东软集团股份有限公司关于东软睿驰汽车技术(上海)有限公

合集下载

2016年度第一批沈阳市高层次人才人选名单

2016年度第一批沈阳市高层次人才人选名单

2016年度第一批沈阳市高层次人才人选名单顶尖人才(1)沈阳航空航天大学: 杨凤田杰出人才(17)沈阳鼓风机集团股份有限公司: 汪创华北方重工集团有限公司: 苏鹏程何恩光沈阳新松机器人自动化股份有限公司: 曲道奎东软集团股份有限公司: 张霞辽宁壮龙无人机科技有限公司: 蔡茂林沈阳万维智造科技有限公司: 杜宝瑞沈阳拓荆科技有限公司: 姜谦刘忆军吕光泉沈阳富创精密设备有限公司: 郑广文沈阳芯源微电子设备有限公司: 宗润福胡延兵李风莉沈阳航空航天大学: 佟刚沈阳大学: 杨悦锁沈阳何氏眼科医院: 何伟领军人才(56)沈阳鼓风机集团股份有限公司: 李耀祖梅元平北方重工集团有限公司: 赵海峰党军锋沈阳新松机器人自动化股份有限公司: 徐方王金涛张恩涛王凤利东软集团股份有限公司: 梁松平安辽宁锐翔通用航空有限公司: 张利国沈阳大陆激光技术有限公司: 陈江沈阳航达航空机械制造有限公司: 卢少微王志沈阳顺风实业集团有限公司: 刘春峰沈阳东软医疗系统有限公司: 李双学江根苗沈阳细胞治疗工程技术研发中心有限公司: 宋冰沈阳无距科技有限公司: 徐保树沈阳通用机器人技术股份有限公司: 苏刚李涛沈阳芯源微电子设备有限公司: 王绍勇沈阳中科博微科技股份有限公司: 王宏张彦武林跃康凯沈阳天贺新材料开发有限公司: 高淑春沈阳市水利科学研究所: 詹中凯沈阳环境科学研究院: 邵春岩陈晓东陈刚沈阳大学: 王晓初王建明王明友刘广纯刘明李彦平张钧陈苏孙丽娜周乐侯朝霞韩晓微程全国沈阳何氏眼科医院: 王卓实徐玲何向东辽宁何氏医学院: 张东蕾沈阳市儿童医院: 穆亚平沈阳市妇女儿童保健中心: 李晨阳沈阳市妇婴医院: 曲文玉孙晓沈阳医学院附属中心医院: 夏书月沈阳市第四人民医院: 陈琳琳李若溪徐丽拔尖人才(78)沈阳鼓风机集团股份有限公司: 周慧王广兰北方重工集团有限公司: 邓立营沈阳新松机器人自动化股份有限公司: 邹风山李学威杨奇峰崔健东软集团股份有限公司: 赵立军闻英友张骞徐洪利陈锡民彭成宝辽宁壮龙无人机科技有限公司: 姬书德沈阳万维智造科技有限公司: 初宏震沈阳灏金环保科技有限公司: 宋平赵宇海沈阳东软医疗系统有限公司: 康雁邱少坤沈阳细胞治疗工程技术研发中心有限公司: 于艳秋沈阳无距科技有限公司: 宋大雷沈阳通用机器人技术股份有限公司: 李洪谊刘彤沈阳芯源微电子设备有限公司: 谷德君东软睿驰汽车技术(沈阳)有限公司: 刘威王楠袁淮周宇弘孟莉沈阳中科博微科技股份有限公司: 张建华沈阳中科超硬磨具磨削研究所: 王昆王铁刚王雀沈阳中科一唯电子技术有限公司: 赵海燕沈阳恒进真空技术有限公司: 曲绍芬沈阳航空航天大学: 赵立杰沈阳环境科学研究院: 单连斌郑江宁沈阳大学: 王丹王剑峰王美涵王焱王鑫车伟伟冯典兴刘岩李爱华李娟杨红杨新瑶宋雪英张宁张亚欣张珣陈宏伟范立南金晓阳常海周天国郑冬梅赵时璐赵宏伟赵柏冬贺春林原忠虎高小珺郭晓华董海谢谢阚洪敏魏建兵邵一川沈阳市妇婴医院: 史玉林关云萍牛菊敏沈阳医学院附属中心医院: 何晓琳沈阳市第四人民医院: 孙晓楠张绍丹高级人才(164)沈阳鼓风机集团股份有限公司: 赵志玲王军张鹏飞强红葛丽玲北方重工集团有限公司: 刘书兵韦丹沈阳新松机器人自动化股份有限公司: 陈为廉沈阳大陆激光技术有限公司:刘豫张静波沈阳航达航空机械制造有限公司:孟庆实马克明辽宁壮龙无人机科技有限公司:张业伟沈阳万维智造科技有限公司:王碧玲沈阳顺风实业集团有限公司:朱进军吕会勇沈阳灏金环保科技有限公司:陈欣张石沈阳富创精密设备有限公司:李剑国姜文新沈阳上博智像有限公司:王洪福王继东沈阳芯源微电子设备有限公司:徐春旭苗涛赵乃霞张军沈阳细胞治疗工程技术研发中心有限公司: 周中军沈阳中科一唯电子技术有限公司:魏剑嵬张春峰沈阳恒进真空技术有限公司:石岩沈阳天贺新材料开发有限公司:李玉海郑志沈阳星品科技有限公司:孟奎沈阳市水利科学研究所:程世国杜丽杰沈阳环境科学研究院:祝雷张丽君冯涛黄相国邢峰曾理胡赟唐亮赵勇娇王允妹乔卓王维宽戴桓孙俊赵光辉张正洁王坚常文越张晗芝张华刘智张广鑫陈曦陈明张巍王鑫袁英兰张帆赵薇许增贵刘舒祁国恕荆勇赵玉强门雅东沈阳大学:万福才马国峰王东王岩王建华王辉牛建平叶旭明叶英宇付亚坤任丹阳刘天惠刘军刘元晨刘思炜齐淑艳关宏臣米娟孙萍孙彬苏宝玲李刚李刚李伟李英伟李彤李淼焱李德玲杨绍斌杨继松杨彩霞宋春雨邹明张凡迪张正贵张志全张岩张艳艳范存生林志民林静雯岳晓宁郑晓非赵亚南姜继红贾冬梅倪筱楠徐洪学高岩姜俊和韩俊艳路林蔡迎浩蔺昕张秀君何氏眼科医院:秦南任孝伟殷莉莉辽宁何氏医学院王敏王鹤潼张敏王莉洁胡深明赵洪礼王连嵩何平陶新韩冰沈阳市儿童医院:王春南关丽君商淑云林年年沈阳市妇女儿童保健中心:李静杨柳栾虹沈阳市妇婴医院:郜红艳沈阳医学院附属中心医院:杨峰沈阳市第四人民医院:李凯周军王树东李丹王岩齐飞王海瑛庄晓彤于秀玲刘东宁旷劲松王海林皇甫晓瑾张洋赵曼曼李全红徐杨。

