引論：我們為您整理了13篇云計算理論論文范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
篇1
1.2云計算檔案管理服務的主要任務
檔案資源建設是檔案服務創新中的基礎，把檔案收好、管好、用好。企業的檔案管理既有非保密性的也有保密性的，對于不同的檔案可以通過不同的級別進行管理和創新。比如關于非保密性的檔案，我們可以通過市場的形式來運作，以達到方便群眾的目的；而對于保密性檔案，我們則需要按照管理級別和權限實現網絡管理，或以銀行系統的內部網管理模式存在，或以嚴格的加密形式存在，以防止機密檔案泄密。
2.基于云計算檔案管理服務的創新
2.1云計算檔案管理的制度化
在對檔案管理制度的建立過程中，檔案管理的主要原則是進行制度化，隨著檔案室內部網絡的建設，便可以充分的利用網絡技術提高檔案管理的服務性，及時上傳檔案數據，讓檔案信息能夠第一時間查閱到，為用戶提高更優的服務。檔案管理中另一個重要方面是對檔案進行評估，健全檔案管理各個方面的內容，不斷的豐富檔案管理中的內容。不僅如此，我們還要組建專業的檔案管理人員，在管理人員中組織進行嚴格的檔案管理工作的培訓，包括整個流程各個方面的培訓，充分認識檔案管理工作的重要性。而作為檔案管理者，一定要加快檔案數據庫的建設，以便有效的實現檔案的管理和利用。
2.2實現資源共享
在構建云計算檔案管理服務后，管理者可以將檔案信息儲存到云計算中，通過自身優勢實現數據信息共享。在對檔案管理開展的過程中，要創新管理觀。在實現資源共享的檔案管理服務過程中，要根據人們生活中的需要進行調節，對部分的資源不足的現象進行補充，更大程度地讓所擁有的資源進行共享，為企業提供所需要的資源，同時享受到更加全面的服務，實現信息利用的最大化。
2.3確保信息儲存的安全性
檔案信息安全是信息時代重要的課題，這也是現代信息技術重點研究的目標。檔案管理運用云計算管理方式，可以更好的將檔案管理服務中的各個平臺整合起來，讓他們共同的發揮作用，更好的為企業提供業務訪問和數據傳輸功能。它將用戶數據傳輸到云端，保證數據的安全可以在多個服務器中打開的方式進行儲存，可以隨時獲取想要的數據，保證檔案管理服務同時更加確保了數據的安全性。
2.4制定靈活的服務模式
基于云計算機的檔案管理服務平臺可以根據需要制定相應的應用，滿足不同的需求，同時在制定相應的服務的時候，若感覺不滿意可以隨時進行退訂。同時檔案管理是一種管理和知識意識的工作，隨著社會的發展，檔案管理工作人員應該不斷的加強檔案管理意識，主要就是建立檔案管理人員要通過學習不斷地實踐鞏固，并樹立正確的人生觀和價值觀。還應要求檔案管理人員認真學習有關法律，了解檔案的真實面貌。同時要熟練的掌握檔案管理工作的技術，不斷優化自身的專業性，并在此時適當提高檔案管理人員待遇，激發他們工作積極性。
2.5高層次智能的服務
在信息技術不斷發展的今天，人們的需求也逐漸多樣化，想要得到用戶的支持，就必須滿足企業的各項需求，而云計算的檔案管理平臺具有這樣的特色，使得用戶操作起來更加容易，并且能夠迅速快捷地搜索到需求的信息資源，也因此在一定程度上增加了使用網絡搜索信息的用戶。除此之外，基于云計算的管理服務還能共享重要信息，將有效的信息展現在用戶的眼前，讓用戶享受到高層次的服務。值得注意的是，還需構建智能跟蹤平臺來加強這些服務內容，根據用戶的喜好和習慣將所需要的信息推送給用戶，充分的體現出服務的人性化，通過高層次智能的服務體現云計算的檔案管理的優勢，增加用戶對云計算的檔案管理的創新理念。
2.6針對性的服務
當今已處于計算機信息化社會，檔案管理是社會信息的財富，對于檔案室也就不再是單純的收藏機構，更確切地說應該是檔案信息的聚集的地方，通過信息的交流來促進社會的進一步發展。云計算的檔案管理平臺可以根據企業需要設置具有針對性的服務，通過對用戶的需求和個性設置所需要的服務，加強讀者自身的質量，以這樣的形式更加的體現檔案管理的服務功能，而且多樣化的服務使得云計算的檔案管理的服務功能得到更高的提升。
篇2
1.2云計算發展現狀
2009年是“云計算”元年。該年初，MichaelStephens就預測云計算跟圖書館的管理有著密切的聯系，與此同時，云計算很榮幸地登上十大技術趨勢的榜首。而在美國的ALA網站上，也有很多關于云計算的介紹，這是云計算在圖書館管理領域應用的第一步。國內圖書館很早就對云計算有著密切的關注。2008年，上海圖書館研究人員劉煒提出了亞馬遜的云計算（收錄在《關于中外圖書館事業和理論研究》一書中），他指出云計算可以讓圖書館人員更加專注自己的業務，可以從互聯網的束縛中掙脫出來，并且提高服務的質量，擴大協作的范圍以及減小使用的難度系數。劉煒又在2009年《圖書館前沿技術論壇》中提出“圖書館進入了云計算機時代，選擇的解決方案要適合現在技術的發展”。圖書館學者施海燕和范并思也都指出，圖書館應該重視云計算的應用，并且接受云計算給圖書館帶來的各項挑戰和機遇。
2圖書館面臨的機遇和挑戰
2.1云計算給圖書館管理帶來的機遇
圖書館需要面臨很多問題，數字化的建設需要投入大量經費，而圖書館的常規經費非常有限，這就使得圖書館的資金投入有所欠缺。缺少維護經費，就會造成圖書館設備老化和網絡傳輸速度較慢的現象。而云計算的投入使用可以降低圖書館數字化建設的成本，使圖書館的設備得以維護，還可以提高網絡傳輸的速度。除了數字化建設成本上的縮減，云計算還促使圖書館只需要連接互聯網就可以使用相應的軟件系統，讓圖書館跟大容量的存儲設備和服務器說再見，縮減了設備維護人員，給圖書館提供了更多的資金利用空間。目前人們的閱讀形式不再單單是通過紙質印刷物來獲取信息，還有一種更新潮的方式，就是服務商將書本的版權買回并通過數據庫推送上網，讀者可以付費或者免費閱讀。這就是通過云計算的方式，將數字資源轉變成可以直接閱讀的形式。這種利用云計算提供多種數字資源的方法給讀者帶來了很多便利，也有越來越多的人接受并且喜歡這種閱讀方式。盡管很多圖書館中的書籍等文獻資料已經非常全面，但是總會有讀者找不到的相關資源，這就可以利用云計算在全國各高校和公共圖書館之間建立一個信息共享平臺，除了本館可以利用，還可以通過這個信息共享平臺查閱到其他圖書館的館藏資源。信息共享不僅滿足了讀者的需要，還豐富了圖書館的資源儲備，同時降低了圖書館的運營成本。
2.2云計算給圖書館帶來的挑戰
雖然云計算給圖書館管理帶來了很大的便利，但是云計算給圖書館帶來的挑戰也不容忽視。
2.2.1圖書館中的數據資源可以通過云計算實現共享，但也由此產生了數據安全的問題。加大圖書館信息數據安全設施是首先要注意的問題，也是云計算給圖書館帶來的首要挑戰。信息數據安全設施的建設核心是公鑰基礎設計的建設，公鑰基礎設計就是利用數字簽名以及公鑰加密的平臺，由數字證書、證書發放機構、公開秘鑰密碼技術和公開密鑰相關的安全策略這幾個部分組成。公鑰基礎設計的建設可以使圖書館在多種環境中使用加密以及數字簽名技術，那么用于云計算傳輸的資料數據就不會被偷看和篡改。從而為云環境下的圖書館提供了一個安全的網絡環境。
2.2.2云計算模式下的圖書館存在著很大的安全隱患，這也是圖書館需要面臨的另一大挑戰。因為云計算的跨組織性、動態性以及異構性，不可能讓每個用戶使用云資源前都要進行身份驗證。圖書館可以構建一種統一登錄身份驗證的方式，只要進行一次身份驗證，用戶就可以訪問其他的云資源，不用再次進行身份驗證。
2.2.3云環境下的圖書館需要對大量用戶信息資料進行管理，這種管理工作也非常繁瑣，同時涉及權限、知識產權等問題。對此，我們可以采取相應的管理措施，可以通過專門的數據管理技術，利用列存儲的管理方式進行數據管理，可以有效提高圖書館用戶信息資料管理的應用效率。
2.2.4圖書館在運用云技術后，用戶可以便捷地獲得需要的信息資源，雖然這種方式有效實現了信息產品的社會價值，卻失去了其商業價值。我們可以通過協商制定一個相應的協議，將云資源進行等級劃分，設定不同層次的訪問權限，制定不同層次的計費標準，通過這種模式提高信息產品的商業價值。
2.2.5各高校圖書館以及公共圖書館應該制定一套關于云計算應用的相關標準，還要對MSP的開放性、標準化、保密級別、安全性、企業誠信、可持續發展加以研究，便于圖書館對云計算的研究及管理，有效保障圖書館信息資源的安全以及圖書館的基本利益。
2.2.6圖書館可以自由選擇IT供應商，而圖書館在轉換IT供應商時也需要有轉換中的技術標準。隨著云計算的發展，很多IT企業都在自己的技術標準上建立了屬于自己企業應用的“私有云”，這種方式欠缺兼容性，在不同模式中也不可以互相操作。這一點是云計算給圖書館帶來的新型挑戰之一，如何實現云計算的共同發展是一個應該重視的課題。
篇3
（二）數據的種類繁多。
一般應用云計算技術的領域都是涉及到這個領域的各個不同方面的數據，對于這種數據若是通過傳統的方式進行整合處理，其工作量巨大，且分析的有效性有待考量，而通過云計算技術就可以實現對同一領域的不同數據的有效整合，分析出切實有效的數據。
（三）數據的處理速度快。
云計算技術將各個方面的數據進行搜集，通過后臺操作，可以實現一秒處理這樣的高效率運行，極大的提高的數據的處理速度，實現了現代管理的效率化運行。
二、目前圖書館管理在云計算背景下面臨的挑戰
隨著云計算技術的廣泛應用，在現代化圖書館管理模式中的應用越來越廣泛，云計算技術的特點有效的解決了傳統人工管理存在的工作量大、數據計算難度大等突出的問題，大大的提高了圖書館管理工作的效率，但是由于技術能力、設備水平及人員素質等方面的影響，云計算在現代化的圖書館管理中還存在著很多的問題，其面臨的挑戰具體表現為以下幾個方面：
（一）云計算技術的發展使圖書館管理面臨著大量的人才缺口。
云計算技術是一種高端的數字化技術，對其的操作需要具有一定水平的技術人員，但是目前大多數的圖書館管理人員一般都是市場雇傭員工，他們的知識水平和技術能力都不太高，對于現代化的數字技術存在著一定的盲區，不能夠有效的操作現代技術設備，使云計算技術在圖書館管理中的應用面臨很大的阻礙。
（二）云計算技術的發展使圖書館管理面臨著巨大的硬件、軟件建設資本投入。
