-
公开(公告)号:CN105303362A
公开(公告)日:2016-02-03
申请号:CN201510593976.9
申请日:2015-09-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于存储过程的Web签字流程的方法。签字流程的具体过程为:进行初始化;获取应用页面的参数,包括:业务流程表中文表名,主键字段,业务流程申请人所在部门;连接数据库,传入参数调用存储过程,得到更新后的签字流程表;读取更新后的签字流程表,更新应用页面;签字流程审批的具体过程为:进行初始化;获取应用页面的参数,包括:签字流程数据库表名,主键字段,主键字段值,当前签字者名称。连接数据库,传入参数调用存储过程,获取输出结果;如果输出结果非0,修改或者添加审批意见,如果为0不进行操作;读取更新后的签字流程表,更新应用页面。本发明具有操作简单、应用范围广的优点。
-
公开(公告)号:CN102402615B
公开(公告)日:2013-02-27
申请号:CN201110434707.X
申请日:2011-12-22
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于结构化查询语言语句的源信息追踪方法。首先将SQL语句按其不同的结构进行分类,之后对不同类型的SQL语句进行逆向处理,在得到源信息后将源信息进行存储,并在源信息上再次执行原SQL语句,与之前得到的结果集进行对比,得出结论。该源信息查询方法已经通过实际数据进行了验证,验证结果证明该方法与其他数据血缘方法相比,可以在原有SQL的基础上,直接对SQL语句进行处理,将其有效的转化成源信息查询语句,并成功查找到对应的源信息。本发明提供的数据追踪方法适用于关系数据库中源信息的查询,可应用在各领域中对源信息进行的查询和存储。
-
公开(公告)号:CN102799627B
公开(公告)日:2014-10-22
申请号:CN201210211474.1
申请日:2012-06-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据迁移、数据集成领域,具体涉及一种高匹配效率和准确率的基于一阶逻辑和神经网络的数据对应方法。本发明包括:(1)分析已完成匹配的数据模式;(2)将模式转换为表向量,存放在待匹配表训练集合中;(3)对集合中的表进行特征提取;(4)存储提取的表的特征。(5)对待匹配模式中的待匹配表进行匹配;(6)对已完成匹配的模式中的字段进行训练,修正字段的表示形式和建立的神经网络;(5)使用训练好的神经网络和修正后的字段表示格式,对已完成匹配的表进行字段匹配。本发明减少了在数据对应过程中的时间,提高了匹配的效率和准确率。
-
公开(公告)号:CN102402615A
公开(公告)日:2012-04-04
申请号:CN201110434707.X
申请日:2011-12-22
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于结构化查询语言语句的源信息追踪方法。首先将SQL语句按其不同的结构进行分类,之后对不同类型的SQL语句进行逆向处理,在得到源信息后将源信息进行存储,并在源信息上再次执行原SQL语句,与之前得到的结果集进行对比,得出结论。该源信息查询方法已经通过实际数据进行了验证,验证结果证明该方法与其他数据血缘方法相比,可以在原有SQL的基础上,直接对SQL语句进行处理,将其有效的转化成源信息查询语句,并成功查找到对应的源信息。本发明提供的数据追踪方法适用于关系数据库中源信息的查询,可应用在各领域中对源信息进行的查询和存储。
-
公开(公告)号:CN116450854A
公开(公告)日:2023-07-18
申请号:CN202310560444.X
申请日:2023-05-17
Applicant: 哈尔滨工程大学
IPC: G06F16/36 , G06F16/9535 , G06Q30/0207 , G06Q30/0601
Abstract: 一种基于电子商务优惠券领域知识图谱的推荐系统及方法,涉及知识图谱与推荐技术领域。本发明是为了解决现有商务优惠券推荐方法还存在无法为新用户推荐、推荐可靠性及准确率低的问题。本发明包括:构建当前电商平台用户对应的知识图谱,获得知识图谱库;获取当前用户信息,并判断当前用户是否为新用户;获取当前用户对应的知识图谱,利用当前用户对应的知识图谱获取用户‑优惠券列表,从而进行优惠券推荐信息;获取新用户输入的老用户信息,并在知识图谱库中获取老用户对应的知识图谱;利用老用户对应的知识图谱和当前新用户对电商平台热门商品的打分情况构建新用户知识图谱,然后获取优惠券推荐信息。本发明用于推荐电子商务优惠券。
-
公开(公告)号:CN102799627A
公开(公告)日:2012-11-28
申请号:CN201210211474.1
申请日:2012-06-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据迁移、数据集成领域,具体涉及一种高匹配效率和准确率的基于一阶逻辑和神经网络的数据对应方法。本发明包括:(1)分析已完成匹配的数据模式;(2)将模式转换为表向量,存放在待匹配表训练集合中;(3)对集合中的表进行特征提取;(4)存储提取的表的特征。(5)对待匹配模式中的待匹配表进行匹配;(6)对已完成匹配的模式中的字段进行训练,修正字段的表示形式和建立的神经网络;(5)使用训练好的神经网络和修正后的字段表示格式,对已完成匹配的表进行字段匹配。本发明减少了在数据对应过程中的时间,提高了匹配的效率和准确率。
-
-
-
-
-