2 (东软集团有限公 司 商用软件事业部,辽 宁 沈 阳 110179) A Deep Web Entity Identification Me

2 (东软集团有限公 司 商用软件事业部,辽 宁 沈 阳 110179) A Deep Web Entity Identification Me

ISSN 1000-9825, CODEN RUXUEW E-mail: jos@Journal of Software, Vol.19, No.2, February 2008, pp.194−208 DOI: 10.3724/SP.J.1001.2008.00194 Tel/Fax: +86-10-62562563© 2008 by Journal of Software. All rights reserved.∗一种基于语义及统计分析的Deep Web实体识别机制寇月1+, 申德荣1, 李冬2, 聂铁铮11(东北大学信息科学与工程学院,辽宁沈阳 110004)2(东软集团有限公司商用软件事业部,辽宁沈阳 110179)A Deep Web Entity Identification Mechanism Based on Semantics and Statistical AnalysisKOU Yue1+, SHEN De-Rong1, LI Dong2, NIE Tie-Zheng11(College of Information Science and Engineering, Northeastern University, Shenyang 110004, China)2(Business Software Division, Neusoft Group Ltd., Shenyang 110179, China)+ Corresponding author: Phn: +86-24-83691218, Fax: +86-24-23895654, E-mail: kouyue@, Kou Y, Shen DR, Li D, Nie TZ. A deep Web entity identification mechanism based on semantics andstatistical analysis. Journal of Software, 2008,19(2):194−208. /1000-9825/19/194.htmAbstract: According to analyzing the traditional entity identification methods, a deep Web entity identificationmechanism based on semantics and statistical analysis (SS-EIM) is presented in this paper, which includes textmatching model, semantics analysis model and group statistics model. Also a three-phase gradual refining strategyis adopted, which includes text initial matching, representation relationship abstraction and group statistics analysis.Based on the text characteristics, semantic information and constraints, the identification result is revisedcontinuously to improve the accuracy. By performing the self-adaptive knowledge maintenance strategy, the contentof representation relationship knowledge database can be more complete and effective. The experimentsdemonstrate the feasibility and effectiveness of the key techniques of SS-EIM.Key words: deep Web; data integration; entity identification; data deduplication; representation consolidation摘要: 分析了常见的实体识别方法,提出了一种基于语义及统计分析的实体识别机制(deep Web entityidentification mechanism based on semantics and statistical analysis,简称SS-EIM),能够有效解决Deep Web数据集成中数据纠错、消重及整合等问题.SS-EIM主要由文本匹配模型、语义分析模型和分组统计模型组成,采用文本粗略匹配、表象关联关系获取以及分组统计分析的三段式逐步求精策略,基于文本特征、语义信息及约束规则来不断精化识别结果;根据可获取的有限的实例信息,采用静态分析、动态协调相结合的自适应知识维护策略,构建和完善表象关联知识库,以适应Web数据的动态性并保证表象关联知识的完备性.通过实验验证了SS-EIM中所采用的关键技术的可行性和有效性.关键词: deep Web;数据集成;实体识别;数据消重;表象整合中图法分类号: TP393文献标识码: A随着信息技术的不断发展,Web上的信息量呈爆炸性增长.按照所蕴含信息深度的不同,可以将Web划分为∗Supported by the National Natural Science Foundation of China under Grant No.60673139 (国家自然科学基金)Received 2007-08-31; Accepted 2007-12-05寇月等:一种基于语义及统计分析的Deep Web实体识别机制195Surface Web和Deep Web两大类.统计数据表明:Deep Web蕴含的信息量及数据访问量等都远远高于Surface Web[1].因此,随着Web数据库的不断增长,能够自动获取蕴含在Deep Web中的数据资源并对其进行大规模集成显得尤为重要.然而,数据源内部及数据源之间的数据往往存在数据不一致及数据重复等问题,如果不对这些低质量的数据进行预处理而直接作为查询结果返回,将严重影响Deep Web的查询效率.利用实体识别技术可以对数据集成中产生的重复记录进行检测并整合,有效地消除数据源内部以及数据源之间的数据不一致性.以论文检索网站ACM和DBLP为例,若要查询John Allen发表的论文信息,两个网站上的结果数据如图1所示.从图1中可以看出,由于拼写方式或定义格式的不同,无论是数据源内部还是数据源之间都具有不同表现形式但对应于同一事物的结果数据.我们将与现实世界一一对应的事物或事件称为实体,例如姓名为John Allen的某个具体的人;将实体的不同表现形式定义为实体的表象,例如可以将这个人表示成John Allen,J. Allen等.如果直接将这些表象作为结果返回,则无疑将增加用户对其进一步分类、筛选的负担.因此,为了提高结果数据的质量,需要事先通过实体识别技术将这些表象按照实体类别聚类,并将聚类结果以知识的形式存储,以指导实际查询中的资源整合.针对此例,就是要判断:DBLP网站中的表象r2,r3与r4是否代表同一个人;ACM中r1对应于DBLP中r2,r3与r4的哪个人的信息.因此,通过实体识别技术为用户提供高质量的集成结果是Deep Web数据集成中必不可少的一个过程.: John AllenACMr4: John G. AllenDBLPFig.1 Demonstration of data inconsistency existing in a single data source or among multiple data sources 图1 存在于一个数据源内部或多数据源之间的数据不一致性示例然而,目前针对Web数据实体识别的研究与开发还处于起步阶段,大多数工作都是围绕静态环境来构建实体识别系统(如数据挖掘领域中数据清理问题的研究[2]),与这些实体识别系统相比,Deep Web实体识别的研究更具挑战性,主要体现在以下几个方面:当前大多数实体识别系统仅单一地考虑文本属性特征或上下文语义信息来衡量数据间的相似性,没有对聚类结果进行逐步求精处理,识别的准确性难以保证,因此,已有的识别策略有待改进;蕴含在Deep Web中的数据资源具有较强的动态性,如果按照传统的数据挖掘等方法将获取的所有表象关联信息保存在数据仓库中,则具有相对静态特性的数据仓库的内容不能实时地反映数据的动态变化,因此,传统的数据清理方法对于动态性强的数据资源并不适用;由于Deep Web数据量巨大,若对所有数据源进行分析识别,势必影响识别的处理效率,相反,若只分析部分信息,表象关联知识的完备性将会受到影响,因此,样本数据量的大小难以确定.综上所述,要想有效地整合Deep Web上的数据就必须解决以上问题.本文将着重解决的问题是:在表象模式已知的前提下,如何基于实例信息来分析并获取表象关联知识,如何确保这些知识具有较高的完备性与准确性,以及如何保证表象关联知识库中的内容能够适应于Deep Web环境中数据的动态性.1 相关工作目前,关于实体识别技术的研究主要集中在两方面:一方面是基于实体的属性文本特征进行实体识别(feature-based similarity,简称FBS方法),侧重于研究文本相似函数的设置(包括函数定义、选取和相关阈值的确196 Journal of Software软件学报 V ol.19, No.2, February 2008定)[3−7]、属性权重的选取[8−10]以及相关优化措施[11]等;另一方面是基于实体上下文语义信息或特定领域知识,利用数据挖掘等方法进行实体识别,侧重于研究语义关联的表示方式及计算方法[12−17].