云計算是現代計算技術的又一次騰飛，其具有著存儲數據大、處理速度快等優勢，目前現在圖書館中應用的計算機等一系列的硬件軟件的功能都不能適應云計算的要求，為了有效的擴大云計算技術在圖書館管理中的應用就必須要對現代的設備進行更新換代，引進適宜的、先進的現代化的云計算處理設備。
（三）云計算技術的發展使圖書館管理面臨著一定的安全問題的挑戰。
目前大多數的圖書館應用的還是傳統的計算機處理管理模式，對于數據的安全性和可靠性沒有形成一定的保護措施，這使大多數的圖書館經常會發生一些數據遺失或被盜等問題，隨著云計算技術的投入應用，圖書館管理的安全性就會有一個質的提高，各項數據統一管理、集中處理，大大的降低了數據流失的可能性。
三、完善圖書館管理過程中的云計算技術支持措施
為了有效的提高圖書館管理技術的水平，我們目前大多數的圖書館管理者都在逐步的加強云計算技術在管理過程中的應用范圍，總的來說云計算技術對于完善圖書館管理水平的支持主要是包括基礎服務層、數據分析層和終端層這三個技術平臺，為了能夠使云計算技術更好的適應現代化圖書館管理的要求，我們可以從以下三個方面的發展來加強技術的支持：
（一）基礎服務層。
這是數據的分析層和終端的層的基礎設施，它的主要目的是利用現有的云計算技術，對涉及的不同的類型的數據進行整合分析，同時對異構的數據進行存儲，從而保障數據的安全、穩定。在圖書館管理過程中，我們首先就應該加強對這一技術的發展，大大的擴大數據的數量，把一些圖書館中的信息轉換成電子數據信息，從而上傳到存儲設備中，加大基礎服務層的信息量。
（二）數據分析層。
這一層面的技術主要是結合著服務層面存儲的數據和圖書館管理的實際需求，利用數據分析功能和數據的挖掘技術，對所存儲的信息進行處理、分析，從而產生切實有效的決策或者是判斷數據，實現數字化的圖書館管理水平。這一層面技術的保障工作就是我們必須要不斷地對圖書館管理的實際需求進行調查更新，從而使數據分析的依據更加的切實有效。
（三）終端層。
終端層主要是將數據分析層傳輸回的數據分析結果到云終端之上，我們可以根據不同的要求，提供不同的分析結果從而使服務對象能夠更加容易的使用和理解，準確的找到與需求相對應的功能入口。
篇4
科學工作流由工作流管理系統提交和管理，工作流管理系統駐留在提交主機，協調調度工作的流執行。工作流管理系統將工作流中的任務分配到虛擬機的工作節點，任務的執行所需要的數據可以從一個或多個輸入數據存儲點輸入。中間文件在工作流執行期間駐留在數據暫存站點。當工作流結束時，工作流管理系統刪除中間數據，同時將輸出文件從暫存站點轉存到輸出站點，然后永久性保存。根據工作流管理系統和目標執行環境的不同，多個數據站點可以協同工作。例如，在輸入數據已經駐留在計算節點的情況下，該計算節點和輸入點是相同的。圖2顯示了具有兩個任務的工作流，來說明工作流所需的文件是如何在邏輯上獨立的站點之間移動的。
3對象存儲應用于科學工作流中的數據管理
對象存儲系統主要包括存儲服務器、元數據服務器、客戶端等組成部分，其核心思想是將數據的讀和寫與元數據存儲分離，如圖3所示。存儲服務器主要負責數據存儲、智能的數據分布以及每個對象元數據的管理;元數據服務器主要提供對象存儲訪問、文件和目錄訪問管理以及客戶端緩存的一致性管理等功能。為了提供可擴展的可靠服務，對象存儲器的內部結構非常復雜。例如，亞馬遜的簡單存儲服務(S3)［12］通過REST(RepresentationalStateTransfer)、SOAP(SimpleObjectAccessProtocol)和APIs(ApplicationProgrammingInterfaces)提供檢索和刪除操作;它將一個對象的多個副本布局在存儲服務器上以提供錯誤情況下的冗余。很多網格存儲服務和為數據密集型應用設計的協議可以認為是對象存儲，這種架構對構建來自不同的執行環境的數據管理模式而言具有重要的借鑒意義。針對面向大數據工作流，利用對象存儲的優點，本文提出兩個方案:一是工作流中的3類數據文件都使用遠程的對象存儲;二是在計算節點上使用共享文件系統作為數據暫存點來存儲中間數據。
3.1單獨使用對象存儲
在這種情況下，所有的數據都存儲在對象存儲系統中，工作流管理系統需要從對象存儲中無縫檢索數據，為本地工作流任務使用。在這樣的設置中，工作流管理系統從對象存儲中檢索輸入文件和中間文件，然后，工作流中的任務對本地的POSIX文件系統做必要的輸入/輸出設置，任務完成時，工作流管理系統能夠將中間數據和輸出數據存儲到對象存儲中。這樣，即使工作流被部署在分布的資源上，科學應用只需要對POSIX做常規的輸入/輸出設置，就能完成工作流的執行。工作流管理系統與對象存儲的多次交互增加了工作流執行的開銷，而該開銷與分布資源上的計算相比并不算大。對象存儲中既有輸入數據也有中間數據，只要工作流系統與對象存儲能夠無縫檢索和存儲，那么任務執行可以在任何地方。如圖4中，任務t1可以在校園計算機集群上完成，而屬于同一工作流的任務t2可以在亞馬遜的EC2上完成，t1、t2使用亞馬遜的S3對象存儲作為中間數據文件的暫存。總之，數據存儲和執行環境的分離，使得工作流在分布資源上的執行更為容易。一個常見的情況是，當計算需求超過本地或校園計算所提供的資源時，將使用云資源。圖4也說明了工作流的數據移動情況。在這里，文件F-i被傳送到云中的高性能計算集群工作節點的本地文件系統。任務t1從該節點開始，讀入輸入文件F-i，然后寫入本地文件系統的中間文件F-t，F-t被傳回到作為數據暫存點的對象存儲中。F-t文件將從對象存儲中被檢索進入到EC2節點的本地文件系統。任務t2啟動后讀取F-t文件(該文件是由t1創建)，然后將F-o寫到本地磁盤，再傳送到對象存儲中。以上所有的數據傳輸工作都由工作流管理系統完成。科學工作流中單獨使用對象存儲的明顯不足之處是，數據重復傳輸會引起在大數據處理過程中的延遲。工作流中的多個任務使用相同的文件，所以重復傳輸是顯而易見的［13］［14］。對象存儲將對同一資源的重復請求認為是不同的請求，對象存儲通常以其良好的擴展性減輕這種重復對工作流性能造成的影響。另外，工作流系統可能在本地節點選擇緩存文件，或者利用集群中的共享文件系統來減輕此問題。延遲是整個工作流性能應該關注的問題，云對象存儲的設計提供了很高的帶寬，但對單個檢索或對象操作可能需要數秒鐘的延遲。對具有大量文件的數據密集型的科學工作流而言，這種延遲顯著增加了工作流運行的時間開銷。大型工作流中的另一個問題是多數中間文件需要被傳輸到對象存儲中由相關后續任務檢索并使用。由于商業對象存儲提供以GB為單位的存儲，并按遷移、存儲和檢索的請求數付費，所以重復傳輸也就意味著費用的增加。
3.2共享文件系統作為數據暫存
解決由數據重復遷移造成的延遲問題的方法之一，是工作流管理系統將中間文件暫存在POSIX兼容系統中，由多個計算節點文件系統共享，然后在一個資源節點上運行所有的計算。文件共享系統保存了工作流管理系統中所有任務的中間數據，在這種情況下，只有輸入輸出文件存儲在對象存儲中。由于中間文件不需要在對象存儲與計算節點之間傳送，從而可降低使用商業云對象存儲的費用。如圖5所示，是一個具有文件共享系統的高性能計算環境下具有2個任務的簡單工作流。文件F-i被工作流管理系統傳送到集群文件共享文件系統。任務t1在計算節點1上啟動，從共享文件系統中讀入文件F-i，然后將中間文件F-i-t寫入到共享文件系統中，任務t2在計算節點2上啟動，從文件共享系統中讀入F-i-t(由任務t1創建)，然后將其輸出寫入到F-o，F-o由工作流管理系統送到對象存儲中，這種方法的優點在傳統的有高速并行超級計算環境中尤為顯著。例如，XSEDE(ExtremeScienceandEngineeringDiscoveryEnvironment)節點對多數科學工作流點有極大擴展性［15］。值得注意的是，如果第一個計算節點忙而需要將計算溢出到另一個節點時，這種隨數據布局任務的方法，損失了布局計算的靈活性。以上兩種方法各有所長，選擇使用哪種方法取決于工作流的類型和工作流執行的目標環境，這就要求工作流管理系統的開發具有彈性的數據管理方案，允許科學家有效使用對他們有用的基礎設施。工作流中的數據管理方案應該具有如下特征:首先，科學工作流管理系統允許任務和數據后綁定，任務依據資源的可用性映射到計算資源上，任務在執行時能夠發現資源，并從眾多存儲中選擇數據暫存位置;其次，在科學家只有一個計算資源可用的情況下，允許任務和數據的靜態綁定;再次，支持使用不同協議和不同安全機制訪問對象存儲。
4相關工作
工作流管理系統處理數據的方法很多，Swift［16］采用與本文所描述的第二種模式類似，使用本地文件系統或共享文件系統作為數據緩存，提交主機扮演數據暫存的角色。系統首先選擇一個計算站點來運行一個任務，然后將數據從提交主機推向該站點的文件系統，任務執行后，輸入的文件被回傳給提交主機，中間文件被留在共享文件系統中以便后續任務的執行。相對而言，本文將數據文件(包括輸入、輸出、中間文件)與提交主機分離，并使用不同的協議，具有更好的靈活性。其他工作流管理系統如Kepler［17］，Triana［18］和Taverna［19］關注的是流式工作流中任務的調度和其他Web資源的調用，這些工作流具有圖形化的用戶界面，允許用戶搭建具有不同部件的工作流，但通常沒有涉及訪問大量數據集的問題。這些工作流中的數據管理很大程度上依賴于用戶，數據管理自動化非常有限。Kepler［20］引入了一個MapReduce執行器，允許執行采用MapReduce算法的混合工作流。Hadoop平臺通常用來運行數據密集型的科學應用，它所提供的文件操作與POSIX類似，允許隨機讀，但不允許隨機寫。在這種情況下，Hadoop平臺負責將輸入文件切片并分布在各個數據節點。而本文提出的方法主要針對工作流運行在多個不同的執行環境中，代碼不能MapReduce的情況。在XSEDE中，任務利用分布式文件系統如GPFS-WAN［21］(GeneralParallelFileSystem-WAN)來訪問數據，分布式文件系統支持POSIX操作，可以對輸入和輸出文件進行遠程訪問。研究表明［22］，將大型數據集布局在本地計算節點會更好，但這一策略也會帶來新的問題，如不同類型工作流的融合以及數據布局策略算法等。
篇5
