同來(lái)源等消費(fèi)品質(zhì)量信息梳理、整合、分析、評(píng)估、展示，構(gòu)建跨部門(mén)、跨行業(yè)的消費(fèi)品質(zhì)量信息大數(shù)據(jù)公共服務(wù)平臺(tái)[2-3]。

2 框架設(shè)計(jì)

消費(fèi)品質(zhì)量信息大數(shù)據(jù)公共服務(wù)平臺(tái)在充分調(diào)研當(dāng)前主流解決方案基礎(chǔ)上，考慮業(yè)務(wù)的發(fā)展和變化，提出了混合式服務(wù)平臺(tái)的總體設(shè)計(jì)框架，將平臺(tái)分為基礎(chǔ)數(shù)據(jù)子平臺(tái)、數(shù)據(jù)分析子平臺(tái)和公共服務(wù)子平臺(tái)3個(gè)部分，同時(shí)配以運(yùn)營(yíng)規(guī)范體系和安全保障系統(tǒng)，滿足平臺(tái)的建設(shè)要求。整體框架設(shè)計(jì)如圖1所示。

基礎(chǔ)數(shù)據(jù)子平臺(tái)是平臺(tái)建設(shè)的基礎(chǔ)，它將來(lái)自各方的數(shù)據(jù)整合起來(lái)，形成源數(shù)據(jù)，為平臺(tái)提供數(shù)據(jù)支撐。通過(guò)基礎(chǔ)數(shù)據(jù)子平臺(tái)建設(shè)實(shí)現(xiàn)了數(shù)據(jù)資源的共享、加工，消除了信息孤島。同時(shí)實(shí)現(xiàn)了質(zhì)檢、計(jì)量、特檢、認(rèn)證認(rèn)可、執(zhí)法檢查等所有數(shù)據(jù)的統(tǒng)一管理、統(tǒng)一存儲(chǔ)、同步分發(fā)。這樣不僅提高應(yīng)用系統(tǒng)的可用性，更大大提高消費(fèi)品監(jiān)管工作效率。

數(shù)據(jù)分析子平臺(tái)是平臺(tái)建設(shè)的核心，通過(guò)對(duì)用戶需求的分析，創(chuàng)建了各種消費(fèi)品質(zhì)量數(shù)據(jù)的分析工具和模型，同時(shí)對(duì)網(wǎng)絡(luò)爬蟲(chóng)和各方平臺(tái)提供的數(shù)據(jù)進(jìn)行預(yù)處理、統(tǒng)計(jì)分析和數(shù)據(jù)挖掘等操作，關(guān)注各種數(shù)據(jù)的特征以及相互間的關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)對(duì)基礎(chǔ)數(shù)據(jù)的分析利用。

公共服務(wù)子平臺(tái)是平臺(tái)建設(shè)的目的，通過(guò)對(duì)政府、企業(yè)、行業(yè)、消費(fèi)者和第三方的溝通對(duì)接，了解客戶的痛點(diǎn)和需求，為他們?cè)O(shè)計(jì)出真正需要的功能模塊，提供全方位、多角度、立體化的質(zhì)量信息。

3 技術(shù)路線

消費(fèi)品質(zhì)量信息大數(shù)據(jù)公共服務(wù)平臺(tái)采用Django開(kāi)發(fā)框架，該框架是用Pylhon開(kāi)發(fā)的一個(gè)免費(fèi)開(kāi)源的Weh框架，提供了許多網(wǎng)站后臺(tái)開(kāi)發(fā)經(jīng)常用到的模塊，使開(kāi)發(fā)者能夠?qū)Ｗ⒂跇I(yè)務(wù)部分。Django是Python社區(qū)應(yīng)用最廣泛的Weh開(kāi)發(fā)框架，許多全球頂尖互聯(lián)網(wǎng)產(chǎn)品采用Django開(kāi)發(fā)，比如Pinterest，Instagram，Disqus等。它白帶一個(gè)面向?qū)ο蟮摹⒎从硵?shù)據(jù)模型與關(guān)系型數(shù)據(jù)庫(kù)間的映射關(guān)系的映射器，開(kāi)發(fā)者無(wú)須學(xué)習(xí)SQL語(yǔ)言即可操作數(shù)據(jù)庫(kù)，同時(shí)內(nèi)置了一個(gè)后臺(tái)數(shù)據(jù)管理系統(tǒng)，經(jīng)簡(jiǎn)單配置后，再編寫(xiě)少量代碼即可使用完整的后臺(tái)管理功能。因此Django不僅易于學(xué)習(xí)、開(kāi)發(fā)效率高，而且有成熟的超大規(guī)模商業(yè)應(yīng)用先例。

