為了解決傳統(tǒng)方法不適于大規(guī)模用戶訪問,訪問準確性差的問題,通過語義指向性匹配和多維索引樹編碼結合的方法,對跨境電商系統(tǒng)用戶數據庫智能訪問優(yōu)化方法進行研究。建立跨境電商數據庫模型,為數據庫智能訪問提供模型依據。依據模糊層次聚類提取語義指向性關聯特征,在概念格中完成語義指向性相似度計算,依據提取特征,通過相似度匹配實現數據庫智能訪問,針對其在用戶規(guī)模較大時影響訪問準確性的問題,采用多維索引樹編碼的方式對其進行優(yōu)化,實現對跨境電商系統(tǒng)用戶數據庫智能訪問方法的優(yōu)化。結果表明:采用所提方法對跨境電商系統(tǒng)時域數據與時頻數據語義指向性特征進行提取,能夠完成數據語義本體特征指向性聚類,冗余干擾信息被濾除,特征分布聚類性較強;對查全率水平較高情況下的查準率進行測試,發(fā)現所提方法在查全率升高時,可令查準率保持在較高的水平,未隨查全率的升高有顯著下降�？梢娝岱椒ㄔL問準確性高。 

【文章來源】：科學技術與工程. 2020,20(01)北大核心

【文章頁數】：6 頁

【部分圖文】：

數據庫訪問時間序列波形

分析圖2可以看出，通過本文方法對跨境電商系統(tǒng)數據語義指向性特征進行提取，能夠完成數據語義本體特征指向性聚類，冗余干擾信息被濾除，特征分布聚類性較強，為數據庫智能訪問提供有效依據。而文獻[4]方法和文獻[5]方法提取結果指向性聚類效果不好，對數據庫智能訪問產生不好的影響，降低訪問精度。在同樣的仿真環(huán)境下，獲取跨境電商系統(tǒng)用戶數據時頻分布，用圖3進行描述。

由圖4可以看出，采用本文方法進行特征提取，可獲取樣本數據中的有效數據，數據空間聚集性好。傳統(tǒng)方法特征提取結果性能不佳，抗干擾能力不強，進一步驗證了本文方法特征提取的有效性。圖4 三種方法對數據時頻特征提取結果

【參考文獻】：
期刊論文
[1]區(qū)塊鏈技術對優(yōu)化跨境電商支付模式的應用探索[J]. 王琳.  辦公自動化. 2017(23)
[2]基于JDBC的數據訪問優(yōu)化技術[J]. 韓兵,江燕敏,方英蘭.  計算機工程與設計. 2017(08)
[3]關系數據庫中實時高效元數據存儲算法優(yōu)化研究[J]. 劉帆.  科學技術與工程. 2017(17)
[4]一種基于裸閃存的Key-Value數據庫優(yōu)化方法[J]. 秦雄軍,張佳程,陸游游,舒繼武.  計算機研究與發(fā)展. 2017(06)
[5]基于洋蔥路由和ECC加密的Android-云計算安全訪問機制[J]. 徐亮,任曉芳,王紅梅.  電子設計工程. 2017(11)
[6]基于數據庫日志關聯規(guī)則挖掘的業(yè)務流程優(yōu)化[J]. 肖宗水,孟令童,孔蘭菊,錢進.  計算機集成制造系統(tǒng). 2017(05)
[7]大型數據庫需求信息實時查詢優(yōu)化仿真[J]. 劉哲.  計算機仿真. 2017(01)
[8]基于分布結構自適應篩選的數據庫存儲優(yōu)化設計[J]. 戚斌.  計算機測量與控制. 2016(12)
[9]網絡數據庫訪問中語義指向性算法優(yōu)化[J]. 張光勇,陳志偉.  現代電子技術. 2016(16)
[10]一種用于云計算數據庫的數據挖掘方法研究[J]. 張兵.  控制工程. 2016(06)



本文編號：3526057