其中,基于属性特征进行实体识别的相关工作包括:Bilenko[3]通过采用机器学习方法SVM自适应地选取最佳文本相似度算法,以满足不同领域数据的特点及需求;Cohen[4]分析并比较了多种字符串匹配函数(如编辑距离、Token距离、Levenstein距离等),并从中选取最佳函数来衡量属性特征的相似性;Zhu等人[5]根据关系表的决定属性值划分记录集,并在每个记录集内应用动态优先队列聚类算法和合并逆序算法来检测数据库中的相似重复记录;Ling等人[6]将Web页面中的数据划分成记录块,基于记录块间的文本相似性来判断不同数据源上的记录是否重复,并通过迭代训练来确定相关参数的阈值.以上工作侧重于研究相似函数的定义、选取及阈值设置,除此之外,文本匹配中属性权重的选取及相关优化措施的采用也越发引起关注,例如,Wang等人[8]利用梯度递减算法为数据的描述属性赋予权值,并基于属性权重学习算法和聚类算法将相似的数据聚类;Chaudhuri[11]提出一种高效的重复记录模糊检测算法,通过采用特定索引、排序等优化措施有效地搜索出与当前元组最相似的K个关联元组.基于上下文语义信息或特定领域知识进行实体识别的相关工作包括:Chen[12]将表象间的语义关联以图形化表示,并应用图分割技术对表象集进行聚类分组,每组由对应于同一实体的表象集组成;Thor[13]建立了一个灵活的表象匹配框架MOMA,通过该框架采用不同的表象匹配算法获取表象关联集,并将其合成,从而计算表象间的关联强度;Nie等人[14]利用上下文在互联网共同出现的情况,通过计算网页的URL距离来计算不同表象的互联网关联强度.以上工作大多数是基于静态环境构建的实体识别系统,不能较好地适应Deep Web环境下数据资源的动态性并保证表象关联知识的完备性;另外,这些实体识别系统或者基于属性文本特征,或者基于上下文信息来识别数据间的相似性,缺乏对聚类结果进行逐步求精的过程,因此,单一地应用实体属性特征或上下文信息来进行实体识别将会影响识别结果的准确性.为此,本文探讨了一种基于语义及统计分析的Deep Web实体识别机制,主要贡献在于:提出了SS-EIM(deep Web entity identification mechanism based on semantics and statistical analysis)的模型,其中包括文本匹配模型、语义分析模型和分组统计模型,能够有效解决Deep Web数据集成中数据纠错、消重及整合等问题;提出了文本粗略匹配、表象关联关系获取以及分组统计分析的三段式逐步求精策略,有效地提高了实体识别的准确性;基于有限的实例信息,采用静态分析、动态协调相结合的自适应知识维护策略,构建和完善表象关联知识库,能够适应Web数据的动态性并保证表象关联知识的完备性;通过实验验证了SS-EIM 中所采用的关键技术的可行性和有效性,与其他实体识别策略相比,SS-EIM在知识准确性、知识完备性等性能上具有一定的优势.本文第2节介绍SS-EIM的模型;第3节介绍文本匹配模型;第4节提出基于上下文的语义分析模型;第5节介绍基于约束规则的分组统计模型;第6节给出三段式逐步求精算法以及性能分析;第7节讨论表象关联知识维护策略;第8节给出相关实验结果并进行分析;第9节总结全文.2 SS-EIM的模型通过预获取的有限的实例信息可以分析和推导出实例间的关联关系并构建表象关联知识库,利用表象关联知识可以有效地指导实时查询中资源选择、消重及数据整合等操作.本节首先介绍SS-EIM的模型,然后针对模型中涉及的相关概念给出定义.SS-EIM的模型如图2所示.其中,R是有限数据集D中的所有表象r i构成的集合,记为{r1,r2,…,r|R|}.将D中与现实世界一一对应的实体集记为E={e1,e2,…,e|E|},e i是由对应于同一实体的表象所组成的表象集.实体识别的任务就是给定一个表象集R,通过匹配、推理及分析等过程,将对应于同一实体的表象进行聚类,最终得到实体集E,|R|≥|E|.实际上,E是理想情况下的实体识别结果,由于Web表现形式的多样性以及数据的复杂性很难将R准确无误地转化成E.因此,可以利用SS-EIM生成的聚类集C={c1,c2,…,c|C|}来近似地表示实体集E,|C|≈|E|.SS-EIM模型首先将模式已知的表象集R作为待识别数据,基于文本匹配模型、语义分析模型和分组统计模型对这些实例寇月 等:一种基于语义及统计分析的Deep Web 实体识别机制 197信息进行静态分析,分别生成一系列文本相似集、语义相似集和满足约束集,并形成初始的表象关联知识;然后,基于知识维护模型以及用户的实际查询结果对当前表象关联知识库中的内容进行动态协调,使其不断被扩充和完善,以保证表象关联知识的完备性和有效性.Fig.2 SS-EIM model图2 SS-EIM 模型文本匹配模型通过比较属性取值的文本相似度来检测由数据格式、拼写错误等因素造成的数据不一致性.但是,文本匹配模型只是通过字面粗略地对表象进行聚类,而文本特征相似的表象很可能代表不同的实体,因此语义分析模型通过上下文语义信息来进一步提高聚类的准确性.除了分析字符串类型的属性及其语义关联以外,分组统计模型还用来对数值型属性进行统计分析以提高实体识别的准确性.为了使表象关联知识库的内容适应Web 数据的动态性,知识维护模型通过收集实际查询过程中的动态结果数据,以此作为基准来实时检测表象关联知识库的完备性和有效性,从而对表象关联知识库中的内容不断进行调整并完善.从SS-EIM 模型中可以看出,文本相似集、语义相似集以及满足约束集的生成过程是对表象聚类集逐步求精的过程,将其分别记为S txt ,S sem 和S con ,三者的关系为S txt [r i ]⊇S sem [r i ]⊇S con [r i ],现给出具体定义.定义1(文本相似集S txt [r i ]). 基于实体的属性取值、利用文本相似函数Sim 计算表象间的相似度,文本相似集由文本相似度达到文本相似阈值σtxt 的表象以及与该表象具有异名同义或层次包含关系的表象S txt_Extend [r i ]所组成,具体定义为{}_[]|([](,))[]txt i j j k k txt i j k txt txt Extend i S r r r R r r S r Sim r r S r σ=∈∧∃∈∧>∪ (1)定义2(语义相似集S sem [r i ]). 依据语义关联进一步分析每个文本相似集,语义相似集由表象间关联强度CS 大于语义相似阈值σsem 的表象所组成,具体定义为{}[]|[]([]())sem i j j txt i k k sem i j k sem S r r r S r r r S r CS r r σ=∈∧∃∈∧→> (2) 定义3(满足约束集S con [r i ]). 基于约束规则检测语义相似集的聚类准确性,满足约束集由语义相似集内满足约束规则的表象所组成,具体定义为{}[]|[][] con i j j sem i con i S r r r S r S r =∈∧满足约束规则 (3) 其中,语义关联是指存在于表象间直接或间接的上下文联系,关联强度是对语义关联强弱的量化表示.以图1为例,若r 1与r 2有相同的合作者,则认为表象r 1与r 2之间存在语义关联.约束规则是指针对某领域中表象的属性聚集值所定义的约束条件.例如,若图1中ACM 网站的r 1与DBLP 网站的r 2,r 3对应同一个人,那么该作者在两个网站中被收录的文章总数应相差不多,可以将其作为约束规则来进一步检测聚类的准确性.3 文本匹配模型在特定的领域范围内,对应于相同实体的表象往往具有相似的属性特征.因此,本文应用文本匹配模型对实例信息进行文本粗略匹配,借鉴文本编辑距离函数[18]来衡量表象间属性级相似度,并采用多属性合成函数将多个属性级相似度进行合并,进而衡量表象级的相似程度,最终将具有相似文本特征的表象聚成一类,形成一系列文本相似集.具体步骤如下:步骤 1. 借鉴已有的属性选择算法[8−10],利用近似函数依赖关系来量化实体描述属性a 1~a n 的重要度,并赋198 Journal of Software 软件学报 V ol.19, No.2, February 2008 ))予不同的权值w 1~w n ,具体定义如公式(4)所示.其中,表示a ˆai 与其他属性的组合属性;表示为了使近似函数依赖成立,需要从关系中移除的记录占整个关系的最小比例.越小,说明关系中满 ˆ(j error a a →ˆj aa →ˆ(j error a a →足该函数依赖的记录就越多,a i 的影响力就越大,因此被赋予较高的权值. 1ˆ1(ˆ||n j i j error a a w a =−→=∑) (4) 步骤 2. 针对每个表象对(r i 与r j ) 中的各个属性a k (k =1~n ),分别基于文本编辑距离函数计算表象间属性级的相似度Sim (r i .a k ,r j .a k ),具体定义如下: (.,.)(.,.)1max{|.|,|.|}i k j k i k j k i k j k ed r a r a Sim r a r a r a r a =− (5)步骤 3. 基于多属性合成函数及属性权重将多个属性级的相似度进行合并,从而计算出表象级的文本相似度Sim (r i ,r j )(如公式(6)所示).最终将满足文本相似阈值的所有聚类进行合并,生成一系列初始文本相似集.(6) 111(,)((.,.),...,(.,.),...,(.,.))(.,.)i j i j i k j k i n j n n k i k j k k Sim r r Com Sim r a r a Sim r a r a Sim r a r a w Sim r a r a ===×∑步骤 4. 针对每个初始文本相似集,基于辅助信息库,如Wordnet,将与其存在异名同义及层次包含关系的表象S txt_Extend [r i ]扩充到其中,以保证最终生成的文本相似集具有较高的完备性和准确性.由此可见,文本粗略匹配得到的是从属性特征上具有相似性的表象聚类集,然而,表象的外在表现形式不足以作为聚类的判定依据.