一种基于工作流的通用ETL工具的过程模型生成方法

    公开(公告)号:CN107391611A

    公开(公告)日:2017-11-24

    申请号:CN201710536250.0

    申请日:2017-07-04

    Abstract: 本发明公开了一种基于工作流的通用ETL工具的过程模型生成方法,在ETL概念模型的基础上进行抽象,完成整个ETL的控制以及任务的定时执行和调度,建立基于工作流的ETL模型,在此基础上构建ETL流程的有向图,通过集成变换、分解、合并、串行化、并行化、添加还原点、分流和复制八种State变换方式,使得ETL过程在经过恰当的变换之后,变成一个执行效率更高的新ETL过程。基于工作流的ETL系统的概念模型,不同于传统的ETL模型,它屏蔽了底层的具体数据抽取、转换和加载步骤,当业务发生改变时,用户只需要修改ETL流程图即可。大大提高了开发效率,减少开发成本,真正的实现了数据仓库和数据集成平民化。

    一种基于工作流的通用ETL工具的过程模型生成方法

    公开(公告)号:CN107391611B

    公开(公告)日:2019-11-12

    申请号:CN201710536250.0

    申请日:2017-07-04

    Abstract: 本发明公开了一种基于工作流的通用ETL工具的过程模型生成方法,在ETL概念模型的基础上进行抽象,完成整个ETL的控制以及任务的定时执行和调度,建立基于工作流的ETL模型,在此基础上构建ETL流程的有向图,通过集成变换、分解、合并、串行化、并行化、添加还原点、分流和复制八种State变换方式,使得ETL过程在经过恰当的变换之后,变成一个执行效率更高的新ETL过程。基于工作流的ETL系统的概念模型,不同于传统的ETL模型,它屏蔽了底层的具体数据抽取、转换和加载步骤,当业务发生改变时,用户只需要修改ETL流程图即可。大大提高了开发效率,减少开发成本,真正的实现了数据仓库和数据集成平民化。

    一种基于监督式学习的自适应竞价预测方法

    公开(公告)号:CN109034940A

    公开(公告)日:2018-12-18

    申请号:CN201810605643.7

    申请日:2018-06-13

    CPC classification number: G06Q30/0611 G06Q50/06

    Abstract: 本发明公开了一种基于监督式学习的自适应竞价预测方法,包括如下步骤:建立自回归与监督式学习结合的时间序列预测模型;将现有观测量进行非线性处理,模拟用户行为变化惯性;增加递进的带加权的历史样本考量,模拟用户对市场适应的过程;运用多重线性理论来减少特征值数量,引入正则化参数来削减训练的参数绝对值;依次进行需求侧曲线预测和供给侧曲线预测,计算出出清结果;进行结果合理性判别,判别是否竞价情况优于前一时间节点,若是则判定为充足,输出市场预测结果和供给需求两侧报价预测,否则判定为不足,再进行收敛性判别;若判定收敛,则进行辅助反馈变量更新,监督预测模型价格往指定方向移动,并转入步骤SS2,否则提示预测失败。

Patent Agency Ranking