如今，計算機已經被廣泛應用到交通運輸管理部門，取得了不錯的成績，但是在應用過程中也出現了一些問題，無法進一步提升工作效率和科學管理水平。具體來講，存在的問題包括這些方面的內容：一是計算機應用發展速度還需要進一步提升，交通運管統計部門無法及時更新計算機軟硬件，并且運管部門內應用計算機也比較的落后，這樣就無法準確及時的掌握動態生成的精確統計數據，對于計算機的應用效果產生了一定的制約作用。二是基礎工作需要進一步強化，沒有在計算機領域內合適應用統計方法，在統計工作中，沒有和交通系統內相關部門進行交流，在應用計算機房門，也沒有將專業的統計方法給應用過來，或者是沒有透徹的理解統計軟件，這樣都會對統計工作中計算機的應用效果造成影響。三是工作人員和管理部門交通運輸的統計與計算機的應用脫節，相較于西方發達國家來講，我國計算機技術起步較晚，并且相關機構無法充分的認識計算機在交通運輸管理統計工作中的積極作用，這樣就對應用產生了不良的后果。針對這些問題，文章提出了針對性的措施：一是要充分重視計算機技術在交通運輸管理統計工作中的應用效果；首先，各級運輸管理部門的領導要提升認識，深化科教興國意識，在科技方面積極的投入成本，對復合型人才積極的培養，對統計工作中計算機技術的性能和應用前景充分了解，充分重視計算機統計工作，創造有利條件，及時更新計算機軟件系統。其次各級統計人員需要強化自身責任感，對計算機知識積極的鉆研，有機結合統計知識和計算機應用，以便及時得到準確的數據，將其提供給道路運輸行業，做出更加正確的規劃和決策，并應與統計工作的實際情況相結合，為科技人員開發交通運輸管理統計相應的軟件提供幫助。二是應不斷改善工作方法，促使原始數據質量提高。應加大運單管理與客票發放及回收的管理力度，及時掌握車輛流行、貨運量及周轉量等信息，促使計算機處理后期數據所得信息質量得到有效保證。三是應進一步加快信息化建設的進程，為統計工作提供更好的服務。應加快運管部門的運管管理信息化建設進程，且各地市的運管處應建設信息數據可，主要包括本地的經營業戶、從業人員及車輛檔案等相關信息，對運管管理信息數據庫進行構建。同時，對多層次多角度相對完整的電子政務體系進行構建，進一步促使網際互聯和行業數據的交換得到實現。四是大力應用計算機技術，進一步擴大交通運輸管理統計服務范圍。交通運輸部門需積極構建道路運輸統計調查網展開，將道路運輸行業的動態信息及時，以便讓道路運輸企業中相關人員有準確把握。可將論壇方式與電子郵件發送方式予以充分利用，不斷開展行業統計信息的咨詢服務，收集各地區交通運輸信息并加以分析，從而加快我國道路運輸事業獲得更好更快的發展。五是對交通運輸管理法規體系進行構建和完善，在管理新體制的構建過程中，需要將法律、經濟以及行政手段給充分利用起來，通過立法，來對現在已有的法律法規不斷的調整，對交通管理中的種種關系給理順，并且對中國自身的特點充分考慮，對管理辦法進行制定和完善。結合各個地區的發展情況，結合法律制度，在實踐過程中，對法律體制進行完善，促使科學管理得到逐步實現。
篇6
進行重點管理，實際上應該首先進行全面管理，以電力基建工程的源頭作為切入點，對各個環節以及最終的質量驗收都進行嚴格的管理和監督。此外無論是工程的投標招標以及工程的驗收，都需要保證絕對按照制度程序進行，并且要遵守國家的相關法律法規。所以針對當前狀況，可以在全國范圍內構建一個云計算平臺，每一個電力基建工程的相關信息數據都應該在云計算平臺進行共享，也許全國范圍內所有人進行數據瀏覽，工程的每一個步驟都應該在云計算平臺中體現，并且附注中要體現每一個步驟的辦理人員的名稱、照片，以及該步驟辦理過程中所拍攝的照片、視頻以及音頻文件，從全國范圍內對電力基建工程進行監督和管理，這樣不僅減少了工程建設的開支，也使得監管力度和效果得到大幅提升。
3云計算技術融合ERP促進電力基建工程建設
ERP又叫做企業資源計劃，其本身就是一個融合了組織模型、業務流程以及企業規范和信息技術的信息系統。而云計算也是一種信息化時代的產物，所以將云計算技術融合ERP信息系統，實際上就是在云計算平臺上運行ERP信息系統進行建立企業的基建工程的建設和管理。電力基礎建設ERP主要是管理基建期的資金和物資等資源。其管理核心就是借助信息手段構建一條包含了材料、設備供應商、施工單位、監理公司以及發電廠本身的供應鏈。企業ERP軟件一般所適應得只是獨立的企業或者工程，但是通過云計算技術，結合針對施工建設行業量身打造的企業級計劃進度控制管理軟件——P3e/c，可以實現同時對多個電力基建工程進行項目管理，再輔助以云計算平臺上所運行的其他財務管理軟件、管理業務、物資管理業務、工程安全管理等業務相關軟件，實現電力基建工程的全面管理，并且通過云計算平臺進行的實時數據信息共享、工程計劃進度所需材料及人工成本分析計算，可以起到非常好的效果。此外融合云計算技術的基建MIS管理系統也可以很好的借助當前信息化環境發展的優勢加強對電力基建工程的管理。基建MIS管理系統是當前基建工程中應用最為廣泛的系統之一。并且該系統具有遠程訪問的功能，還可以滿足多個參建單位之間的有機聯系，而這些都是云計算所具有的能力，同時也是云計算的優勢之一。融合云計算的基建MIS管理系統可以更好的對電力基建工程中所有的施工環節進行實時的監控，還可以借助云計算所具有的超強的數據運算能力對工程進行驗收和評估，自動形成工程驗收資料和財務報表，在保證了電力基建工程可以規范化及施工的同時還降低了工程的建筑成本。
篇7
云計算代表著新世紀新紀元計算機技術實踐應用下的一項重要的發展途徑，也體現了在“云端”對計算機進行整合的大膽思想。云計算服務的進行，讓計算機群組資源得到充分利用，時的成本進行降低的前提下對更多的用戶提供低價高質的服務內容。但是，簡簡單單進行整合并不能實現云計算的全部運用功能，這其中涉及到許多計算機和信息專業領域的知識和技能。從我國目前的情況來看，云計算的發展仍然處于剛剛起步的初級狀態，在云計算服務的應用上仍然面臨許多問題。
(一)財務會計管理工作信息化建設不夠成熟
云計算的應用還處在剛剛起步的階段，在財務會計工作的信息化建設方面還存在不成熟的現象。這與云計算服務的供應商自身的技術水平有一定的關系。盡管在正式投入使用之后其實踐的方式比較簡單，但在早期的平臺建設模塊下則需要大量的人力物力進行支持，資金的投入以及技術的投入都不是一筆小數目。在我們國家，云計算服務的初期階段如果沒有足夠的資金和技術支持，也沒有廣泛穩定的客戶資源，很難維持下去，更提不上長遠性質的發展。在我們國家自身的云服務商當中，由于很多人自身的技術實力有所限制或者是進行推廣的能力的不足，在與國外成熟供應商的較量中處于劣勢。基于企事業單位管理者對于云計算應用的了解非常淺顯，對于其應用的條件也了解不到位的情況，在選擇供應商時應到選取運營平臺時間相對較長切經營用戶范圍較為廣泛的供應商和運營商。
(二)云計算供應商提供的云服務形式相對單一
在我國國內，由于云計算供應商服務主要應用于財會管理的工作當中，為財會管理提供服務。但是，僅僅從財務管理會計信息化入手，完全不顧企事業單位整體的管理信息化進程，將財會管理與整體發展割裂開來，這樣的做法是完全不對的。云計算已經成為了當前的主流，只能不斷擴展而不能縮小，讓“云端”成為企事業單位整體管理運營的一個平臺。
(三)云計算服務自身安全性有較大漏洞
信息技術從來沒有所謂的絕對安全。這是由計算機技術的特性決定的，它具有相對的安全特性，但不具備完全絕對的安全性。這表示，云計算服務在實際應用中也難也保證絕對的安全性，這使得云計算在進行企事業單位下的推廣實踐產生了很大的阻力。一旦因為自身的安全性使得整體信息泄露，那么所有的財務信息都與可能被外人獲知，一旦出現問題將是災難性的后果。因此，要想大范圍地推廣和應用云計算，就應當從技術和管理等層面針對其安全性進行不斷的改進。
三、基于云計算的企事業單位財務管理會計信息化的發展運用策略
(一)提高我國國內云計算運營供應商的技術水平
由于我國云計算的發展起步時間晚，國內云計算運營商的資金投入不足，我國的云計算在技術水平方面有極大的發展空間。為了使云計算運營商的技術水平有較快提高，政府可以與相關的計算機科技部門相互協調，制定合理有效的行業整合策略，對相關的技術、資金、人才等多方資源進行整合，突破云計算技術和發展上的阻礙，降低建設難度與投資風險，提高發展的效率。其次，國家應出臺云計算技術方面相關的扶持政策，在政策上為云計算的技術提升提供好的發展環境，并且建設云計算發展園區，建設相應的示范項目，估計云計算供應商的自主研發。
(二)在平臺上實現云計算服務的多樣性
云計算平臺的研發過程應當與企事業單位各部門的多項工作進行更加緊密的聯系，以滿足單位財會管理工作方面的要求為核心，方便在平臺上實現財會工作的決策或者財務狀況的分析、展示等信息服務。同時，云計算服務要逐漸適應企事業單位其它部門的信息溝通要求，真正成為企業溝通的良好平臺，實現單位信息化建設的全面性。另外，云計算工作還應當通過細分市場盡量為企事業單位提供定制化的服務，滿足不同企事業單位不同的財務會計管理需求，這將更好地促進單位的多方面發展。
(三)努力保障云計算服務的安全性
財務信息對于任何一個企事業單位都有著非常重要的作用，在云計算平臺上保證財務會計信息的安全是完成所有相關財務工作的首要條件和重要基礎。首先，云計算服務要從技術水平問題入手突破安全阻礙。其次，從企事業單位的角說，必須注意對云計算運營供應商資質的審查，保證其具備足夠的資格為單位提供信息化技術服務。最后，保障云計算服務的安全性應當從國家法律規范的制定、實施入手，從政策和法律上為云計算的技術應用提供良好的環境，保證云計算服務的規范性、安全性、
篇8
由于云計算技術是近些年來出現的一種計算方式，其實踐性和應用性比較強，但是由于多種因素的影響，導致云計算在電力信息化建設中的應用不容樂觀。以下將對云計算在電力信息化建設中的應用現狀進行分析。
1.信息化程度低
根據電力企業信息化技術的不斷改革，云計算模式在實踐中有重要的作用，從一定程度上提升了企業的管理效率，但是部分企業對信息化建設的重視度較低，尤其是在云計算方面，管理機制應用不合理的情況時有發生。信息化程度低是限制云計算模式廣泛應用的主要因素，
2.系統不健全
