公开(公告)号：CN104679482A

公开(公告)日：2015-06-03

申请号：CN201310607368.X

申请日：2013-11-27

Applicant: 北京拓尔思信息技术股份有限公司

Inventor： 施水才 ,  付成睿

IPC: G06F9/44 ,  G06F9/50

Abstract: 本发明提供的基于OSGI的ETL处理装置，包括：流程设计器和流程执行引擎。其中，流程设计器由节点中心、控制策略和触发器模块组成，流程执行引擎由处理中心、执行策略和流程管理模块组成。任意模块基于OSGI平台，并由其为模块创建独立的运行环境。节点中心负责所有节点及其属性的预定义，控制策略定义了节点间的关系及触发方式，触发器向引擎发送任务请求。处理中心负责任务的执行及执行时的调度，执行策略有单线程串行、多线程并行以及条件判断，实现时基于缓存机制利用数据分发与复制技术。此外，本发明还提供了基于OSGI的ETL处理方法。通过本发明的技术方案，可以有效提高子任务的重用性，提高数据吞吐量及处理效率。

公开(公告)号：CN105590082A

公开(公告)日：2016-05-18

申请号：CN201410563687.X

申请日：2014-10-22

Applicant: 北京拓尔思信息技术股份有限公司

Inventor： 施水才 ,  程涛

IPC: G06K9/00 ,  G06K9/20

Abstract: 文档图像识别方法，包括图像预处理、获取图像连通区域、连通区域特征抽取、文档图像判别，图像连通区域的获取借助了聚类的思想，应用8连通准则，对灰度值为0和255的像素点分别聚类，准确识别连通区域。连通区域特征包括形状特征、颜色特征，主要分三种方式抽取，依次为疑似字符识别、一致性字符发现、真实字符判断，特征抽取简洁、复杂度低。实现了文档图像的准确、高效的识别，解决了文档图像识别性能低下的问题。

公开(公告)号：CN103577418A

公开(公告)日：2014-02-12

申请号：CN201210256159.0

申请日：2012-07-24

Applicant: 北京拓尔思信息技术股份有限公司

Inventor： 王洪俊 ,  肖诗斌 ,  施水才

IPC: G06F17/30

Abstract: 一种海量文档分布式检索排重系统，包括文档预处理模块、文档特征计算模块、分布式建库模块、存储模块、分布式检索模块、相似度计算模块。文档特征计算模块根据词对文档的重要程度计算文档特征向量。分布式建库模块根据文档特征向量将文档映射到不同的存储分区。分布式检索模块检索目标文档所属的若干个分区，相似度计算模块计算目标文档与这若干个分区中所有文档的相似度，从而实现海量文档分布式排重操作。所提供的海量文档分布式检索排重系统和方法，借助了分布式系统的思想，将海量文档集分散到若干个子集中，使得排重计算在1个或少数几个子集中进行，减少了相似度计算量，提高了文档排重效率。