平臺(tái)采用MTV設(shè)計(jì)模式，用戶通過(guò)瀏覽器對(duì)服務(wù)器發(fā)起request請(qǐng)求，服務(wù)器接收請(qǐng)求后，通過(guò)View的業(yè)務(wù)邏輯層進(jìn)行分析，同時(shí)向Model層和Template層發(fā)送指令：Model層與數(shù)據(jù)庫(kù)進(jìn)行交互，將數(shù)據(jù)返回給View層；Templace層接收到指令后，調(diào)用相應(yīng)的模板，并返回給View層：View層接收到模板與數(shù)據(jù)后，首先對(duì)模板進(jìn)行渲染（即將相應(yīng)的數(shù)據(jù)賦值給模板），然后組織成響應(yīng)格式返回給瀏覽器，瀏覽器進(jìn)行解析后并最終呈現(xiàn)給用戶。這種設(shè)計(jì)模式降低了各組件之間的耦合度，實(shí)現(xiàn)了視圖、模板與模型的分離。每個(gè)由Django驅(qū)動(dòng)的Weh應(yīng)用都有著明確的目的，可獨(dú)立更改而不影響到其他的部分。這樣前端的變化對(duì)模型層影響很小，同時(shí)數(shù)據(jù)庫(kù)也很難影響前端，有效提高平臺(tái)的可擴(kuò)展性和復(fù)用性，節(jié)省了大量開(kāi)發(fā)時(shí)間和開(kāi)發(fā)成本。消息響應(yīng)過(guò)程如圖2所示。

平臺(tái)采用Oracle數(shù)據(jù)庫(kù)作為質(zhì)量大數(shù)據(jù)底層數(shù)據(jù)支撐。Oracle能夠確保數(shù)據(jù)完整性、安全性，引入了共享soL和多線索服務(wù)器體系結(jié)構(gòu)。這減少了資源占用，使之在低檔軟硬件平臺(tái)上用較少的資源就可以支持更多的用戶，而在高檔平臺(tái)上可以支持成百上千個(gè)用戶。提供了基于角色（ ROLE）分工的安全保密管理。在數(shù)據(jù)庫(kù)管理功能、完整性檢查、安全性、一致性方面都有良好的表現(xiàn)。支持大量多媒體數(shù)據(jù)，如二進(jìn)制圖形、聲音、動(dòng)畫(huà)以及多維數(shù)據(jù)結(jié)構(gòu)等。提供了與第三代高級(jí)語(yǔ)言的接口軟件PRO*系列，能在C，C++等主語(yǔ)言中嵌入soL語(yǔ)句及過(guò)程化（PUSQL）語(yǔ)句，對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行操縱。可以快速開(kāi)發(fā)生成基于客戶端PC平臺(tái)的應(yīng)用程序，并具有良好的移植性。提供了新的分布式數(shù)據(jù)庫(kù)能力?？赏ㄟ^(guò)網(wǎng)絡(luò)較方便地讀寫(xiě)遠(yuǎn)端數(shù)據(jù)庫(kù)里的數(shù)據(jù)，并有對(duì)稱(chēng)復(fù)制的技術(shù)。同時(shí)提供gui和命令行，在Windows和UNIX下操作相同，如果Windows不能滿足需要，用戶可以把數(shù)據(jù)庫(kù)移到UNIX中。

4 具體實(shí)現(xiàn)

消費(fèi)品是為滿足社會(huì)成員生活需要而銷(xiāo)售的產(chǎn)品，以消費(fèi)品的質(zhì)量信息為研究對(duì)象，以自然語(yǔ)言處理、深度學(xué)習(xí)等為理論基礎(chǔ)，綜合運(yùn)用領(lǐng)域本體、系統(tǒng)仿真與建模等方法，開(kāi)展消費(fèi)品質(zhì)量信息融合與集成方法、數(shù)據(jù)分析與挖掘技術(shù)、知識(shí)服務(wù)技術(shù)等內(nèi)容的研究。在此基礎(chǔ)上，構(gòu)建面向管理決策的消費(fèi)品質(zhì)量信息大數(shù)據(jù)公共服務(wù)平臺(tái)，并進(jìn)行應(yīng)用研究。