電力企業要想在信息化建設中取得突出的成就，必須立足于當前發展形勢，建立完善的應用系統。但是在當前信息系統建設中，存在系統不健全的現象，電力企業內部信息出現編碼不統一的情況，導致電力企業系統內部出現信息失真或者資源共享等方面的問題，這些問題都在一定程度上影響云計算在電力信息化建設中的作用，在很大程度上影響了電力企業的信息化水平。
三、云計算在電力信息化建設中的應用實踐
基于云計算技術在電力信息化建設中的應用現狀，為了對計算模式進行詳細的分析，要掌握影響因素，進而提升應用效果。以下將對云計算在電力信息化建設中的應用實踐進行詳細的分析。
1.建立完善的基礎設施
所謂設施指的是提供給公司的對所有設施及相關技術的利用，涉及到支撐網絡、硬件基礎設施及虛擬化技術等類型。其中要重視云服務器虛擬化部署，所謂硬件基礎設施包括：備份服務器、應用在服務器等，由于服務器是一個管理資源的硬件系統，其中結構化查詢系統屬于服務器和終端系統，在實際操作過程中可以將操作系統直接應用在獨立的服務器中。由于此類服務器是通過虛擬化處理后在虛擬機上部署的，相對于數據庫或者其他服務系統來說，占用的總體內存比較小。
2.建立虛擬化的網絡溝通平臺
隨著虛擬技術和云計算技術的不斷發展，虛擬化應用范圍逐漸擴大，能夠自主實現的功能也越來越多。所謂ERP是虛擬的平臺備份中心，主要是由虛擬化平臺和內部緩沖區組成的，所有的服務資源都在核心部分，不同的應用結構在某一個子公司的信息中心進行管理和維護。為了實現信息間的溝通和交流，要對資料進行及時備份，由于備份企業和部署企業的地理位置存在一定的差距，如果信息保存不當，會出現資源損失的情況。其次DMZ的外網系統處于不斷變化的過程中，其內在服務器也是虛擬的，在操作過程中要對部分新聞內容、招聘內容進行審核，由中心主導單位完成虛擬化操作，進而完善多種應用服務。
3.提供一體化管理形式
由于近些年來人們的生活水平和生活方式出現一定程度的改變，原有的信息化建設管理模式和當前人們的需求呈現出一定的差異性，因此要根據實際情況，提供一體化管理形式。云計算方式的出現改變了電力營銷方式，其中存在的海量分布存儲技術都可以通過云計算的形式對其進行分析，因此可以建立一個集數據存儲和業務咨詢系統，由于電力營銷系統提供了必要的技術系統，使得電力企業可以通過對數據分析進而發現客戶的需求，并在規定時間內提升電力營銷效果。由于電力營銷系統提供了統一管理模式，可以對鏡像資料進行高效存儲，了解不同版本的基本管理功能，對影像資料進行詳細的分析，必要時對資料進行簡化。其次可以利用云計算模式快速對信息資料進行部署，利用負載力的變化，為其提供集群的動態管理形式進而保證應用模式的先進性。
篇9
1.1 時間分布。這78篇相關論文的時間分布如表1所示：
由表1可見，我國檔案學界對云計算的研究始于2009年，2009年后開始引起學者較多關注，到2013年掀起一個較小的研究（2013年發表相關論文共33 篇），但是依據百度和Google的搜索結果，尚未出版云計算應用于檔案管理的相關著作。
1.2 主題分布。上述78篇論文，其研究的主題可以分為理論研究（介紹云計算的概念、特點、優勢，應用的可行性、問題及對策等）、具體應用（研究云計算在檔案業務環節的具體運用，如備份、整合與共享、利用與服務、云檔案館等）、系統和平臺構建（研究基于云計算的系統和服務平臺架構、服務模式等）和應用的安全性。78篇論文的主題分布如表2：
從研究的主題來看，目前檔案界對云計算的理論和應用設想方面的研究占主導，分別占全部論文的43.6%和44.9%。但是，基于云計算的系統、服務平臺構建的研究論文只有5篇，對于如何用技術手段來實現“云”并沒有系統深入的研究。
1.3 作者機構分布。各研究主題的作者機構分布見表3：
從表3可以看出，78篇研究論文作者中有22篇來自高等院校的檔案院系，占全部論文的28.2%。26篇論文作者來自其他機構，約占33.3%，其他機構包括高校除檔案院系和檔案館室的其他院系和部門、事業單位、軍隊檔案館等。從表中數據看，高等院校的研究者傾向于研究云計算在檔案業務環節的具體應用，而其他機構的研究者更注重理論研究和云計算在人力資源檔案、會計檔案、健康檔案等領域的應用與實現。
2 主題分析
2.1 云計算的概念和特點。田雷提出：“云計算是一種網絡服務方式，提供了IT服務的一種交付和使用模式，用戶可以通過網絡租用或免費獲取所需服務。”他還提出目前云計算的三個服務層次：基礎設施即服務、平臺即服務、軟件即服務[2]。黃正鴻認為，云計算旨在通過網絡（互聯網和內部網）以按需、易擴展的方式獲得所需的硬件、平臺、軟件及服務等資源。其特點可以歸納為：資源池；按需、自助；快速彈性；廣泛的網絡訪問；可度量的服務[3]。陳康明認為，云計算是基于網格計算、分布式計算、并行計算、效用計算、網絡存儲、虛擬化、負載均衡等已有網絡技術發展起來的一種基于互聯網絡的服務信息共享模式。云計算的特點是：數據存儲更加可靠、安全；資源的合理分配；先進技術理念帶來的以用戶為中心的個性化服務[4]。
2.2 云計算在檔案領域應用的可行性分析。劉永提出，云存儲在技術、管理和經濟上已經具備了數字檔案存儲的基本條件。云存儲技術是分布式文件系統技術、網格技術、集群應用等技術的集成，后三種技術在理論和實踐上都逐漸成熟。云存儲將分散在各地的數字信息集中存儲，各檔案館（室）可以根據需求來申請適當的存儲空間，降低了資金投入[5]。朱悅華、何麗萍、丁建萍認為，云計算時代“云檔案”的實現具有較為完備的云計算理論基礎、較為成熟的云計算技術條件、較為低廉的云計算經濟成本和較為完善的云計算實踐環境[6]。
2.3 云計算在檔案管理中的應用優勢。文杰提出了云計算在數字檔案館應用中的四大優勢：確保檔案服務器的可靠運行，降低服務器的出錯概率；降低相關的維護費用；擴展了信息資源共享范圍；豐富的終端設備[7]。彭小芹、程結晶結合云計算的特點提出云計算在檔案領域的應用優勢，即可靠、安全的數據存儲；方便、快捷的云服務；強大的計算能力；諸多技術的集合體；經濟效益；個性化；以用戶服務為中心[8]。祝慶軒、桑毓域、方昀提出了云檔案館模式的優點：有利于政務信息公開；有利于統一全國各地區檔案工作標準；有利于節省軟硬件投資；有利于減少對計算機人才的依賴[9]。
2.4 云計算應用面臨的問題和對策。黃正鴻提出云計算技術本身存在的一些問題，如標準問題、版權糾紛問題、數據隱私問題、安全問題、軟件許可證問題、網絡傳輸、用戶使用習慣問題等[10]。陳康明認為，云計算應用面臨的首先就是信息安全問題；其次是執行的國際標準問題。對策是完善基礎設施建設；制定安全監測環節和相關技術；制定監督和管理機制[11]。文杰認為，云計算應用面臨的問題主要有資源的選擇問題；協議和接口問題；數據安全問題。對策包括加強人才隊伍建設；完善基礎設施建設；制定相關政策規范云計算標準；提供基礎建設的統一監控、管理和控制；加強安全檢測[12]。
2.5 云計算在檔案領域的應用設想
2.5.1 云計算在檔案存儲、共享與服務中的應用設想。田雷提出可以通過“基礎設施即服務”整合檔案行業的服務器、存儲器等設備，部署“云計算”環境，向各級檔案部門提供基礎設施服務[13]。陶水龍提出了基于云存儲技術的檔案數字資源的云備份和多套多地的檔案數字資源備份數據存放策略，建立了云備份系統架構及其運行機制[14]。呂元智提出了國家檔案信息資源“云”共享服務模式，將分散的國家檔案信息資源通過云服務平臺組織起來，形成一個個檔案信息資源服務“云”[15]。祝慶軒、桑毓域等提出檔案館館際云服務，將檔案館電子文件信息置于云中心，用戶可以利用云計算技術檢索云檔案館“虛擬資源池”[16]。卞昭玲、李俐潁等提出通過云存儲解決檔案信息的存儲、檔案信息的收集問題，同時可以共享檔案信息 [17]。
2.5.2 云計算在專門檔案領域內的應用研究。廖玉玲提出了基于云計算的建設工程檔案全過程監管模式的系統方案[18]。劉振鵬、卞昭玲等提出了基于云計算的區域電子健康檔案服務系統[19]。鄧嵐提出運用云計算技術搭建國家綜合減災信息管理與服務系統，并分析了云計算技術在災害檔案信息管理中的應用優勢和障礙[20]。
2.6 基于云計算的數字檔案管理系統和平臺構建。程春雨提出國家開放檔案信息資源共享利用系統應采用兩級部署方式，分別部署在中央云中心和50個國家綜合檔案館。中央云中心應用系統開發主要包括檔案信息資源整合系統、平臺管理系統、國家開放檔案信息資源共享利用門戶網站；省節點應用系統開發主要包括省節點檔案信息資源整合系統和基礎工具包軟件[21]。程結晶提出要構建統一的云存儲平臺，采用虛擬化技術，開發基于“元數據”訪問的分布式數字檔案數據訪問接口，構建完整的云服務平臺來實現數字檔案資源的訪問服務、請求認證服務、安全數據傳輸服務和快速資源搜索和資源發現服務[22]。鄭光輝提出了基于云計算技術的數字檔案利用系統設計方案，詳細描述了基于云計算的檔案信息資源整合系統、云平臺管理系統及開放數字檔案利用門戶設計方案[23]。蔡學美提出云計算數字檔案館系統主要是由云計算數字檔案管理應用程序、數字管理節點、計算機專用網絡、安全防火墻、公用和私有的硬件設施等構成[24]。朱悅華、何麗萍等提出構建“云檔案”資源共享系統，其系統理論模型由資源層、管理中間件層和服務層等三層構成[25]。
2.7 云計算應用的安全性。徐華、薛四新等提出云數字檔案館安全保障體系應包括防御系統、監控系統、容災備份系統、應急響應系統和技術支撐系統，通過安全法規體系、安全組織體系、安全管理制度體系、安全人員培養和培訓體系來保證[26]。崔海莉、張惠達提出將檔案信息管理系統推入云的基礎設施上，服務中斷、數據失真、敏感信息泄露是可能遭遇的技術風險，組織策略、準入退出機制是可能遭遇的管理風險[27]。
3 問題與展望
3.1 問題。首先，研究內容重理論輕技術。當前對于云計算基礎理論的研究較多，關于如何運用技術手段實現其具體應用的研究較少。78篇論文中只有5篇從技術角度闡釋了云計算應用于檔案領域的具體實現方式。應用設想相關論文僅僅止步于“設想”，對具體應用及如何實現其應用輕描淡寫，缺乏技術因素。
其次，研究缺乏實踐基礎。相對于云技術在其他領域的快速實現，傳說中的云檔案館、檔案云尚未付諸實施，對于云技術的應用需求也沒有實際調研，因此，大多數研究缺乏一定的實踐基礎。
3.2 展望
篇10
[1]羅克露，劉輝，俸志剛，等.計算機組成原理（第2版）[M].北京：電子工業出版社，2010.