例如,J. Smith 既可以表示John Smith,又可以表示Jane Smith,虽然基于文本匹配,这些表象可能被聚集在同一个文本相似集内,但它们分别对应不同的实体.因此,文本匹配只是基于属性特征对表象集粗略地划分,其准确性难以保证.但是,利用文本匹配模型可以使后续的操作在较小的数据空间上进行,从而降低了实体识别的执行代价.4 语义分析模型语义分析模型用来对每个文本相似集的表象进行语义关联分析,将具有语义相似性的表象进行聚类,从而在属性文本匹配的基础上提高了实体识别的准确性.首先,基于表象的上下文信息将其语义关联用表象关联图来表示;然后,针对表象关联图中表象间的多条路径进行分析,并从中选取进行关联强度运算的最佳路径;最后,计算表象间的关联强度,将关联强度大于语义相似阈值的表象聚成一类而形成语义相似集.4.1 语义关联规则针对某一领域,对应于同一实体的表象之间往往存在着直接或间接的语义关联,利用这些关联信息可以提高实体识别的准确性.因此,需要事先挖掘出该领域表象间的语义关联规则.设待聚类表象集为R ,本文首先采取人工筛选的方式从R 中确定一系列标准聚类集c ,其中每个c 由对应同一实体的表象组成;然后,将R 与该领域内其他表象集R k 分别组合形成一系列候选关联R_R k ,借鉴数据挖掘中的Apriori 算法[19,20],针对每一种候选关联R_R k ,挖掘所有标准聚类集中的频繁2项集{r i ,r j }并计算其支持度Support (r i ⇒r j ),R_R k 的支持度由这些频繁2项集的支持度聚集而成(如公式(7)所示);最后,选取支持度较高的候选关联以及它们的有限次迭加作为实体识别的语义关联规则.,.(){,}2(_)()i j k k k i k j i j k i j r r R c r r R r r r r r Support R R Support r r ∈∧∃∈∧⇒⇒∧=⇒∑是频繁项集 (7)以论文检索领域为例,若待聚类的表象集是作者表象集合,则该领域内的关联组合包括作者_合作者、 作者_会议、作者_出版日期等候选关联.若存在某合作者表象r k ,同时与标准聚类集中的两个作者表象r i ,r j 具有合作关系r i ⇒r k ⇒r j ,且该现象频繁发生,则作者_合作者关联的支持度较高,因而将该关联作为实体识别的语义关联规则.以此类推,针对该领域的特征,最终确定如下语义关联规则作为构建表象关联图的依据.• 合作者关联(作者_合作者):若两个表象的合作者集合存在交集,则认为该表象间存在合作者关联.寇月 等:一种基于语义及统计分析的Deep Web 实体识别机制199• 出处关联(作者_会议):若两个表象出自同一个会议或出版机构,则认为该表象间存在出处关联.• 混合关联:表象间经过合作者关联或出处关联的有限次迭加而建立的关联. 4.2 表象关联图基于这些预先挖掘的语义关联规则,可以检测出表象间的关联关系,将这些信息以图形化表示出来的过程就是构建表象关联图(representation relationship graph,简称RRG)的过程.RRG 由节点集合V 和边集合E 组成,V 用来表示实体的不同表象,包括文本相似集内的表象以及与之具有语义关联的所有表象,如上例中的作者和会议等;E 用来表示表象间存在的语义关联,如上例中的合作者关联、出处关联等.表象关联图类似于关系数据库中的实体联系模型,不同的是,表象关联图表示的是实例(表象)间的关联信息,因此,可以将表象关联图看成是对实体联系模型的实例化表示.针对论文检索领域某一文本相似集内的两个表象John Allen 与J. Allen 构建的表象关联图如图3所示,其中,节点分为两类,分别表示作者表象和会议表象;同样,按照表象间关联类型的不同,边也分为合作者关联与出处关联.具体来说,图3(a)表示John Allen 的合作者Helen 同样也是J. Allen 的合作者,则认为John Allen 与J. Allen 存在合作者关联;图3(b)表示John Allen 发表的某篇文章与J. Allen 的来源于同一会议VLDB,则认为John Allen 与J. Allen 存在出处关联;图3(c)表示John Allen 与J. Allen 之间既存在合作者关联又存在出处关联,则认为John Allen 与J. Allen 之间存在混合关联.(a)(b)(c)Fig.3 Demonstration of representation relationship graph图3 表象关联图示例4.3 最佳路径选取表象关联图中两个表象之间如果存在多条关联路径,如何从中选取一条最佳路径作为表象间关联强度计算的依据就成为一个有待解决的问题.通常,如果两个表象间语义关联所在的上下文环境包含的表象越少,语义关联就越有针对性,表象同属于一个实体的概率也就相对越高.为此,本文定义了路径重要度来量化表象间语义关联的独特性,并选取重要度高的路径作为最佳路径来计算关联强度.定义4(路径重要度). 若两个表象间某关联路径上的所有表象节点(不包含起始表象和终止表象)为{r 1,…, r k },与节点r i 存在语义关联的表象个数为m i ,则该关联路径的路径重要度为11.k i i m =∑如图4所示,表象John Allen 与J. Allen 之间路径A 的重要度为0.01,而路径B 的重要度为0.5.这是由于VLDB 与很多作者之间都存在出处关联,表象覆盖率较高,因此削弱了该关联针对作者John Allen 与J. Allen 的表现能力;相反,Helen 只与John Allen 和J. Allen 具有合作者关联,该关联的针对性较强,突出表现了John Allen 与J. Allen 之间语义关联的独特性.因此,在本例中,优先选择表现能力较强的路径B 作为最佳路径来计算表象John Allen 与J. Allen 之间的Fig.4 Selection of the best path 图4 最佳路径的选择200Journal of Software 软件学报 V ol.19, No.2, February 2008关联强度. 4.4 关联强度的计算关联强度是基于最佳路径对表象间语义关联的量化表示,能够在一定程度上反映出表象间潜在的语义相似性.随着关联类型的不同,其语义关联程度也有所不同,因此,需要针对不同的关联类型为其赋予不同的权值.由此可见,前文中最佳路径的选取是根据表象关联图中关联的独特性来进行的,而关联强度则是基于表象间关联的语义表达能力来进行计算的.表象r 1到r n 间关联路径的关联强度如公式(8)所示. 12111121()...1()...(...)111n n m n CS r r CS r r n w n w CS r r r n n −−→++−→++→→→==−−m − (8) 1(_)1(_)i i m k k Support R R w Support R R ==−∑ (9) 可见,表象间的关联强度相当于关联路径上每条子路径r i −1→r i 关联强度的平均值.其中,n 1~n m 表示关联路径上属于各种关联类型的关联数目;w 1~w m 表示按照语义关联程度对不同的关联类型(设有m 个)所赋予的权值(如公式(9)所示).需要注意的是,语义关联的表达能力越强,被赋予的权值就越小,关联强度也就越大.例如,在论文检索领域中,合作者关联比出处关联具有更强的语义表现能力,经计算,其权值分别为0.3和0.7,则图3(a)、 图3(b)和图3(c)中表象John Allen 与J. Allen 间关联强度分别为0.7,0.3和0.43.5 分组统计模型文本匹配与语义分析针对的都是字符串类型的属性,实际应用中实体的某些特征也经常用数值型属性加以描述,如报价、库存量等.对应于同一实体的不同表象在这些数值型属性上往往具有相似的聚集值,例如在不同数据源中,同一商品的平均价格基本一致、同一作者被检索的文章总数基本相同等.因此,可以基于这些数值型属性对语义相似集的表象进行统计分析,并按照属性聚集值的相似程度进一步对表象进行聚类.5.1 约束规则我们将存在于不同数据源中的同一聚类分组应该满足的统计规律定义为约束规则.约束规则所约束的目标是不同数据源内的聚类分组,而不同于文本匹配与语义分析以表象作为操作对象.因此,需要在聚类分组的层次上、针对不同的数据源对其进行统计分析.需要强调的是,只有当聚类分组所包含表象的个数大于1时,才有必要进行统计分析,因此,通常认为只包含1个表象的聚类分组均满足约束规则;另外,只有当数据源规模较大时,统计分析才能有效进行,因此,分组统计分析适合在表象覆盖率较大的数据源上进行.以论文检索领域为例,假设语义相似集S sem {John Allen,J. Allen,J. A. Allen,J. B. Allen,Jane Allen}在数据源DS 1和DS 2中的相关统计信息见表1,针对作者的被收录文章数、参与会议数可以为每个聚类分组(包含的表象数大于1)定义如下约束规则:• 文章数目约束:对应于同一实体的表象集{r 1,…,r n }在DS 1中被收录的文章总数应等于在DS 2中被收录的文章总数,记为DS 1.Sum (r 1.文章数,…,r n .文章数)=DS 2.Sum (r 1.文章数,…,r n .文章数).• 会议次数约束:对应于同一实体的表象集{r 1,…,r n }在DS 1中参与某会议的总次数应等于在DS 2中参与该会议的总次数,记为DS 1.Sum (r 1.会议数,…,r n .会议数)=DS 2.Sum (r 1.会议数,…,r n .会议数).Table 1 Statistical information of a semantic similar set in different data sources表1 不同数据源中某语义相似集的统计信息 Number of accepted papers Number of attended conferences S semDS 1DS 2DS 1DS 2John Allen20 35 6 4 J. Allen30 40 1 2 J. A. Allen40 15 1 2 J. B. Allen15 10 1 5 Jane Allen 120 50 3 11。