消費(fèi)品質(zhì)量信息數(shù)據(jù)融合是最大程度發(fā)揮數(shù)據(jù)價(jià)值的一種手段，它不同于傳統(tǒng)的數(shù)據(jù)集成或知識(shí)庫(kù)技術(shù)，需要大跨度、深層次和綜合性的研究方法[4-5]．需要從大數(shù)據(jù)的概念特征、一般處理流程、關(guān)鍵技術(shù)3個(gè)方面進(jìn)行研究[6]。主要內(nèi)容包含：（1）消費(fèi)品質(zhì)量多源異構(gòu)數(shù)據(jù)融合和集成技術(shù)研究?；诒倔w對(duì)齊的消費(fèi)品信息實(shí)體匹配方法研究，研究消費(fèi)品質(zhì)量信息的模式對(duì)齊方法，利用屬性名稱(chēng)、類(lèi)型、值的相似性以及屬性之間的鄰接關(guān)系尋找源模式與中介模式的對(duì)應(yīng)關(guān)系，解決數(shù)據(jù)模式元素之間的一致性問(wèn)題。（2）消費(fèi)品質(zhì)量信息分析與挖掘技術(shù)研究[7]。針對(duì)消費(fèi)品質(zhì)量信息的特征，結(jié)合傳統(tǒng)數(shù)據(jù)分析與挖掘技術(shù)，以及大數(shù)據(jù)分析處理技術(shù)，開(kāi)展消費(fèi)品質(zhì)量信息分析與挖掘技術(shù)研究。（3）消費(fèi)品安全危害源識(shí)別方法與技術(shù)體系研究?；谙M(fèi)品安全危害源多元化采集分析技術(shù)，提出消費(fèi)品安全危害源多尺度分類(lèi)融合方法；分析消費(fèi)品風(fēng)險(xiǎn)源多危害耦合機(jī)理，提出消費(fèi)品安全危害源識(shí)別模型及其實(shí)現(xiàn)技術(shù)。（4）消費(fèi)品安全風(fēng)險(xiǎn)分析與評(píng)估方法體系研究。面向消費(fèi)品風(fēng)險(xiǎn)事件的確定性與隨機(jī)性規(guī)律，提出消費(fèi)品風(fēng)險(xiǎn)評(píng)估模型與技術(shù)方法。分析兒童用品、生活家電等典型消費(fèi)品特征，研究典型消費(fèi)品風(fēng)險(xiǎn)評(píng)估通用指標(biāo)與特定指標(biāo)的分類(lèi)分級(jí)技術(shù)與評(píng)估方法，建立消費(fèi)品風(fēng)險(xiǎn)評(píng)估復(fù)雜指標(biāo)體系。研究消費(fèi)品風(fēng)險(xiǎn)評(píng)估模型的應(yīng)用條件敏感性特征，研究消費(fèi)品風(fēng)險(xiǎn)評(píng)估模型的多群組適用性。（5）面向風(fēng)險(xiǎn)評(píng)估的數(shù)據(jù)集成和分析方法研究[8]。包括消費(fèi)品風(fēng)險(xiǎn)評(píng)估信息抽取方法研究、消費(fèi)品風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)集成技術(shù)研究、消費(fèi)品風(fēng)險(xiǎn)信息分析技術(shù)研究、消費(fèi)品風(fēng)險(xiǎn)評(píng)估知識(shí)服務(wù)技術(shù)研究。

以知識(shí)發(fā)現(xiàn)、機(jī)器學(xué)習(xí)等領(lǐng)域的現(xiàn)有的理論和方法為基礎(chǔ)，以消費(fèi)品質(zhì)量信息為研究對(duì)象，綜合運(yùn)用管理科學(xué)、計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)和概率論等多學(xué)科的研究方法，完成消費(fèi)品質(zhì)量信息大數(shù)據(jù)公共服務(wù)平臺(tái)技術(shù)支撐工作。具體如下：

