公开(公告)号：CN113971204B

公开(公告)日：2024-12-10

申请号：CN202111262052.2

申请日：2021-10-28

Applicant: 安徽工业大学科技园有限公司

Inventor： 邰伟鹏 ,  赵佳俊 ,  李伟 ,  陈业斌 ,  王小林

IPC: G06F16/33 ,  G06F16/335 ,  G06F40/289 ,  G06V10/74 ,  G06F9/54 ,  G06F18/22

Abstract: 本发明公开了一种基于Hadoop生态的论文实时推荐与离线推荐互补方法，属于大数据推荐领域，本发明使用Hadoop生态中的数据仓库Hive存储论文数据，对论文标签进行分词，以向量化方式分层保存在数据仓库中；引入离线计算引擎MapReduce对数据计算离线推荐结果；引入流计算引擎Spark Streaming实时采集Kafka中的论文数据，并进行分词、向量化表示后，与Spark SQL读取Hive数仓中论文向量化数据计算实时推荐结果。本发明专利结合推荐算法和Hadoop生态不仅有效解决海量论文推荐问题，提升论文推荐实时性，同时根据论文分类号修正相似度计算来提升推荐准确度，优化论文推荐结果。

公开(公告)号：CN116303026B

公开(公告)日：2024-01-23

申请号：CN202310271213.7

申请日：2023-03-20

Applicant: 安徽工业大学

Inventor： 王桐 ,  陈业斌 ,  李雪

IPC: G06F11/36 ,  G06F8/71

Abstract: 本发明涉及软件度量与评估技术领域，具体涉及一种基于演进历史的软件架构腐化预测方法、装置及设备，其中方法包括如下步骤：基于演进历史提取软件架构每次演进所执行的演进操作，按所述演进操作在演进中的功能分类记录所述演进操作的类型及数量；计算演进前后所述软件架构的质量属性并基于其计算所述软件架构的腐化度；基于所述演进操作、所述质量属性和所述腐化度构建腐化预测模型；提取预演进软件架构的信息，其中，所述信息包括所述预演进架构的演进操作和质量属性；基于所述腐化预测模型和所述信息计算所述预演进架构的腐化度。本发明从软件架构的特性、质量及演进方案出发预测其腐化，使预测结果具有较高的针对性、直观性和准确性。

公开(公告)号：CN116048615B

公开(公告)日：2023-08-25

申请号：CN202310047166.8

申请日：2023-01-31

Applicant: 安徽工业大学

Inventor： 王桐 ,  陈业斌 ,  李雪

IPC: G06F8/75 ,  G06F8/41 ,  G06F8/30

Abstract: 本发明涉及程序分析领域，提供一种基于自然语言处理的分布式程序切片方法、装置、设备和存储介质，包括如下步骤：利用自然语言处理技术提取及分析程序源代码所使用的分布式通信包中的具有通信功能的接口，并依据接口功能对其分类；基于所述程序源代码构造程序依赖图；基于所述通信接口和所述程序依赖图构造分布式程序依赖图；基于所述分布式程序依赖图计算分布式程序切片。本发明利用自然语言处理技术自动提取和识别通信接口并构造分布式程序依赖图，从而达到高效且精准计算分布式切片的效果。

公开(公告)号：CN116303026A

公开(公告)日：2023-06-23

申请号：CN202310271213.7

申请日：2023-03-20

Applicant: 安徽工业大学

Inventor： 王桐 ,  陈业斌 ,  李雪

IPC: G06F11/36 ,  G06F8/71

Abstract: 本发明涉及软件度量与评估技术领域，具体涉及一种基于演进历史的软件架构腐化预测方法、装置及设备，其中方法包括如下步骤：基于演进历史提取软件架构每次演进所执行的演进操作，按所述演进操作在演进中的功能分类记录所述演进操作的类型及数量；计算演进前后所述软件架构的质量属性并基于其计算所述软件架构的腐化度；基于所述演进操作、所述质量属性和所述腐化度构建腐化预测模型；提取预演进软件架构的信息，其中，所述信息包括所述预演进架构的演进操作和质量属性；基于所述腐化预测模型和所述信息计算所述预演进架构的腐化度。本发明从软件架构的特性、质量及演进方案出发预测其腐化，使预测结果具有较高的针对性、直观性和准确性。

公开(公告)号：CN118134203A

公开(公告)日：2024-06-04

申请号：CN202410457379.2

申请日：2024-04-16

Applicant: 安徽工业大学科技园有限公司

Inventor： 邰伟鹏 ,  谢棋 ,  胡胜 ,  陈业斌 ,  李伟

IPC: G06Q10/0631 ,  G06Q10/04 ,  G06F17/16

Abstract: 本发明公开了一种基于矩阵差额法的任务最优分配方法，属于管理科学和工程领域，该方法综合考虑了仪表任务的紧急程度、工作难度、优先级因素以及人员的工作负荷、经验和能力等因素。通过熵权法对各因素进行计算，制定一个任务和人员的二维效益矩阵。在这个基础上，通过在原效益矩阵上求解差额矩阵，可以找到最优解，实现最佳的任务分配。该方法适用于各种标准型以及非标准型任务分配问题。无论是任务的类型多样性还是人员的能力差异性，该方法都能有效地处理并得到最优解决方案，该方法具有广泛的适用性和可扩展性。