[2]趙秋云，何嘉，魏樂.對《計算機組成原理》課程教學模式的探討[J].電腦知識與技術，2008，4（3）：693-694.
[3]劉京銳，吳敏華，李志平.CDIO理念在計算機硬件實踐課程教學改革中的應用[J].實驗技術與管理，2011，28（7）：154-156.
[4]于京生，陳永志，康元元.Multisim仿真軟件在模擬電子技術實驗教學中的應用[J].石家莊學院學報，2011，13（6）：46-50.
[5]張佩莉，方美琪.電子商務模擬教學軟件新模式的探索與實現——基于網絡游戲的模擬社區[J].嘉興學院學報，2005，17（S1）：40-46.
[6]陳軍.EWB仿真軟件在模擬電子技術教學實踐中的探討[J].牡丹江大學學報，2010，19（8）：140-142.
[7]虞飛華，朱錫瑞，鄭韜.基于軟件模擬的計算機組成原理實驗教學研究與實驗[J].中國教育信息化，2012，（3）：69-71.
模擬點知技術論文參考文獻：
[1] 謝曉妮，紀根培.高校會計教育能力培養思考[J].財會通訊，2009(5)：36-37.
[2] 劉青.提高會計實踐教學效果的改革研究[J].會計之友，2007(8)：70-71.
[3] 胡克瓊，楊侃.會計實踐教學存在的問題及建議[J].財會月刊，2007(10)：82-83.
[4] 閻達五，王化成.面向21世紀會計學類系列課程及其教學內容改革的研究[J].會計研究，1998(9)：8-13.
[5]李春英，湯志康.CDIO模式下的軟件工程課程設計實踐[J].實驗技術與管理，2011，28（6）：173-178.
模擬點知技術論文參考文獻：
[1]胡德海.教育理念的沉思與言說[M].北京：人民教育出版社，2007.
[2]宋希仁.西方倫理思想史[M].北京：中國人民大學出版社，2004.
[3]李程偉.公共危機管理：理論與實踐探索[M].北京：中國政法大學出版社.2006.2.
篇11
1. 選題的創新
圖書館學術論文最重要的是選題，選題的要點在于： 論題大小適當，開口小、挖掘深、有拓展空間。 “大處著眼，小處著手”，或稱為“小題大做”。圖書館學術論文的選題要做到“人云亦云我不云，老生常談我不談”，要追求不落俗套的創新型選題，有心得，有創見，可讀性強。題材要有亮點，重要性可行性并行，要有普遍意義，令人回味無窮的選題。
1.1選題的創新意識
在學術上，要追求的是獨到的見解。在選題的創新意識方面， 要求在進行論文選題時， 要時刻將論文選題和社會需要、圖書情報工作需要、圖書情報工作發展趨勢相結合， 立足于新成果、新發現、新見解。有理論價值， 對圖書情報學科建設與發展能起先導開拓作用。以時代最前沿最先進的理論武裝頭腦，如以莫言，喬布斯為例，引用的觀點等。根據專業優勢， 結合本職工作，結合現實選題，理論上求新，落實到現實有應用價值。
1.2研究方法的創新
要求打破傳統研究方法的束縛， 學習其他研究領域的先進研究方法， 結合圖書館學情報學研究的實際， 去創造性地采用多種研究方法。以微書評為例，書評屬于文學領域，加個微字，用于圖書館學，就是創新。創新性要求新觀點，新視角，新舉措，新理論；要以自己切身實踐為例，理論上要與時俱進， 如引用18大對文化發展戰略的最新提法。
1.3從熱點問題中選取新穎性選題
關注每年中國圖書館學會年會征文的選題和各省圖書館學會年會征文選題 ，時代最前沿的課題，圖書館界研究熱點等都包含其中，服務創新是永恒的熱點，從熱點問題中選取新穎性選題，主觀上自己感興趣， 有見解的論題。熱門選題寫文章的人多， 可供參考的材料多， 但創新的空間較小。
2．圖書館學術論文的格式規范
圖書館學術論文的撰寫強調符合相應的學術規范，論文的形式和內容首先要符合國家頒布的有關標準，其次是尊重學界“約定俗成”的習慣做法。圖書館學術論文的寫作格式大體可以分為8 個部分，各個部分都有其規范的格式，俗稱“八股式”，這8 個部分依次是： 標題、作者名及簡介、摘要、關鍵詞、引言、正文、結論或結語、注釋與參考文獻，如下將一一說明。
2．1標題
標題要新穎；醒目，神韻；創新，包含所有關鍵詞；吸引眼球，不超過20字，可以加副標題；潤色題名應準確、簡潔、明了地反映文章的主要論點。
好的論文標題需要做到主旨明確、表達簡練、語言精當，集中表達論文的要旨，讓讀者見其題而知文意，做到“文要切題，題要獨創”；還要盡量簡練；論文標題講究語言的準確規范、簡潔精練。當然，標題切忌隨意拔高，如 “……理論研究”等； 但也不必過于謙虛，例如“淺談……”“……初探”等，不是好的論文標題。
2.2 作者名及其簡介
論文的署名一方面涉及科研成果的歸屬，同時也涉及知識產權等事項，寫真實姓名。很多期刊還標明了作者的簡要信息，包括作者的性別、出生年、工作單位、郵政編碼、學歷、專業職稱、研究方向、電子信箱等內容。
2．3 摘要
摘要是論文的窗口，縮寫的論文，獨立性和簡短性；論文的精華點，150-250字符，包括研究的目，關鍵的創新點和意義；研究的成果。獨立成文。摘要開頭不要重復論文。字數按照期刊要求控制。摘要寫得好壞就顯得尤其重要， 它會直接影響全文被人閱讀、引用機會的多少。
摘要一般采用第三人稱，盡量不用“我們”“筆者”“本文”等詞語，也不宜出現“本文”“作者”“本課題”等表述，不用問句、感嘆句等。避免出現“對……具有重大意義”或“具有一定的意義和價值”等不切實際的拔高類的套語。
2．4 關鍵詞
關鍵詞是指最能代表論文內容的詞匯或詞組。標注關鍵詞的目的在于適應計算機自動檢索的需要，選取原則是要能反映文獻主題內容。不要用怪詞，可以從標題中的選用合適的詞匯。關鍵詞一般為3 ～ 8 個，置于摘要的下方，詞之間以空格或分號隔開。
2．5 引言
引言是論文的開頭語、介紹本文的研究背景等，一般獨立成段。引言主要有以下內容：前人相關的研究成果，現存的研究空白點和價值； 所采用的研究方法和理論依據等等。單篇圖書館學術論文的引言不宜過長，一般在500 字左右。引言要力爭用最簡潔的語言概述研究背景、前人成果等，使讀者一目了然； 同時要引出話題———以此反映出作者前期資料收集的詳備和研究思路的清晰。
2．6 正文
正文是論文的核心部分， 論文的論點、論據和論證都在這里闡述。提出問題，分析、解決問題。用詞要準確， 不能出現模擬兩可的詞匯和語句。
正文及整篇文章要按結構內容劃分層次，每個層次還有小標題。同一級標題應反映同一層次的內容， 一般宜用類別相近的詞組作小標題。各級標題一律用阿拉伯數字分級連續編碼， 不同層次的兩個數字之間用下圓點分隔。結構上，論證要逐層推進，有條不紊，思路清晰。
氣質性格決定論文，文如其人，對文字敬畏，字斟句酌，寫作帶著一個人的性靈之氣，字詞生成精神心性氣質。語言、修辭其實反映的是作者的人文素養，從語言的角度看，撰寫論文時，要注意以下兩個問題：
第一，切忌生搬硬套外文術語和網絡新詞。句式的歐化，生吞活剝國外的學術理論，不符合漢語的規范，強行引用網絡熱詞、流行短語，生搬硬套這種做法尤不足取，缺乏學術的嚴肅性、理論性和深邃性。
第二，注意表達的肯定性。圖書館學術論文的核心是作出論斷，因此強調語言的肯定。無論是肯定、否定，都要有依據，應避免使用“大概”、“或許”、“可能是”等過于含糊的詞語。
2．7結論或結語
結論是全文研究成果的總述，是全文分析論證的必然結果。主要包括： 闡述全文所進行的研究、得出的結論、說明的問題以及具有哪些理論價值或實踐意義。如果所論問題不宜作結論或者很難作出明確的結論，也可寫成結語的形式，結語通常闡述本文研究的成果及遺留問題，并提出對后續研究的展望等，一般只用一個自然段即可。
2．8 注釋與參考文獻
篇12
本文著錄格式：[1]郭平，劉波，沈岳，農業云大數據自組織推送關鍵技術綜述[J].軟件，2013，34（3）：1-6
0 引言
隨著物聯網、云計算、下一代互聯網等新一代信息技術的快速發展和信息內容的日益增長，“信息過載”問題愈來愈嚴重，推薦系統（recommender systems）被認為可以有效的緩解此難題，幫助用戶從海量數據中發現感興趣信息，滿足個性化需求。
近年來，我國在農業個性化知識服務服務領域從本體論、語義網、知識工程角度開展了廣泛的研究，成果主要體現在三個方面：以搜索引擎為代表的知識檢索系統，需回答大量預設問題進行知識推理的專家系統，特定領域應用系統，它們在各自的場合都發揮了積極作用。然而知識檢索系統不能滿足用戶個性化需求，專家系統的應用很難普及，特定領域應用開發成本高和重用難度大。物聯網與數據挖掘云服務提供知識服務云實現物理世界的“感知控”，知識服務云的研究主要集中在制造和圖書情報領域，云環境下的農業個性化知識服務的研究尚處于起步階段，主要集中在服務模式的構建與展望。
本文是對科技部科技支撐課題“農村農業信息化關鍵技術集成與示范”（2011BAD21803）與“農村物聯網綜合信息服務科技工程”（2012BAD35800）研究成果的總結，也是對農業云推薦系統研究的升華。
1 農業云大數據自組織區域推送的提出
1.1 農業信息資源特點