（1）定性分析法。針對(duì)多種傷害耦合情景下消費(fèi)品風(fēng)險(xiǎn)識(shí)別結(jié)果互斥性科學(xué)問(wèn)題，利用文獻(xiàn)法與專(zhuān)家訪談座談法結(jié)合等方法，提取消費(fèi)品風(fēng)險(xiǎn)評(píng)估典型指標(biāo)及其表征方法，并開(kāi)展“未遂事件與已有案例等客觀數(shù)據(jù)、座談訪談等主觀數(shù)據(jù)”“產(chǎn)品檢測(cè)報(bào)告等生產(chǎn)方數(shù)據(jù)、問(wèn)卷調(diào)查等消費(fèi)者數(shù)據(jù)、網(wǎng)絡(luò)輿情等第三方數(shù)據(jù)”等多角度數(shù)據(jù)特征分析，進(jìn)而利用邏輯分析等方法開(kāi)展數(shù)據(jù)采集與融合等研究。

（2）情景模擬法。針對(duì)社會(huì)因素與技術(shù)因素疊加情景下消費(fèi)品風(fēng)險(xiǎn)分析復(fù)雜性問(wèn)題，利用頭腦風(fēng)暴、德?tīng)柗茖?zhuān)家調(diào)查等方法開(kāi)展多視角分析，抽象典型消費(fèi)品使用場(chǎng)景的主體行為特征、消費(fèi)品產(chǎn)品特征、消費(fèi)品使用環(huán)境特征，利用魚(yú)骨刺圖等分析T具開(kāi)展典型傷害場(chǎng)景情景推演，關(guān)注部件失效、異常交互、環(huán)境干擾等因素，進(jìn)而開(kāi)展主體、產(chǎn)品與環(huán)境間的復(fù)雜交互情景模擬原型構(gòu)建等方面的研究。

（3）仿真建模法。針對(duì)多源數(shù)據(jù)融合重構(gòu)情景下消費(fèi)品風(fēng)險(xiǎn)評(píng)估動(dòng)態(tài)性問(wèn)題，基于典型消費(fèi)品的傷害場(chǎng)景要素邏輯關(guān)系建立研究框架，依據(jù)歷史數(shù)據(jù)與專(zhuān)家調(diào)查等方式確定傷害場(chǎng)景的要素間關(guān)系概率，建立不同主體間的交互規(guī)則，構(gòu)建貝葉斯復(fù)雜網(wǎng)絡(luò)并利用開(kāi)展多主體演化關(guān)系分析推理，明確消費(fèi)品典型傷害演化機(jī)理與演化的影響因素，進(jìn)而開(kāi)展基于多主體的動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估模型的仿真建模研究。

（4）消費(fèi)品質(zhì)量信息融合方法研究。首先，為應(yīng)對(duì)消費(fèi)品質(zhì)量信息新特征，針對(duì)基于模式對(duì)齊的融合方法，分別研究了基于演化模型、基于概率模型和基于深度匹配的模式對(duì)齊融合方法。其次，基于啟發(fā)式規(guī)則和信息挖掘、非監(jiān)督學(xué)習(xí)等方法，針對(duì)所有可能的關(guān)聯(lián)鏈分析，研究檢測(cè)實(shí)體的語(yǔ)義關(guān)聯(lián)：采用近似函數(shù)依賴(lài)挖掘技術(shù)，結(jié)合多源異構(gòu)數(shù)據(jù)特征，提出新的相似性匹配算法；采用序列模式挖掘和匹配技術(shù)，基于行為和傳播模式，準(zhǔn)確識(shí)別實(shí)體。最后，采用識(shí)別函數(shù)進(jìn)行實(shí)體或?qū)傩约?jí)別的沖突解決，重點(diǎn)研究在實(shí)體級(jí)別的真假甄別和演化問(wèn)題。

（5）基于深度學(xué)習(xí)的跨組織跨行業(yè)消費(fèi)品質(zhì)量信息分析挖掘技術(shù)研究。首先，基于語(yǔ)義分析與跨組織間數(shù)據(jù)的遷移學(xué)習(xí)，結(jié)合深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)模型，從環(huán)境狀態(tài)、決策行動(dòng)，以及狀態(tài)之間的轉(zhuǎn)換規(guī)則等維度出發(fā)，探索語(yǔ)義分析與決策行為之間的演化與預(yù)測(cè)關(guān)系模型，進(jìn)一步運(yùn)用語(yǔ)義分析的結(jié)果支持決策行為。其次，融合沉浸式環(huán)屏可視化技術(shù)、人機(jī)交互技術(shù)，研究大規(guī)模、高維數(shù)據(jù)的可視化技術(shù)，使得大數(shù)據(jù)分析的結(jié)果能夠最大限度地服務(wù)于質(zhì)量安全監(jiān)管領(lǐng)域。