长安汽车配套供应商汇总名单

长安汽车配套供应商汇总名单

年通过德国莱茵公司的TS16949质量体系认证和14000环境管理体系认证司的ISO/TS:16949:2002质量管理体系的正式审核已通过3C 证认,部分产品已 通过E-mark认证进行的QS9000、VDA6.1国际质量管理体系双认证,2006年4月取得德国南德公司进行的ISO/TS16949国际质量管理体系认证环境管理体系和OHSAS18001:1999职业健康安全管理体系。

得TS16949质量体系认证过了ISO9002质量体系认证;1999年公司技术中心被认定为省级技术中心;2000年公司通过了QS9000质量体系认证注册;2001年通过VDA6德国大众等国际车厂的认证品认证证书(3C认证)环境管理体系认证.2003年通过了ISO/TS16949质量体系认证.03年通过了ISO/TS16949:2002质量管理体系认证。

系、 ISO18001职业健康安全管理体系;产品通过3C认证,部分产品通过E-MARK认证理体系、 ISO14001环境管理体系、OHSAS18001健康安全体系等认证境管理体系认证;将于2007年通过TS16949和3C认证及IQNET多个国家互认证书年7月通过TS16949质量体系认证。

目前正在进行ISO14001和OHSA18001体系认证05年12月通过ISO/TS 16949和ISO:9001质量体系认证。

而且通过了国内30多家主机厂从1000h双全台架试验到10000h的实用考核 通过了 TUV 的 ISO/TS 16949 : 2002 质量体系认证。

质量管理体系认证际认证工作,于2007年3月通过ISO14001环境管理体系认证。

/14001:2000和OHSAS18001:1999版体系认证。

另有多种产品通过了E-mark、UL认证德TÜV公司的ISO/TS16949:2002质量管理体系认证ISO/16949质量管理体系认证。

2007年通过DOT认证接转换,2005年通过行业要求更高的TS16949标准体系的认证管理体系认证和2004年6月通过QS9000:1998质量管理体系认证;2005年12月通过ISO/TS16949:2002标准质量管理体系认证理体系要求,建立起ISO/TS16949标准的质量管理体系通过了ISO/TS16949国际质量体系认证,2004年通过ISO14001国际环境管理体系认证过了SGS认证公司的TS16949质量体系认证还取得了美国UL、欧盟CE等认证证注册;2001年通过VDA6.1质量体系认证,2001年盘式制动器总成、鼓式制动器总成通过中国汽车产品认证中心的质量认证10000h的实用考核管理体系认证心的质量认证。

okf2东软宣讲杨柳.x1 ppt课件

okf2东软宣讲杨柳.x1 ppt课件
NeuTA由相互作用的六个域构成,包含课程体系、训练体系、 人才培养解决方案、学员管理体系、企业化教学管理体系、质量管 理与考核体系。
Neuedu®
东软实训的人才培养优势—案例充实
序号
1 2 3 4 5 6 7 8 9 10
项目名称 人事管理系统 暴走银行 移动短信交易平台 物流管理系统 基于bootstrap框架的机票查询系统 基于android的掌上社团管理系统 在线考试系统 Android在线app 12306铁路订票系统 解决方案——身份证、公积金、社保
➢ 发展历程
2019
2000
1991 东软在大连、成
都、南海先后设
东软创立伊始,立东软信息技术
与东北大学合 学院,开始大规
作设立“软件 模为社会培养专
加强班”,联 合培养人才
门的IT人才
2009
东软成为国家级工程
实践教育中心
•东软成为教育部软件工 程专业大学生实习实训
东软整合全球教育资
2019
基地并开始大规模实施 源,组建东软睿道公 面向软件相关专业大学 司,致力于中国领先
已经与
500 400 已与
余家企业合作,通过面对面、
多所国内
高校合作 , e-Learning平台和课件提供培训服务
将东软的 人才培养
分布全国
体系与大 学的课程 嵌入结合
6 的 个实
训基地,
3000 拥有技术人才
余人,面向
300 全国
余家企业提供人才服务
300
多名专职 的项目经 理,累计
培训学员 十万余人
轻量级框架。 优势:配合SSH框架,结合切面编程思想,实现后台框架搭建的平 台。 学员成长:对轻量级框架的使用的深入理解。

辽宁省交通高等专科学校_企业报告(业主版)

辽宁省交通高等专科学校_企业报告(业主版)

智慧语音室建设结果公告
沈阳泓语翼科技有 限公司
辽宁省交通高等专科学校共享型 建筑工程数字化实训中心软件项 目结果公告 辽宁省交通高等专科学校汽车专 业实践教学基地信息化智能综合 管理平台建设项目结果公告
辽宁凯源信息科技 有限公司
上海素乐信息科技 有限公司
*按近 1 年项目金额排序,最多展示前 10 记录。
1.4.1 重点项目
(1)信息系统集成和物联网技术服务(44)
重点项目
项目名称
中标单位
中标金额(万元) 公告时间
TOP1
文旅类产教融合虚拟仿真实训基 沈阳泰扬信息技术地建设结Leabharlann 公告有限公司158.0
2022-07-21
本报告于 2023 年 02 月 06 日 生成
3/29
重点项目
项目名称
中标单位
在线课程建设项目结果公告
北京博海迪信息科 技有限公司
北京世纪超星信息 技术发展有限责任 公司
智慧教室(线上课程录播中心) 沈阳智云创信技术
项目
服务有限公司
227.0 139.2 128.6 97.9
2022-02-18 2022-05-16 2022-05-24 2022-09-26
TOP5
汽车运用与维修技术专业双语课 上海素乐信息科技
项目数(个)
254
同比增长:16.5%
项目总金额(万元)
(不含费率与未公示金额)
¥13505.14
同比增长:21.6%
平均金额(万元)
¥59.76
同比增长:5.5%
平均节支率
6.7%
同比增长:-16.2%
*平均节支率是指,项目节支金额与预算金额的比值的平均值。(节支金额=项目预算金额-中标金额)

东软集团业务模式研究分析

东软集团业务模式研究分析

三级医院
500+
云HIS产品覆盖 基层医疗服务
机构
50000+
医疗机构
2,500+
支撑社会保险 服务
700,000,000+
基层医疗机构 和诊所
30,000+
供软件与服务 两定医疗机构
190,000+
提供人社医保 平台云服务城

40+
数据库管理覆 1,300,000,000+ 盖人数
2.产品服务
东软集团医疗健康产品:智慧医院产品+智慧临床产品+智慧健康云平台
公司持续加强面向全球市场的品牌传播与管理,高质量、可信赖的东软品牌获得了广泛的赞誉和 市场认可。
东软将“超越技术”作为公司的经营思想和品牌承诺,始终坚持“开放式创新”战略,建立公司 级、事业部级的两级研发体系,不断寻找可持续高速发展的技术与商业模式。
公司面向生态系统和应用场景,驱动业务专业化、IP化、互联网化发展,聚焦政府、高端客户、 产业伙伴,建设合作、共赢、健康的生态系统。
公司基于ISO9001质量管理标准,融合CMMI等模型、方法的先进理念,对公司的质量体系进行 持续的升级和完善,先后通过了DNV、BSI、QAI、CQC等第三方认证机构的质量体系认证。
二、业务模式
• 价值客户 • 产品服务 • 公司布局 • 业务组合
1.价值客户
东软集团主要客户群体:大型三级医院、卫健委、药企、互联网公司
东软集团
医疗信息化业务模式研究分析
汇报人:张华涛 时间:2020.03.30
一、公司简介
CONTENT

二、业务模式

三、竞争概况

公司企业简介(标准版)

公司企业简介(标准版)

公司简介COMPANY PROFILE某某某某股份有限公司(以下简称“某某股份”)隶属于中国某某工业集团公司,是国内新能源生产的重要基地,是国内外新能源科研生产的主要供应商。

某某股份成立于20XX年X月,其前身是有着30年发展历程的“某某某某某有限公司”,是一家主要从事新能源材料的研发、回收、分类及销售为一体的综合型服务部,股票代码“XXXXX”。

公司总部位于广东珠海,现拥有资产总额26亿元,从业人员1500余人。

某某股份以创新发展历程为厚积,专注于新能源领域的研发和制造,不断提升科研开发水平,打造领先的核心技术能力,具备尖端的科研开发能力、先进的加工制造技术、领先的计量检测水平,拥有一批达到国际水平的科研、生产、试验设备,形成了较为雄厚的产品研发、制造及试验能力。

本着“诚实守信、公平公正、互惠互利”为合作原则!在长期经营中赢得了众多客户的信赖,建立了稳固的合作关系,并在业界获得了好的口碑。

公司企业简介(标准版)核心内容概述公司基本信息:某某某某股份有限公司(简称“某某股份”),隶属于中国某某工业集团公司,是新能源领域的重要企业。

成立于20XX年X月,前身为拥有30年历史的“某某某某某有限公司”,股票代码为“XXXXX”。

公司总部位于广东珠海,资产总额达到26亿元,拥有超过1500名从业人员。

业务领域与地位:某某股份是国内新能源生产的重要基地,同时也是国内外新能源科研生产的主要供应商。

公司集新能源材料的研发、回收、分类及销售于一体,提供综合型服务。

技术研发与实力:专注于新能源领域的研发和制造,不断提升科研开发水平,打造领先的核心技术能力。

拥有尖端的科研开发能力、先进的加工制造技术和领先的计量检测水平。

配备一批达到国际水平的科研、生产、试验设备,形成了雄厚的产品研发、制造及试验能力。

企业文化与合作原则:秉承“诚实守信、公平公正、互惠互利”的合作原则,在长期经营中赢得了众多客户的信赖。

通过这些原则,公司建立了稳固的合作关系,并在业界获得了良好的口碑。

东软集团(上海)有限公司介绍企业发展分析报告

东软集团(上海)有限公司介绍企业发展分析报告

Enterprise Development专业品质权威Analysis Report企业发展分析报告东软集团(上海)有限公司免责声明:本报告通过对该企业公开数据进行分析生成,并不完全代表我方对该企业的意见,如有错误请及时联系;本报告出于对企业发展研究目的产生,仅供参考,在任何情况下,使用本报告所引起的一切后果,我方不承担任何责任:本报告不得用于一切商业用途,如需引用或合作,请与我方联系:东软集团(上海)有限公司1企业发展分析结果1.1 企业发展指数得分企业发展指数得分东软集团(上海)有限公司综合得分说明:企业发展指数根据企业规模、企业创新、企业风险、企业活力四个维度对企业发展情况进行评价。