我國自“十一五”時期以來，農業農村信息化發展取得了顯著成效，主要表現在農業農村信息化基礎設施不斷完善、業務應用深入發展、物聯網技術在農業中逐步推廣應用等方面。從中央到省，市、縣建立了“三農”綜合信息服務平臺，涉農企業、組織和科研院所也積極搭建了各具特色的農業信息服務平臺，目前正向鄉鎮村發展。農村信息員隊伍及以農業綜合信息服務站和農業合作社為代表的農村信息服務機構發展迅速，“三電合一”、“農民信箱”、“農村熱線”等信息服務模式應用深入。云計算利用海量的存儲能力把農業信息資源形成高度集成和虛擬化的計算資源一“農業知識聚合云”，支持用戶在任意位置、使用各種終端方便獲取信息，但由于農業領域生態區域性和過程復雜性及農業區域發展不平衡和農民文化的多層次性也帶來了“信息過載”、“資源隱晦”“資源迷向”等問題。
1.2 農業云環境下大數據自組織區域推送
物聯網和云計算背后是大數據，在云計算模式下，用戶不確定的、智能的交互，個性化需求更加多元化，信息交互行為更加頻繁；在大量用戶通過社會標注達成共識的過程中，逐漸形成不同社區，涌現出群體智能，形成“農業用戶興趣社交云”。利用云的海量存儲、群體涌現智能、強大的計算能力和物聯網感知控優勢，可以提供面向用戶復雜分析計算，實現業務重點由面向應用和資源的傳統信息服務，轉變為基于對海量農業知識進行動態劃分，有目的、主動、定制、自組織推送給有需求的農業用戶，為農業用戶提供實時性、個性化知識服務，指導農業生產過程。
首先以Hadoop+MapReduce+HBaSe分布式框架為處理平臺，對“農業用戶興趣社交云”，融合用戶興趣偏好和社交網絡進行建模，將這些多元用戶信息充分融入推送系統會更好產生推薦結果；將推薦對象“農業知識聚合云”按農業知識高維性、多樣性、多層次性特征分類聚類為各種知識塊靜態和動態元數據；通過智能算法推薦和社會網絡推薦為用戶發現個性化內容；根據用戶的地理位置、用戶服務的評價以及云基礎服務提供商信息將預測值最高的服務推送給用戶實現與物理世界的互動（如圖1）。
從以上分析可知，農業云大數據自組織區域推送的關鍵技術有用戶興趣模型、推薦對象模型，推薦算法、數據挖掘四個部分，以下分別對這幾項技術進行論述。
1.2.1 用戶興趣模型
用戶興趣建模是個性化服務技術的基礎和核心，包括數據收集、模型表示、模型學習與模型更新。用戶興趣建模的方法有很多，常用的有向量空間模型、神經網絡、遺傳算法、用戶一項目評價矩陣、基于案例的表示、基于本體論的表示、基于加權關鍵詞的表示，基于社會網絡的表示等。幾乎每種表示形式都是以一種私有形式進行知識表示，此外一些表示技術還依賴于模型學習，如廣泛使用的基于向量空間模型的表示與TF-IDF學習技術聯系在一起。表示形式的私有性和對學習技術的依賴性阻礙了用戶模型在系統間的共享，這種共享對于減少用戶建模工作量，提高推薦算法啟動效率具有重要意義。因此開發獨立于模型學習技術的通用用戶模型表示技術是目前研究中熱點，基于語義網和社交網絡的用戶模型在這方面表現了優勢。
用戶的興趣或需求會隨時間、情景發生變化，結合長期和短期興趣及興趣的變化用戶興趣建模的重點，目前的更新機制很難及時跟蹤用戶興趣的變化，有更好的學習效率和動態變化適應能力的建模是未來的重要研究方向，國內外大量的文獻對此展開了研究，遺忘函數、時間窗、用戶興趣的漂移特性等被提出。
在湖南農業云中，基于呼叫中心、互聯網，手機報、手機短信，電視廣播等用戶在多應用系統中形成的興趣偏好和社交網絡特征，提出“農業用戶興趣社交云”建模思路：以圖論模型表示用戶“興趣圖”數據和“社交圖”數據，根據經典的局域世界演化理論，綜合考慮實際情況中用戶之間的多重關系和關系的強弱程度，以用戶之間相似度為節點連接概率因素，生成動態多維網絡，進行用戶數據的挖掘和更新；結合農業本體，在多維社交網絡的基礎上，將基于農業本體的區域用戶興趣融合在云計算平臺上進行處理。
1.2.2 推薦對象模型
推薦本質上是將推薦對象的特征與用戶的興趣偏好進行推薦計算，所以推薦對象的描述和用戶的描述密切相關。推薦系統應用不同領域，它推薦的對象也就各不相同，目前，湖南農業云主要是文本性數據；不同的對象，特征也不相同，目前沒有一個統一的標準來進行統一描述，主要有基于內容、分類、聚類的方法。
基于內容的方法是從對象本身抽取信息表示對象，常見的是向量空間模型，使用最廣泛的是加權關鍵詞矢量方法進行特征選取，使用TFIDF計算每個特征的權值。向量空間模型對模型中的特征詞進行權重估計（TF-IDF）過程中不考慮特征詞之間的相關性，直接用特征詞作為維度構建文檔向量，降低了文檔向量對文檔概念表達的準確性以及對不同類型文檔的區分能力。
基于分類的方法是把推薦對象放入不同類別，把同類文檔推薦給對該類文檔感興趣的用戶。主要有兩種，一種是基于知識工程的方法，使專家的類別知識直接編碼為分類規則，正確率和召回率高，但工作量大；近期研究最多的是另一種一機器學習，根據訓練樣本集建立分類器，方法有很多，常見的有概率分類、貝葉斯回歸分析、決策樹分類器、決策規則分類器、Rocchio分類器、神經網絡分類器、支持向量機（SVM）、分類器融合、Boosting分類器、k最近鄰方法（KNN）等。
研究文本聚類的最初目的是為了提高信息檢索的查全率和查準率，近年來，文本聚類用于自動產生文本的多層次的類，并利用這些新生成的類對新文本進行效率較好的歸類，已經提出了大量的文本聚類算法。傳統的聚類算法在處理高維和海量文本時效率不很理想。針對這樣的問題，將聚類分析與計算智能理論，并行計算、云計算等相結合，設計出高效的并行聚類算法，己經成為一個比較流行的研究思路。
在湖南農業知識云數據模型中，將能更好反映特征詞相關性的超圖模型引入，將文檔中提取的特征項表示為圖中節點，特征詞條之間的關系構成圖中邊，用邊上權值表示相關聯特征項之間共現程度。通過對文本圖模型K最近鄰劃分實現降維降噪的粗粒度數據切片；對切片后數據反映用戶興趣如地域、時間、訴求等多維度特征的智能聚類，實現細粒度的聚合與分割。
“農業知識聚合云”模型算法建立在基于MapReduce處理的大規模圖上，得到各種知識塊靜態和動態元數據。
1.2.3 推薦算法
推薦算法是整個推薦系統中核心部分，大量的論文和著作都關注了這個方面。目前，基本包括以下幾種：基于內容過濾推薦、協同過濾推薦、基于關聯推薦、基于知識推薦、基于效用推薦、基于網絡結構推薦、基于聚類推薦、基于社會網絡分析推薦、混合型推薦等。通過對眾多推薦算法進行比較分析，各種算法都有優缺點（如表1）：
各種推薦方法都有各自的優缺點，在實際問題中采用多種策略進行混合推薦，主要有兩種混合思路：推薦結果混合和推薦算法混合。目前大部分的推薦算法都是混合推薦算法，主要還是以協同理論為核心，再配合其他算法的優點或交叉學科的理論來改善推薦的質量。另外基于社會網絡個性化推薦算法研究是一個趨勢，基于社會網絡的推薦是協同過濾的延伸，通過考察結點之間（用戶和用戶之間或產品之間）的相關性和結點之間的信任度可以獲得比一般協同推薦更高推薦效果，如文獻提出將社會網絡關系結合到推薦算法中。縱觀國內外在推薦算法上的研究，主要集中在基于用戶顯性評分數據的協同過濾算法上，對基于非顯性評分行為數據場景下的研究卻顯得有點不足。目前在擴展性問題上學術研究不是很具有針對性，主要集中在通過各種交叉學科中的方法來對用戶進行聚類或對行為數據進行降維、壓縮等縮短推薦的項目集或減少計算量，從而提升算法的性能；有關基于云平臺上的推薦算法研究目前主要集中于協同過濾算法MapReduce化。而實際應用中，己出現利用分布式集群解決算法擴展性方法，如Google News的推薦算法就是部署在分布式環境下，從而滿足海量數據下的推薦服務。
根據農業云大數據自組織區域推送實際情況將推薦結果和推薦算法混合，提出“三層推薦”策略：在豐富的知識塊云元數據基礎上，將知識塊屬性和用戶興趣行為基于頻繁模式的知識關聯撮合推薦；通過復雜網絡聚類算法識別一個用戶多個社區興趣，融合“興趣圖”和“社交圖”協同過濾推薦，突破算法推薦的局限性，讓用戶信任的朋友圈子為其發現和推薦內容，取得社交推薦的時效性和算法推薦的長尾性之間的互補，從而針對每個社區成員提供精準個性化推薦；根據基礎設施服務供應商、用戶所在的地理位置以及用戶對服務可用性評價值的相似性等，將大量用戶云終端聚類為一定數量的社區，提高云端推送服務的有效性，最終形成通過大眾參與，支持云間變換，集電信網、廣播電視網、互聯網合一的自組織區域推送，較有效地處理一般推薦算法中存在的稀疏性、冷啟動以及大規模實時計算的問題。
1.2.4 云計算下個性化數據挖掘
數據挖掘采用了多種領域中的思想，包括來自統計學的抽樣、估計、假設檢驗以及人工智能、模式識別和機器學習的搜索算法、建模技術和學習理論。隨著數據挖掘的不斷發展，也采用了包括最優化、進化計算、信息論、信號處理、可視化、信息檢索、云計算、并行計算等技術。與傳統的數據挖掘相比，云計算下的個性化數據挖掘的目標，就是通過云計算中心，向用戶提供針對其即時演化需求的數據挖掘SaaS（Software as aService，軟件即服務）服務，其基礎問題主要為：對于用戶不同的數據挖掘需求以及針對用戶特點進行個性推薦的建模和表征；數據挖掘算法適應云計算的并行分布式化；使數據挖掘的結果和算法能夠支持云間變換并形成一種面向用戶、即時組合的、變粒度的云服務，其中數據挖掘的云服務化是研究的難點。
（1）云計算下個性推薦的建模和表征
