刘学敏 作品数:21 被引量:48 H指数:5 供职机构: 中国科学院计算机网络信息中心 更多>> 相关领域: 自动化与计算机技术 文化科学 更多>>
基于Activiti流程管理关键技术设计与实现 被引量:5 2016年 Activiti是用于管理业务流程的工作流引擎,它的使用降低了复杂业务流程开发与维护的难度。但在实际应用中,流程节点无法自由跳转,给管理和使用带来诸多不便。本文研究了Activiti中的系统框架和接口,基于现有接口设计实现了流程节点自由跳转功能,并进行了框架整合。测试结果表明,该功能满足各项既定功能需求,具有一般性,可满足实际工作中相关要求。 李秋荻 李翀 李华飚 刘学敏关键词:工作流引擎 一种高效的Redis Cluster的分布式缓存系统 被引量:14 2018年 为了满足大型互联网应用对高并发访问、快速响应、动态扩展、易维护性等需求,本文基于Redis 4.0设计并实现了一种Redis Cluster分布式缓存系统,集成了可视化开源工具CacheCloud对该系统进行实时监控和高效管理,基于官方Redis-Bechmark进行了QPS性能测试,并与Codis分布式缓存系统进行了对比.实验结果表明Redis Cluster各功能高效运作,性能优越,在并发访问数10 000以上时响应时间明显优于Codis. 李翀 刘利娜 刘学敏 张士波关键词:分布式缓存 REDIS CLUSTER 基于爬虫的数据监控系统 被引量:6 2017年 近年来,随着互联网技术的快速发展,云计算服务开始全面普及,大型互联网公司以及中小型企业已经开始提供自己的云计算服务,中国科学院也提供了云计算服务平台——中科院"科技云".本文针对中国科学院"科技云"项目的实际需求,参考已有商业云监控系统的功能和运行模式,设计并实现了一种基于爬虫的数据监控系统.该系统相比商业云监控系统,支持URL(布尔)类型数据监测的同时,增加了对数值类型、文本类型的监测,更好的支持第三方服务的监测,并实现了服务故障警报,监测数据可视化以及监测数据分布式存储. 董博 李翀 刘学敏 董科军关键词:数据监控 网络爬虫 云计算 分布式 基于图神经网络的科研知识图谱人才推荐方法及装置 本发明公开了一种基于图神经网络的科研知识图谱人才推荐方法及装置,包括:抽取待处理科研成果论文数据中各实体的实体特征与实体之间的关联关系信息,建立科研知识图谱;依据实体特征,构成各节点的统一特征表示;通过统一特征表示与关联... 李翀 王宇宸 刘学敏 张金杰 张士波文献传递 一种基于数据缓冲区的跨域数据按需交换方法与系统 本发明公开了一种基于数据缓冲区的跨域数据按需交换方法与系统。本方法为:在高保护等级区域和一般保护等级区域之间建立一个数据缓冲区,其包含用于缓存数据的缓冲区数据库及其数据服务接口;在缓冲区数据库中建立若干个用于存储交换数据... 刘学敏 李翀 何晓涛 张士波 王安宇一种海量数据文件高效持续受控共享分发方法及系统 本发明公开了一种海量数据文件高效持续受控共享分发方法,其步骤包括:1)选取多个服务器作为接收数据的文件服务器,选取一服务器作为中央服务器,其上设置一数据库,包含一数据文件信息表、一用户表、一用户数据文件类别授权表、一用户... 何晓涛 刘学敏 李翀 柯勇 曾丹基于图神经网络的科研知识图谱人才推荐方法及装置 本发明公开了一种基于图神经网络的科研知识图谱人才推荐方法及装置,包括:抽取待处理科研成果论文数据中各实体的实体特征与实体之间的关联关系信息,建立科研知识图谱;依据实体特征,构成各节点的统一特征表示;通过统一特征表示与关联... 李翀 王宇宸 刘学敏 张金杰 张士波文献传递 一种基于数据缓冲区的跨域数据按需交换方法与系统 本发明公开了一种基于数据缓冲区的跨域数据按需交换方法与系统。本方法为:在高保护等级区域和一般保护等级区域之间建立一个数据缓冲区,其包含用于缓存数据的缓冲区数据库及其数据服务接口;在缓冲区数据库中建立若干个用于存储交换数据... 刘学敏 李翀 何晓涛 张士波 王安宇基于Hive的高可用双引擎数据仓库 被引量:10 2019年 打破信息孤岛,整合异构数据,汇聚共享交换,深度分析挖掘,提供行业领域辅助决策和态势分析具有深远的理论和应用价值.本文以中国科学院教育科研态势感知服务的实际需求为牵引,设计并实现了一套基于Hive的Hadoop/Spark双计算引擎大数据仓库,支持多种方式OLAP分析,进行了可用性、负载均衡、资源管理的优化设计,为后续进行全院数据汇聚挖掘、知识图谱构建、学科态势分析提供了平台支撑.实验表明,系统灵活高效,高可用可扩展,资源调度科学,负载均衡效果明显. 李翀 张彤彤 杜伟静 刘学敏关键词:数据仓库 高可用 OLAP HADOOP 基于Web of Science的PageRank人才挖掘算法 被引量:4 2021年 高水平论文是优秀科技人才的标志性成果之一。聚焦"Web Of Science(WOS)"热点研究学科,在构建学术论文语义Neo4j网络图和挖掘出活跃科研社区基础上,利用PageRank人才挖掘算法实现对科研社区中优秀科研人才的挖掘。首先,对现有的人才挖掘算法进行详细研究和分析;其次,结合WOS论文数据对PageRank人才挖掘算法进行了优化设计和实现,加入了论文发表的时间因子、作者署名排序递减模型、周围作者节点对当前节点的影响、论文被引用量等多维度考量因素。最后,基于热点学科计算机科学某社区近五年的论文数据进行了实验和验证。结果表明,基于社区的挖掘更具有针对性,能够快速定位各学科代表性优秀和潜在人才,且改进后的算法对人才的发现更加客观有效。 李翀 王宇宸 杜伟静 何晓涛 刘学敏 张士波 李树仁关键词:PAGERANK算法