该企业的综合评价得分需要您得到该公司授权后,我们将协助您分析给出。

1.2 企业画像类别内容行业研究和试验发展-工程和技术研究和试验发展资质增值税一般纳税人产品服务发、技术咨询、技术服务,计算机应用系统的1.3 发展历程2工商2.1工商信息2.2工商变更2.3股东结构2.4主要人员2.5分支机构2.6对外投资2.7企业年报2.8股权出质2.9动产抵押2.10司法协助2.11清算2.12注销3投融资3.1融资历史3.2投资事件3.3核心团队3.4企业业务4企业信用4.1企业信用4.2行政许可-工商局4.3行政处罚-信用中国4.5税务评级4.6税务处罚4.7经营异常4.8经营异常-工商局4.9采购不良行为4.10产品抽查4.12欠税公告4.13环保处罚4.14被执行人5司法文书5.1法律诉讼(当事人)5.2法律诉讼(相关人)5.3开庭公告5.4被执行人5.5法院公告5.6破产暂无破产数据6企业资质6.1资质许可6.2人员资质6.3产品许可6.4特殊许可7知识产权7.1商标7.2专利7.3软件著作权7.4作品著作权7.5网站备案7.6应用APP7.7微信公众号8招标中标8.1政府招标8.2政府中标8.3央企招标8.4央企中标9标准9.1国家标准9.2行业标准9.3团体标准9.4地方标准10成果奖励10.1国家奖励10.2省部奖励10.3社会奖励10.4科技成果11 土地11.1大块土地出让11.2出让公告11.3土地抵押11.4地块公示11.5大企业购地11.6土地出租11.7土地结果11.8土地转让12基金12.1国家自然基金12.2国家自然基金成果12.3国家社科基金13招聘13.1招聘信息感谢阅读:感谢您耐心地阅读这份企业调查分析报告。

东软携手东芝在中国成立合资公司

东软携手东芝在中国成立合资公司

东软携手东芝在中国成立合资公司作者:暂无来源:《计算机世界》 2011年第26期本报讯 7月6日,东芝解决方案株式会社与东软集团股份有限公司成立了合资公司,共同在中国市场开展IT解决方案业务。

新公司名称为沈阳东芝东软信息系统有限公司(以下简称东芝东软信息系统),位于东软集团总部所在地沈阳。

公司的资本金为350万美元,其中东芝出资比例为60%,东软集团出资比例为40%。

据悉,随着近年来中国经济的高速发展,IT系统已成为各种产业和社会的基础,其需求也在不断增强,尤其是众多的日资企业在中国迅速拓展业务,对于全球跨地域IT系统的适用性,以及在本地能够拥有高信赖性服务的需求日益高涨。

基于这样的IT市场成长背景,东芝东软信息系统将集合东芝解决方案与东软集团的优势,拓展IT解决方案业务。

东芝东软信息系统将以双方公司长期积累的众多高品质解决方案的开发成果和业务经验为基础,面向全国提供SI服务及BPO、云计算服务。

此外,利用覆盖全国的40多个服务、支持中心提供放心的支持,提供在中日两国都颇有成果的最新的IT解决方案,并提供从咨询到售后服务的一条龙服务。

百度与华数传媒达成战略合作电视也能“百度一下”本报讯近日,百度与华数传媒达成战略合作协议,双方将集合各自优势资源,在互动电视、互联网电视等领域展开深度战略合作。

据介绍,双方将共同探讨及研发数字多媒体时代的新技术、产品与服务运营模式,以期为广大电视用户带来更加优质、丰富的多媒体应用体验。

而作为合作的第一步,百度将在华数运营的数字电视机顶盒及互联网电视播控平台上嵌入百度搜索、百度知道、百度图片、百度地图、百度音乐等在互联网上广受好评的应用,百度的内容与服务将通过华数数字电视及互联网电视集成播控平台进行审核和过滤后,为华数所覆盖的全国100多所城市的数千万家庭用户提供优质、便捷、准确的电视搜索服务。

达索系统携手亚马逊网络服务推出云计算技术本报讯 7月6日,达索系统宣布与亚马逊下属的亚马逊网络服务展开合作,共同协助各种规模的企业迅速掌握在亚马逊网络服务上发售的达索系统V6解决方案。

公司概况与企业介绍

公司概况与企业介绍

公司概况:
[公司名称] 成立于[成立年份],是一家在[行业领域] 内领先的企业。

公司总部位于[总部地点],并在[其他地点] 设有分公司或办事机构。

经过多年的发展,[公司名称] 已经成为行业内具有重要影响力和良好口碑的企业之一。

目前,[公司名称] 拥有员工[员工数量],其中包括一批高素质、专业化的管理团队和技术团队。

公司致力于[主要业务方向],为客户提供优质的产品和服务。

近年来,[公司名称] 在[相关领域] 取得了显著的业绩和突破,赢得了广泛的客户认可和市场份额。

企业介绍:
[公司名称] 是一家专注于[行业领域] 的企业,以客户需求为导向,不断创新和提升服务质量。

公司秉承“诚信、专业、创新、共赢”的企业精神,始终将客户需求放在首位,为客户提供最优质的产品和服务。

[公司名称] 在[相关领域] 拥有丰富的经验和专业知识,能够为客户提供全方位的解决方案。

公司拥有一支高素质、专业化的团队,具有丰富的实践经验和行业洞察力,能够深入了解客户需求并提供量身定制的解决方案。

同时,[公司名称] 还注重与客户的沟通和合作,确保项目的顺利实施和交付。

未来,[公司名称] 将继续秉承“诚信、专业、创新、共赢”的企业精神,不断提升服务质量和创新能力,为客户提供更优质的产品和服务。

同时,公司将积极拓展市场,扩大业务规模,实现更大的发展。

一种电池散热系统[实用新型专利]

一种电池散热系统[实用新型专利]

专利名称:一种电池散热系统
专利类型:实用新型专利
发明人:张达,刘博渊,王剑鹏,柴源,宋雷雷,马腾飞,孙永刚,李新
申请号:CN201620346442.6
申请日:20160421
公开号:CN205790275U
公开日:
20161207
专利内容由知识产权出版社提供
摘要:本实用新型实施例公开了一种电池散热系统,实现了对动力电池的散热功能。

所述系统包括:动力电池、控制器、水冷设备、水泵、散热器和风扇;其中,水冷设备的管道经过水泵和散热器形成水循环,水冷设备的管道中存储有冷却液;控制器,用于获取所述动力电池的温度,若动力电池的温度大于或等于第一预设温度,则控制水泵和所述风扇进行工作;所述水泵,用于抽取所述水冷设备中的冷却液,并将冷却液输送至散热器中,使得冷却液经过所述散热器后返回水冷设备;所述风扇,用于对散热器中循环的冷却液进行降温,以使水冷设备的周围空气的温度低于所述第一预设温度;水冷设备,用于对所述动力电池进行降温。

申请人:东软集团股份有限公司,东软睿驰汽车技术(上海)有限公司
地址:110179 辽宁省沈阳市浑南新区新秀街2号
国籍:CN
代理机构:北京集佳知识产权代理有限公司
代理人:王宝筠
更多信息请下载全文后查看。

一种车载网络的通信方法、发送端、接收端与车辆[发明专利]

一种车载网络的通信方法、发送端、接收端与车辆[发明专利]

专利名称:一种车载网络的通信方法、发送端、接收端与车辆专利类型:发明专利
发明人:李林峰,张雷
申请号:CN201911302876.0
申请日:20191217
公开号:CN110933110A
公开日:
20200327
专利内容由知识产权出版社提供
摘要:本申请提供了一种车载网络的通信方法、发送端、接收端与车辆,涉及车载网络技术领域。

应用于发送端时:获取发送端待发送的PDU的新鲜度值和密钥;根据PDU、密钥和新鲜度值生成发送端的MAC;将新鲜度值转换为计数值,并利用计数值和密钥对PDU进行加密;根据加密后的PDU、新鲜度值和发送端的MAC生成消息发送给接收端。

应用于接收端时:获取发送端发送的消息中的新鲜度值和消息中的加密后的PDU对应的密钥;将消息中的新鲜度值转换为计数值,并利用计数值和密钥对加密后的PDU进行解密;根据解密后的PDU、消息中的新鲜度值和密钥生成接收端的MAC;依据接收端的MAC对消息中的MAC进行验证。

因此提升了车载网络传输的消息数据的机密性,进而提升车载网络的安全性。

申请人:东软集团股份有限公司,东软睿驰汽车技术(沈阳)有限公司
地址:110179 辽宁省沈阳市浑南新区新秀街2号
国籍:CN
代理机构:北京集佳知识产权代理有限公司
代理人:柳欣
更多信息请下载全文后查看。