云下的個性推薦建模和表征與傳統上個性化推薦明顯的不同在于海量異構大數據和用戶間群體涌現的社交網絡，它們本質上形成了多個頂點的大規模圖。云計算可以為大規模個性化提供技術支撐，云服務本身也有大規模個性化定制應用需求，目前研究兩者結合的文獻還很少，張澤華從計算資源的角度基于復雜系統理論對云計算聯盟體系結構進行建模，并基于蟻群優化算法和復雜系統理論進行了負載均衡研究；郭昱就有效處理客戶需求信息該如何選擇與分布云計算平臺中的關鍵節點問題，提出了基于云計算的大規模定制客戶需求模型。趙東杰對復雜網絡、數據挖掘與群體智能有效結合進行了探索研究。農業云大數據自組織推送通過“農業知識聚合云”分解的靜態、動態知識元數據和“農業用戶興趣社交云”形成的興趣圖、社交圖基于用戶行為和知識元數據的關聯撮合，通過人工智能和社交圈子幫助用戶發現內容，實現搜索和推薦的無縫結合，為智能個性化推薦實現“內容找人”愿景。
（2）算法并行分布式與高性能計算
對于大規模數據的處理，典型系統結構大致分為三類：基于MapReduce模型的分布式并行處理系統、基于BSP模型的分布式并行處理系統和分布式圖數據庫系統。數據挖掘算法現在的發展趨勢是基于云計算的并行數據挖掘，它的同一個算法可以分布在多個節點上，多個算法之間是并行的，多個資源實行按需分配，而且分布式計算模型采用云計算模式，數據用DFS或者HBASE，編程模式采用MapReduce這種方式。Bhaduri等整理了一個十分詳盡的并行數據挖掘算法文獻目錄，包含了關聯規則學習、分類、聚類、流數據挖掘四大類分布式數據挖掘算法，同時還包括分布式系統、隱私保護等相關的研究工作。
2 基于云計算推薦系統研究的重點、難點與熱點
2.1 云環境下用戶偏好獲取安全與可信問題
推薦系統中，用戶數據集的數量和質量問題，影響用戶模型的精確度、可用性，導致問題的根本原因在于用戶對隱私和安全的考慮。而云環境下，數據的安全與隱私是用戶非常關心的問題。既能得到準確用戶信息而提高推薦系統性能，又能有效保護用戶信息同時檢測并能預防推薦攻擊（一些不法的用戶為了提高或降低某些對象的推薦概率，惡意捏造用戶評分數據而達到目的）將是未來推薦系統的一個重要研究方向。
2.2 模型過擬合問題
過擬合現象是指系統推薦給用戶的對象與用戶剛剛看過的不是太相似或者太不相關。過擬合（過學習）的問題本質上來自于數據的不完備性，這在實際應用中是無法完全避免的。在于興趣偏好獲取方式或隱私等原因使用戶沒有對足夠多類別的對象進行評價。目前解決的主要方法是引入隨機性，使推薦算法收斂到全局最優或者逼近全局最優，關于既要保證推薦的多樣性，又不能與用戶看過的對象重復或毫不相關這一問題的研究是推薦系統研究的一個難點和重點。
2.3 稀疏性與冷啟動問題
稀疏性和冷啟動問題困擾推薦系統很長時間了，前者的解決辦法主要過濾和降維。目前針對冷啟動問題提出了一些解決方法，主要分為兩大方面，一是直接利用傳統協同過濾的評分數據結合特定的方法進行解決，二是新用戶或新項目的內容屬性信息與傳統的協同過濾評分數據相結合的方法進行改善冷啟動問題。稀疏性與冷啟動問題一直是推薦系統研究的一個難點和重點。
2.4 數據挖掘的結果和算法智能服務化
將數據挖掘算法融入針對海量用戶的使用記錄和計算資源間協作進行優化組合，利用這些特性通過大眾參與的交互作用，提高云間服務的智能性、有效性將是大數據時代推薦系統研究的一個制高點。將數據挖掘任務及其實現算法服務化，通過SaaS方式向云計算中心索取所需的相應的數據挖掘，這可能是目前突破數據挖掘專用軟件使用門檻過高、普通大眾難以觸及、企業用戶使用成本太大、挖掘算法和結果難以實時得到評價和相應修改等問題的最有希望的解決方案之一，也是數據挖掘走向互聯網大眾、走向實用化的重要的一步。
2.5 大數據處理與增量計算問題
目前對大數據的研究仍處于一個非常初步的階段，半結構化和非結構化數據給傳統的數據分析帶來巨大挑戰，尤其算法如何快速高效地處理推薦系統海量和稀疏的數據成為迫在眉睫的問題。當產生新的數據時，算法的結果不需要在整個數據集上重新進行計算，而只需考慮增量部分，對原有的結果進行微調，快速得到準確的新結果，是增量計算的理想狀態。但一般而言，隨著信息量的增多，算法的誤差會累積變大，最終每過一段時間還是需要利用全局數據重新進行計算。一個特別困難的挑戰是如何設計一種能夠保證其誤差不會累積的算法，也就是說其結果與利用全部數據重新計算的結果之間的差異不會單調上升，要達到這種程度，還有很長的路要走。
結束語：
隨著新一代信息技術的快速發展和信息內容的日益增長，搭載在云計算平臺的自組織區域推送具有它天然的優勢：云的海量存儲使得推薦系統能有效獲取訓練數據；云的分布式計算能力提供了較高的響應能力；海量用戶的使用記錄和計算資源問大眾參與的交互涌現，最終形成自組織優化組合的智能個性化云推送。因此，農業云自組織區域推送具有重要的研究意義和廣闊的應用前景，對云環境下其他領域的個性化推送應用具有借鑒意義，但目前存在大量問題需要進行深入細致的研究。
參考文獻
[1]孟祥武，胡勛，王立才，張玉潔，移動推薦系統及其應用[J]，軟件學報，2013，24（1）：91-108
[2]楊濤，基于本體的農業領域知識服務若干關鍵技術研究[D]，上海：復旦大學計算機科學技術學院博士論文，2011，1-50
[3]楊曉蓉，分布式農業科技信息共享關鍵技術研究與應用[D]，北京：中國農業科學院博士學位論文，2011，3-35
[4]趙春江，農業智能系統[M]，北京：科學出版社，2009，1-210，
[5]何清，物聯網與數據挖掘云服務[J]，智能系統學報，2012，7（3）：1-5，
[6]黃衛東，于瑞強，共享學習模式下知識服務云平臺的構建研究[J]，電信科學，2011，12：6-11
[7]丁靜，楊善林，羅賀，丁帥，云計算環境下的數據挖掘服務模式[J]，計算機科學，2012，39（6）：217-219，237
[8]鄧仲華，錢劍紅，陸穎雋，國內圖書情報領域云計算研究分析[J]，信息資源管理學報，2012，2：10-16
[9]胡安瑞，張霖，陶飛，羅永亮，基于知識的云制造資源服務管理[J]同濟大學學報（自然科學版），2012，40（7）：1093-1101
[10]程功勛，劉麗蘭，林智奇，俞濤，面向用戶偏好的智能云服務平臺研究[J]，中國機械工程，2012，23（11）：1318-1323，1336
[11]劉波，方逵，沈岳，可重構的農業知識服務模式研究[J]農機化研究，2011，36（11）：66-70
[12]趙星，廖桂平，史曉慧，陳誠，李文圃，物聯網與云計算環境下的農業信息服務模式構建[J]，農機化研究，2012，4：142-147
[13]郭永田，中國農業農村信息化發展成效與展望[J]，電子政務，2012，02-03：99-106
[14]李道亮，中國農業農村信息化發展報告（2011）[M]，北京：電子工業出版，2012，87-150
[15]錢平，鄭業魯，農業木體論研究與應用[M]，北京：中國農業科學技術出版社，2006，1-100
[16]吳麗花，劉魯，個性化推薦系統用戶建模技術綜述[J]，情報學報，2006，25（2）：55-62
[17]李珊，個性化服務中用戶興趣建模與更新研究[J]，情報學報，2010，29（1）：67-71
[18]王國霞，劉賀平，個性化推薦系統綜述[J]，計算機工程與應用，2012，48（7）：66-76
[19]王巧容，趙海燕，曹健，個性化服務中的用戶建模技術[J]，小型微型計算機系統，2011，32（1）：39-46
軟件雜志歡迎推薦投稿：http：///
[20]張華清，動態多維社會網絡中個性化推薦方法研究[D]，濟南：山東師范大學碩士學位論文，2012，16-31
[21]丹，面向跨系統個性化服務的用戶建模方法研究[J]_情報雜志，2012，31（6）：156-161
[22]鄧夏瑋，基于社交網絡的用戶行為研究[D]，北京：北京交通大學碩士學位論文，2012，4-43
[23]馬堯，基于多維用戶特征建模的個性化社交搜索引擎的設計與實現[D]，廣州：華南理工大學碩士學位論文，2012，12-55
[24]陳恩紅，徐童，田繼雷，楊禹，移動情景感知的個性化推薦技術[J]，中國計算機學會通訊，2013，9（3）：19-24
[25]Jong Hwa Kima，b，，Hyun JoonLeeb，Extraction of user profile based on workflow and information flow[J]，Expert Systems with Applications，2012，39（5）：5478-5487
[26]南智敏，錢松榮，引入漂移特性的用戶興趣模型優化研究[J]，微型電腦應用，2012，28（3）：30-32
[27]郭新明，弋改珍，混合模型的用戶興趣漂移算法[J]，智能系統學報，2010，5（2）：181-184
[28]程顯毅，朱倩，文本挖掘原理[M]，北京：科學出版社，2010，9-45 [29]李濤，推薦系統中若干關鍵問題研究[D]，南京：南京航空航天大學博士學位論文，2009，31-80
[30]姜倫，模糊聚類算法及其在中文文本聚類中的研究與實現[D]，哈爾濱：哈爾濱理工大學碩士學位論文，2010，18-48