（6）基于多主體決策的多源異構(gòu)消費(fèi)品質(zhì)量信息知識(shí)服務(wù)研究。首先，通過(guò)分析消費(fèi)品質(zhì)量信息特征，基于Biterm主題模型的文本建模：其次，研究基于特征詞提取的知識(shí)導(dǎo)航，提H{多視角下的基于領(lǐng)域本體和成長(zhǎng)單元結(jié)構(gòu)算法（ GCS）的聚類(lèi)方法。最后，根據(jù)協(xié)同隱性相關(guān)反饋信息，研究基于深度Aulo -encoder神經(jīng)網(wǎng)絡(luò)的多維需求維度識(shí)別算法和基于堆疊去噪自動(dòng)編碼器的知識(shí)推薦算法。

5 結(jié)語(yǔ)

通過(guò)消費(fèi)品質(zhì)量信息大數(shù)據(jù)公共服務(wù)平臺(tái)的構(gòu)建，將有助于政府、行業(yè)、第三方社會(huì)組織和消費(fèi)者更好地了解消費(fèi)品質(zhì)量相關(guān)信息，提高應(yīng)對(duì)風(fēng)險(xiǎn)和突發(fā)狀況的能力：將為消費(fèi)品相關(guān)生產(chǎn)經(jīng)營(yíng)企業(yè)提供數(shù)據(jù)查詢服務(wù)，保障生產(chǎn)企業(yè)消費(fèi)品質(zhì)量，建立公平、優(yōu)質(zhì)、優(yōu)價(jià)的市場(chǎng)環(huán)境，進(jìn)一步激發(fā)市場(chǎng)活力和消費(fèi)潛力；將定期提供消費(fèi)品質(zhì)量信息發(fā)布，減少市場(chǎng)信息不對(duì)稱(chēng)，指導(dǎo)消費(fèi)者理性消費(fèi)，警示消費(fèi)者產(chǎn)品質(zhì)量安全信息；將為第三方社會(huì)組織提供專(zhuān)業(yè)化、個(gè)性化和多樣化的質(zhì)量信息服務(wù)；將為政府部門(mén)提供風(fēng)險(xiǎn)評(píng)估、輿情簡(jiǎn)報(bào)等服務(wù)，輔助政府及時(shí)應(yīng)對(duì)突發(fā)事件和熱點(diǎn)問(wèn)題。

參考文獻(xiàn)

[1]黃雨辰，童彤．基于Scrapy爬蟲(chóng)框架下電商數(shù)據(jù)分析[J]．安陽(yáng)師范學(xué)院學(xué)報(bào)．2021（5）：132-136．

[2]韓文立，張莉，程鵬飛．地理信息質(zhì)檢數(shù)據(jù)庫(kù)建設(shè)和應(yīng)用的技術(shù)探討[J]．測(cè)繪通報(bào)，2015（3）：94-96．

[3]鄧智文，何鑫星，李沖，等．信息化質(zhì)檢系統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)[J]．測(cè)繪科學(xué)．2017（9）：169-174．

[4] BALAZS J A，VELAQUEZ J D.（）pinion Mining andInformation Fusion：A survey[J].Information Fusion，2016（27）：95-110.

[5] BELL0 0.G，JUNG J.J，CAMACHO D.Social bigdata： recent achievements and new challenges [J].Information Fusion， 2016（ 28）： 45 -59.

[6]劉智慧，張泉靈．大數(shù)據(jù)技術(shù)研究綜述[J]．浙江大學(xué)學(xué)報(bào)（工學(xué)版），2014（6）：957-972．

[7]KAI S T.RICHARD S，CHRISTOPHER D.Improved semantic representations from tree -structuredlong shofi - term memory networks[J]. ComputerScience ，2015（3）：1212-1222.

[8]譚紅葉，要一璐，梁穎紅．基于知識(shí)脈絡(luò)的科技論文推薦[J]．山東大學(xué)學(xué)報(bào)（理學(xué)版），2016（5）：94-101.

（編輯傅金睿）