企业信用报告_睿驰电装(大连)电动系统有限公司

企业信用报告_睿驰电装(大连)电动系统有限公司

目录一、企业背景 (5)1.1 工商信息 (5)1.2 分支机构 (5)1.3 变更记录 (5)1.4 主要人员 (6)1.5 联系方式 (6)二、股东信息 (7)三、对外投资信息 (7)四、企业年报 (7)五、重点关注 (9)5.1 被执行人 (9)5.2 失信信息 (9)5.3 裁判文书 (9)5.4 法院公告 (9)5.5 行政处罚 (9)5.6 严重违法 (9)5.7 股权出质 (9)5.8 动产抵押 (10)5.9 开庭公告 (10)5.11 股权冻结 (10)5.12 清算信息 (10)5.13 公示催告 (10)六、知识产权 (10)6.1 商标信息 (10)6.2 专利信息 (11)6.3 软件著作权 (13)6.4 作品著作权 (13)6.5 网站备案 (14)七、企业发展 (14)7.1 融资信息 (14)7.2 核心成员 (14)7.3 竞品信息 (14)7.4 企业品牌项目 (14)八、经营状况 (15)8.1 招投标 (15)8.2 税务评级 (15)8.3 资质证书 (15)8.4 抽查检查 (15)8.5 进出口信用 (15)8.6 行政许可 (15)一、企业背景1.1 工商信息企业名称:睿驰电装(大连)电动系统有限公司工商注册号:210213400003531统一信用代码:91210213MA0YE95Y9F法定代表人:曹斌组织机构代码:MA0YE95Y-9企业类型:有限责任公司(中外合资)所属行业:研究和试验发展经营状态:开业注册资本:7,000万(元)注册时间:2019-01-18注册地址:辽宁省大连金普新区三十里堡临港工业区管委会204室营业期限:2019-01-18 至 2039-01-17经营范围:汽车电动动力系统的研发、销售;汽车电源系统及其零部件、汽车电驱动系统及其零部件的设计、研发、销售;新能源汽车技术开发、技术咨询、技术服务;车载软件开发。

(依法须经批准的项目,经相关部门批准后方可开展经营活动。

续航里程的确定方法、装置和电子设备[发明专利]

续航里程的确定方法、装置和电子设备[发明专利]

专利名称:续航里程的确定方法、装置和电子设备专利类型:发明专利
发明人:李新,吴清平,张俊,葛长青,邵迪迪,陈洪亮,曹斌申请号:CN202210382264.2
申请日:20220412
公开号:CN114655078A
公开日:
20220624
专利内容由知识产权出版社提供
摘要:本发明提供了一种续航里程的确定方法、装置和电子设备,该方法包括:基于电池包充放电的影响因素,确定出修正系数;根据获取到的电芯单体参数和修正系数,计算出当前电池包的容量或能量;基于当前电池包的容量或能量,确定当前车辆的续航里程,能够解决电池包能量无法支持车辆的将确定的续航里程行驶完成的问题,避免驾驶者误以为车辆能够达到目的地,却最终无法达到,影响驾驶体验的情况。

申请人:东软睿驰汽车技术(沈阳)有限公司
地址:110172 辽宁省沈阳市沈抚新区金枫街75-1号
国籍:CN
代理机构:北京超成律师事务所
代理人:邓超
更多信息请下载全文后查看。

“看见中国汽车”走进东软睿驰在上海举办

“看见中国汽车”走进东软睿驰在上海举办

文 / 本刊记者 赵子垚“看见中国汽车”走进东软睿驰在上海举办2023年11月30日下午,2023“看见中国汽车”走进东软睿驰暨东软睿驰openVOC 首届开发者生态大会在上海举办。

中国汽车工业协会(以下简称“中汽协”)副秘书长柳燕、软件分会秘书长王耀,上海国际汽车城集团党委副书记、总经理、上海智能汽车软件园董事长潘晓红,国投招商投资管理有限公司董事总经理张欣,岚图汽车CTO 汪俊君,吉利研究院智能车云研究总工程师余超,长安科技软件集成总监谢乐成,长城汽车智能平台开发中心产品总监王继明,东软睿驰总经理曹斌,东软睿驰首席科学家、域控基础平台产品中心主任李冰,东软睿驰ADS 创新产品事业部总监宋希强,东软睿驰SDV 事业部总监王宁出席本次活动。

芯驰科技CTO 孙鸣乐、联合电子跨域控制业务部首席生态官余浩杰、小马智行工程副总裁肖波、SGS 中国功能安全中心产品线总监郑峥等东软睿驰生态合作伙伴代表;科大讯飞、Blackberry QNX、腾讯云、恩智浦、英飞凌、采埃孚等产业链重要合作伙伴相关负责人;以及第三方开发者、媒体等悉数到场,智能网联汽车发展亟待找到“突破性拐点”。

作为科技企业的优秀代表之一,东软睿驰适时提出的openVOC 开放技术框架,为汽车产业破解成本与创新难题提供了新的解决方案。

看见东软睿驰openVOC 首届开发者生态大会的众多成果,共同见证中国汽车产业链上的头部科技企业的发展成就,感受中国汽车产业变革中的向上力量。

看见中国汽车基础软件创新众所周知,中国汽车产业已逐步发展成为世界智能汽车领域的创新高地,中国智能汽车在市场、技术、产品方面持续取得突破,消费者认可度不断提高。

据J.D. Power 发布的2023中国汽车智能化体验研究(TXI)数据,中国新能源汽车在智能化赛道上的优势进一步巩固,搭载先进科技配置的智能汽车正成为消费者购车时的重要选择。

显然,“智能化”助力中国汽车产业实现了换道超车,建立起全新的竞争优势。

一种基于时序的车辆工况分类方法及装置[发明专利]

一种基于时序的车辆工况分类方法及装置[发明专利]

专利名称:一种基于时序的车辆工况分类方法及装置专利类型:发明专利
发明人:刘美亿
申请号:CN202011569211.9
申请日:20201226
公开号:CN112560994A
公开日:
20210326
专利内容由知识产权出版社提供
摘要:本申请公开了一种基于时序的车辆工况分类方法和装置,该方法包括:获取第i个目标时间段的车辆工况聚类结果特征;i为1至n的整数;n个目标时间段按照时序排列组成对象时间段。

获取对象时间段的统计类车辆工况特征。

将n个目标时间段的车辆工况聚类结果特征按照时序进行拼接,获得对象时间段的输入特征。

将对象时间段的输入特征和对象时间段的统计类车辆工况特征进行拼接,获得第一输入数据。

将第一输入数据输入目标模型中,获得对象时间段的第一待分类车辆工况向量表示。

将第一待分类车辆工况向量表示进行聚类,获得对象时间段内的车辆工况分类结果。

基于无监督的目标模型和聚类,实现了对象时间段内车辆工况的自动分类。

申请人:东软睿驰汽车技术(沈阳)有限公司
地址:110172 辽宁省沈阳市沈抚新区金枫街75-1号
国籍:CN
代理机构:北京集佳知识产权代理有限公司
代理人:赵晓荣
更多信息请下载全文后查看。

上海复深蓝软件股份有限公司_企业报告(供应商版)

上海复深蓝软件股份有限公司_企业报告(供应商版)

149.9
TOP4
病原微生物智能识别及自动监测系 统采购项目结果公示 (2022-YJ01-F1084)
107.0
TOP5
苏州市健康养老产业发展集团有限 苏州市健康养老产业 公司关于苏州康养集团官网建设的 发展集团有限公司
16.6
成交公告
TOP6
太平人寿 2023 年易行销和微信客 中国太平保险集团有 户化应用人力开发实施采购项目中 限责任公司
4
光证资管人力外包项目 2022 年度 第七期合同新签及续约-复深蓝采
\
购结果公告
5 太平金运 2023-2025 年经营分析系 太平金运
\
统外包开发采购项目
6
东航物流飞来鲜跟踪销售管理平台 (HSS)项目评审结果公示
东方航空物流股份有限公 司
\
公告时间 2023-07-13 2022-11-15 2023-08-01 2022-12-23 2023-06-20 2023-07-03
1.4
结果公告
3 汉堂软件工程
中国太平保险集团有限责 任公司
\
公告时间 2023-06-30 2023-06-30 2023-06-08
*按近 1 年项目金额排序,最多展示前 10 记录。
(3)江苏(1)序号项目Fra bibliotek称招标单位
中标金额 (万元)
1
苏州市健康养老产业发展集团有限 苏州市健康养老产业发展 公司关于苏州康养集团官网建设的 集团有限公司
1.1 总体指标 ..........................................................................................................................1 1.2 业绩趋势 ..........................................................................................................................1 1.3 项目规模 ..........................................................................................................................2 1.4 地区分布 ..........................................................................................................................4 1.5 行业分布 ...........................................................................................................................5 二、竞争能力 .................................................................................................................................6 2.1 中标率分析 ......................................................................................................................6 三、竞争对手 .................................................................................................................................7 3.1 主要竞争对手....................................................................................................................7 3.2 重点竞争项目....................................................................................................................7 四、服务客户 .................................................................................................................................8 4.1 关联客户中标情况 ............................................................................................................8 4.2 主要客户投标项目............................................................................................................9 五、信用风险 ...............................................................................................................................10 附录 .............................................................................................................................................11
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