[31]馮汝偉，謝強，丁秋林，基于文本聚類與分布式Lucene的知識檢索[J]，計算機應用，2013，33（1）：186-188
[32]陶紅，周永梅，高尚，一種基于語義相似度的群智能文本聚類的新方法[J]計算機應用研究，2012，29（2）：482-532
[33]孟海東，劉小榮，基于聚類分析的圖模型文檔分類[J]計算機應用與軟件，2012，29（1）：117-174，229
[34]饒君，張仁波，東呈曉，吳斌，基于MapReduce的大規模圖挖掘并行計算模型[J]，應用科技，2012，39（3）：56-60
[35]于戈，谷峪，鮑玉斌，王志剛，云計算環境下的大規模圖數據處理技術[J]，計算機學報，2011，34（10）：1753-1767
[36]呂善國，吳效葵，曹義親，基于網絡結構的推薦算法[J]_實驗室研究與探索，2012，31（7）：278-280，368
[37]周佳，羅鐵堅，一種基于內容關聯的學術資源協同推薦算法[J]，中國科學院研究生院學報，2013，30（1）：117-123
[38]唐曉波，張昭，基于混合圖的在線社交網絡個性化推薦系統研究[J]情報理論與實踐，2013，36（2）：91-95
[39]王立才，孟祥武，張玉潔，上下文感知推薦系統[J]，軟件學報，2012，23（1）：1-20
[40]劉建國，周濤，汪秉宏，個性化推薦系統的研究進展[J]，自然科學通報，2009，19（1）：1-15
[41]許海玲，吳瀟，李曉東，閻保平，互聯網推薦系統比較研究[J]軟件學報，2009，20（2）：350-362
[42]孫冬婷，何濤，張福海，推薦系統中的冷啟動問題研究綜述[J]，計算機與現代化，2012，5：59-63
[43]張亮，基于聚類技術的推薦算法研究[D]，成都：電子科技大學碩士學位論文，2012，7-18
[44]Liu， F.，Lee， H.J. Use of social network information to enhance collaborative filterinperformance.Expert[J] Systems with Applications. 2010， 37（7）：4772-4778.
[45]Jiang， J.， Lu， J.， Zhang， G.， Long， G. Scaling- Up Item-Based CollaborativeFiltering Recommendation Algorithm Based on Hadoop[C].2011 IEEE World Congress onServices.IEEE[A]. 2011， 490-497.
[46]周源，基于云計算的推薦算法研究[D]，成都：電子科技大學碩士學位論文，2012，26-64
[47]呂雪驥，基于云計算平臺的智能推薦系統研究[D]，合肥：安徽大學碩士學位論文，2012，25-43
[48]劉晨，改進的聚類挖掘算法對網絡自助出版“長尾”文本的推薦應用[D]，上海：復旦大學碩士學位論文，2011，10-19
[49]陳桂生，張海粟，劉玉超，云計算下的個性化數據挖掘服務[EB/OL]，[2011-2-28]中國人工智能學會通訊，http：//www，/contents/50/119，html
[50]張澤華，云計算聯盟建模及實現的關鍵技術研究[D]，昆明：云南大學博士學位論文，2012，26-114
[51]郭昱，吳清烈，基于云計算的大規模定制客戶需求響應模型及其節點的選擇與分布[J]，系統工程理論與實踐，2011，31（增刊2）：1-6
[52]趙東杰，張海粟，韓言妮，楊海濤，何宇，基于網絡化數據挖掘的群體智能研究方法[C]，Proceedings of 2010 The 3rdInternational Conference on Computational Intelligence andIndustrial Application（Volume 9）.IEEE[A].2010，239-243.
[53]AnandRajaraman，Jeffrey David Ullman著，王斌譯，互聯網大規模數據挖掘與分布式處理[M]，北京：人民郵電出版社，2012，1-253
[54]Bhaduri K， Das K， Liu Kun， et al. Distributed data mining bibliography[EB/OL]. [2011-01-03]. http：// cs. umbc. edu/～hillol/DDMBIB/
篇13
1.2D（執行）——實施培養方案，嚴格培養過程，完善質量保障
工程碩士培養要經過3個重要環節：課程學習、企業實習和學位論文。在每一個環節中又有若干環節，為保證培養質量，我們嚴格規范每個環節[2]。圖2是一套完整的工程碩士培養質量保障體系。
1.2.1課程環節
在課程環節，除嚴格執行培養方案外，每門課程都有教學大綱。授課期間要進行教學評估，學生給每位授課老師在教學態度、教學內容、教學方式、教學效果等方面進行打分，也可給出具體的意見和建議。評估結果和學生給出的意見將會反饋給老師，讓老師在教學中不斷改進提高。每個年級的碩士班設立一名班主任，協調課程安排，了解學生動態，組織課余活動。
1.2.2實習環節
面向行業進行專業實踐是培養模式高層次應用型人才的重要環節。落實實習基地和實習制度是保障實習環節有效完成的關鍵。我們選取與軟件工程學科相關的高新技術型企業、金融信息化企業等作為學生的實習基地，在實習基地聘請企業導師，具體指導學生的實踐環節。在實習過程中，制訂實習管理辦法，明確實習的時間、形式、要求，通過《企業實習手冊》對實習環節進行過程控制。
1.2.3論文環節
工程碩士學位論文是工程碩士研究生掌握理論知識、實踐能力、創新能力的全面體現，也是衡量培養質量和授予學位的重要標志。工程碩士的學位論文與工學碩士的學位論文側重點不同，它更加重視解決工程實踐的問題，因此論文的形式和評價標準也有不同的要求。我們將工程碩士論文劃分為系統研制報告、IT管理類論文、工程設計類論文以及學術研究類論文4種類型，每一種類型都對論文提出了相應的要求。為保證論文的最終質量，我們在論文階段設置了開題報告、、預答辯、論文評閱、論文答辯5個環節，每個環節都有相應的要求規范及實施辦法，任何一個環節不通過，都不能進入下一個環節，這就保證了能夠進入答辯的論文基本質量。具體實施如下：（1）開題報告環節。學院組織不少于3人的開題報告評審組，對學生的學位論文開題報告進行評審。基于工程碩士的培養目標，我們制訂了開題報告評價標準。相關文件包括《開題報告模版》《工程碩士學位論文開題評價標準》。（2）環節。為了有效懲戒學位論文學術不端行為，保證研究生學位論文質量，加強研究生學術道德和學術規范建設，我們針對研究生學位論文學術不端行為進行專門審查，采取軟件檢測的方法，務求論文重復率不超過10%。相關文件包括《信息學院開展研究生學位論文學術不端行為審查工作辦法》。（3）預答辯環節。工程碩士學位論文預答辯是保證學位論文質量的重要環節，是對進入答辯環節論文的又一輪篩選。相關文件包括《信息學院工程碩士研究生學位論文預答辯工作實施辦法》《中國人民大學信息學院工程碩士學位論文預答辯評價標準》。（4）論文評閱環節。由兩名專家對論文進行評閱，其中至少一名校外企業評閱專家針對論文的應用性給予評審和評價。（5）論文答辯環節。嚴格執行學校關于學位論文答辯環節的規定，保證通過的論文質量。
1.3C（檢查）——培養質量檢驗
培養質量的高低可以從論文質量、教師學生的反饋、就業情況3個方面來檢驗。
1.3.1論文質量
論文寫作過程5個環節的把關保證了通過答辯的論文已經過至少3次專家評判、1次。在某個環節被淘汰的論文，需要重新修改后才可以再次進入答辯。
1.3.2學生和教師的反饋
我們定期舉行授課教師、學術導師、企業導師座談會和學生座談會，通過座談會的形式，收集學生和老師對培養方案、課程設置、實習安排、論文等環節的意見和建議，聽取學生和老師的評價意見，聽取導師反映的培養和指導過程中出現的問題，為下一步改進方案作準備。
1.3.3就業情況
工程碩士的培養目標面向企業、面向實踐，因此學生的就業情況最能反映我們的培養質量。企業在選拔人才時有它所關注的指標，企業的人才需求是否與我們的培養目標一致，從就業率及就業情況就能反映出來。2012年人民大學第一屆全日制工程碩士畢業生和2013年第二屆畢業生的就業率均為100%，畢業去向為金融機構、國家機關、大型國有企業（非金融類）、外資企業和國內其他知名企業，有的學生甚至同時拿到幾家單位的錄用通知。以2010級為例，50名學生的畢業去向數據分布情況如圖3所示。從圖3可以看出，近一半的學生被金融機構錄用，這與我們最初設定的培養目標不謀而合。我們秉承與人文社科優勢學科相結合的理念，將金融與軟件工程結合起來，學生在課程學習、企業實習等環節都接受了相應的培養和訓練，這樣的畢業生一定是用人單位所歡迎的。
1.4A（處置）——總結、反思及改進
PDCA理論的最后一個步驟，是對于既往的總結與反思，提出改進措施。通過檢驗和反思，我們對培養方案進行更精細化的調整，對開題、評閱、答辯的各個環節以及管理流程進行改進，使之更適應工程碩士的培養。