证券代码:600718 证券简称:东软集团公告编号:临2019-018
东软集团股份有限公司
关于东软睿驰汽车技术(上海)有限公司为其
子公司提供银行借款担保额度和期限调整的公告
重要内容提示:
●被担保人名称:
东软睿驰汽车技术(沈阳)有限公司
睿驰新能源动力系统(武汉)有限公司
●担保人名称:东软睿驰汽车技术(上海)有限公司
●本次担保金额及已实际为其提供的担保余额:本次东软睿驰为睿驰沈阳
提供担保额度由50,000万元提高至80,000万元,为睿驰武汉提供担保
额度为70,000万元。

截至2019年4月26日,东软睿驰为其子公司提供
担保余额合计为13,354万元。

●本次担保是否有反担保:无
●对外担保逾期的累计金额:无
●本事项尚需提交公司股东大会审议。

名称说明:
●东软集团股份有限公司,以下简称“本公司”、“公司”或“东软集团”;
●东软睿驰汽车技术(上海)有限公司,为本公司控股子公司,以下简称
“东软睿驰”;
●东软睿驰汽车技术(沈阳)有限公司,为东软睿驰全资子公司,以下简
称“睿驰沈阳”;
●睿驰新能源动力系统(武汉)有限公司,为睿驰沈阳全资子公司,以下
简称“睿驰武汉”。

一、担保情况概述
(一)背景
于2018年4月17日召开的公司八届十三次董事会审议通过《关于东软睿驰汽车技术(上海)有限公司为其子公司提供银行借款担保额度和期限调整的议案》,董事会同意东软睿驰为睿驰沈阳提供银行借款担保,担保额度由5,000万元人民币提高至50,000万元人民币,该额度期限为两年,即从2018年4月17日起至2020年4月16日止。

具体内容,详见本公司于2018年4月19日刊登在《中国证券报》、《上海证券报》上的相关公告。

随后,睿驰沈阳即获得银行借款并持续投入研发与市场,取得了良好进展。

东软睿驰持续推动汽车电子业务向智能化、互联化、新能源化发展,发布
了最新一代ADAS高级驾驶辅助系统量产产品,多款采用该系列产品的商用车也正式投入量产,东软睿驰同期发布的NeuSAR整车基础软件平台填补了中国在该领域的空白。

目前,东软睿驰已承接的吉利、长城等多个车厂项目处于执行阶段,广汽本田、东风本田的电池包PACK项目也将进入大规模量产阶段,围绕上述订单,睿驰沈阳、睿驰武汉作为主要生产基地和交付主体,需要进行产能提升、原材料购置等必要的投入,因此对运营资金的需求相应增加。

(二)担保额度及期限
为支持东软睿驰业务的快速发展,根据其运营情况及资金需求,董事会同意东软睿驰为其子公司提供银行借款担保,其中东软睿驰为睿驰沈阳提供担保额度由50,000万元提高至80,000万元,东软睿驰为睿驰武汉提供担保额度为70,000万元。

上述额度期限为二年。

本事项尚需提交公司股东大会审议,上述额度自股东大会审议通过之日起算。

董事会提请公司股东大会授权东软睿驰董事长签署相关法律文件。

(三)审议程序
公司八届二十三次董事会于2019年4月26日在沈阳东软软件园会议中心以现场表决方式召开,会议审议通过了《关于东软睿驰汽车技术(上海)有限公司为其子公司提供银行借款担保额度和期限调整的议案》,同意9票,反对0票,弃权0票。

二、被担保人基本情况
(一)东软睿驰汽车技术(沈阳)有限公司
1、公司名称:东软睿驰汽车技术(沈阳)有限公司
2、注册地址:辽宁省沈抚新区金枫街75-1号
3、法定代表人:王勇峰
4、注册资本:63,000万元人民币
5、经营范围:电动汽车动力系统、高级驾驶辅助系统、汽车自动驾驶系统、轮毂电机、电机控制器及车联网相关产品、技术、软件的研发,上述产品的批发,并提供售后服务与技术支持;电动汽车动力电池组的生产;电动汽车充电桩的生产、研发、批发、安装、租赁、提供应用服务与技术支持;互联网数据服务、地理信息大数据服务;转让自研技术;自营和代理各类商品和技术的进出口。

(依法须经批准的项目,经相关部门批准后方可开展经营活动。


6、股东情况:为东软睿驰全资子公司。

7、财务数据:
截至2018年12月31日,睿驰沈阳资产总额为67,633万元,负债总额为53,352万元(其中银行贷款总额为8,963万元、流动负债总额为53,221万元),归属于母公司所有者权益为14,280万元,资产负债率为78.89%,2018年度实现营业收入10,480万元,归属于母公司所有者的净利润-25,727万元(经审计,币种:人民币)。

截至2019年3月31日,睿驰沈阳资产总额为82,268万元,负债总额为75,674万元(其中银行贷款总额为11,088万元、流动负债总额为75,543万元),归属于母公司所有者权益为6,594万元,资产负债率为91.99%,2019年第一季度实现营业收入3,757万元,归属于母公司所有者的净利润-7,683万元(未经审计,币种:人民币)。

(二)睿驰新能源动力系统(武汉)有限公司
1、公司名称:睿驰新能源动力系统(武汉)有限公司
2、注册地址:武汉市蔡甸区中法生态城汉阳大街特6号
3、法定代表人:曹斌
4、注册资本:15,000万元人民币
5、经营范围:新能源汽车动力电池模组、电池包与充电机的开发、设计、生产、销售,维修服务、技术咨询;汽车零部件生产、销售及维修服务;贸易经纪与代理;新能源技术咨询。

(依法须经审批的项目,经相关部门审批后方可开展经营活动)
6、股东情况:为睿驰沈阳全资子公司。

7、财务数据:
截至2018年12月31日,睿驰武汉资产总额为22,596万元,负债总额为9,004万元(其中银行贷款总额为0万元、流动负债总额为9,004万元),归属于母公司所有者权益为13,592万元,资产负债率为39.85%,2018年度实现营业收入3,187万元,归属于母公司所有者的净利润-1,255万元(经审计,币种:人民币)。

截至2019年3月31日,睿驰武汉资产总额为23,343万元,负债总额为10,280万元(其中银行贷款总额为0万元、流动负债总额为10,280万元),归属于母公司所有者权益为13,063万元,资产负债率为44.04%,2019年第一季度实现营业收入533万元,归属于母公司所有者的净利润-529万元(未经审计,币种:人民币)。

三、担保协议的主要内容
(一)东软睿驰汽车技术(沈阳)有限公司
1、担保方式:连带责任保证
2、担保类型:银行借款
3、担保额度:东软睿驰为睿驰沈阳提供银行借款担保,担保额度由50,000万元人民币提高至80,000万元
4、担保期限:自股东大会审议通过之日起二年
(二)睿驰新能源动力系统(武汉)有限公司
1、担保方式:连带责任保证
2、担保类型:银行借款
3、担保额度:东软睿驰为睿驰武汉提供银行借款担保,担保额度为70,000万元。

4、担保期限:自股东大会审议通过之日起二年
四、董事会意见
东软睿驰主要从事新能源汽车电池组管理、智能充电、高级辅助驾驶系统和自动驾驶、基于开放云平台的车联网等领域的研发、生产和销售,是东软在汽车电子业务领域创新业务和发展的重要部署。

公司成立以来,业务发展迅速,电池管理系统BMS、电池包PACK等产品先后获得国内外权威认证和测试,并已接到东风本田、广汽本田、吉利、长城等多个车厂订单,ADAS智能辅助驾驶产品在东风、华晨、北汽福田、福田戴姆勒、一汽、江淮等车厂得到应用。

本次东软睿驰提高对睿驰沈阳的担保额度,同时为睿驰武汉提供担保,主要是围绕本田、吉利等车厂订单的量产交付需求进行融资,以满足其生产、交付以及业务拓展的资金需要。

同时,本次提升产能等相关投入,在支持现有量产订单生产、交付的同时,也将为公司未来业务的持续规模化发展奠定坚实基础。

鉴于睿驰沈阳、睿驰武汉目前主要客户为上述国内外大型知名车厂,均有着良好的信誉与资金实力,为公司持续回款提供保障。

同时公司也将综合考虑生产进程与项目回款进度,进一步加强资金与流程管控,同时继续拓展新客户、新项目,推动业务持续快速发展。

五、累计对外担保数量及逾期担保金额
截至2019年4月26日,本公司及控股子公司无对外担保(不包括对控股子公司的担保)。

本公司及控股子公司对控股子公司提供担保的总额为17,478万元,占公司2018年度经审计净资产的1.98%。

以上对外担保无逾期担保情况。

六、备查文件目录
1、经与会董事签字生效的董事会决议;
2、被担保人的基本情况和最近一期的财务报表;
3、被担保人营业执照复印件。

特此公告。

东软集团股份有限公司董事会
二〇一九年四月二十六日。

相关文档
最新文档