高新技術企業(yè)項目可行性分析報告

知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 高新技術企業(yè)項目可行性分析報告 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 目錄 1. 企業(yè)概況 .4 1.1 企 業(yè) 基本情況 .4 1.2 科技力量 .4 1.3 產業(yè)化及研發(fā)環(huán)境 .6 1.4 企業(yè)長遠發(fā)展規(guī)劃及目標 .7 2. 互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng)項目論述 .8 2.1 互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng)技術可行性分析 .8 2.1.1 國際市場現狀及產品分析 .8 2.1.2 智能檢索技術的概述 .9 協(xié)調過濾 (Collaborative Filtering)技術造就的個性化服務 .9 檢索服務的個性化 . 21 自動收集技術 . 21 自動定點觀測技術 . 21 系統(tǒng)的綜合 . 22 系統(tǒng)的運用形態(tài) . 22 2.2 互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng)市場調查和需求預測 . 24 2.3 項目實施方案 . 25 2.3.1 開發(fā)實施方案 . 25 2.3.2 營銷計劃實施方案 . 27 2.4 項目實施目標 . 27 2.5 投資估算 . 27 2.6 經濟、社會效益分析 . 27 2.7 項目可行性分析結論 . 27 4 管理信息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具系統(tǒng)項目論述 . 28 4.1 管理信息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具系統(tǒng) 技術可行性分析 . 28 4.1.1 開發(fā)背景 . 28 4.1.2 平臺模式 . 28 4.1.3 開發(fā)方案 . 32 4.2 管理信息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具系統(tǒng)市場調查和需求預測 . 33 4.3 項目實施方案 . 33 4.3.1 開發(fā) 實施方案 . 33 4.3.2 營銷計劃實施方案 . 33 4.4 項目實施目標 . 34 4.5 投資估算 . 34 4.6 經濟、社會效益分析 . 34 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 4.7 項目可行性分析結論 . 34 WBT（ Web-Based Training）系統(tǒng)項目論述 . 錯誤 !未定義書簽。 .1 WBT（ Web-Based Training）系統(tǒng) 技術可行性分析 . 錯誤 !未定義書簽。 5.1.1 WBT 系統(tǒng)的誕生背景 . 錯誤 !未定義書簽。 5.1.2 計算機輔助教學的理論 . 錯誤 !未定義書簽。 建構主義學習與教學理論在計算機輔助教學中的實現模式 . 錯誤 !未定義書簽。 計算機輔助教學的現有模式 . 錯誤 !未定義書簽。 (1) CBT(Computer-Based Training)模式 . 錯誤 !未定義書簽。 (2) 初級 WWW 模式 . 錯誤 !未定義書簽。 (3) 具有管理機能的 WWW 模式 . 錯誤 !未定義書簽。 (4) 統(tǒng)一規(guī)格的具有管理機能的 WWW 模式 . 錯誤 !未定義書簽。 WBT（ Web-Based Training）系統(tǒng)模式的規(guī)格 . 錯誤 !未定義書簽。 (1) AICC（ Aviation Industry CBT Committee） . 錯誤 !未定義書簽。 (2) IMS（ Instructional Management System） . 錯誤 !未定義書簽。 (3) IEEE LTSC（ Learning technology Standards Committee） . 錯誤 !未定義書簽。 (4) ADLNet（ Advanced Distributed Learning） . 錯誤 !未定義書簽。 (5) WBT（ Web-Based Training）系統(tǒng)模式規(guī)格之間的關系 . 錯誤 !未定義書簽。 5.1.3 WBT 系統(tǒng)的構成理論 . 錯誤 !未定義書簽。 CMI 的管理體系 . 錯誤 !未定義書簽。 WBT 規(guī)格下的 CMI 等級 . 錯誤 !未定義書簽。 CBT 機能 . 錯誤 !未定義書簽。 CBT,CMI 的界面 . 錯誤 !未定義書簽。 WBT 系統(tǒng)實裝形態(tài) . 錯誤 !未定義書簽。 5.1.4 WBT 的應用范圍 . 錯誤 !未定義書簽。 5.1.5 WBT 的特點 . 錯誤 !未定義書簽。 5.1.6 WBT 發(fā)展現狀 . 錯誤 !未定義書簽。 5.2 WBT 系統(tǒng)的構筑平臺系統(tǒng)市場調查和需求預測 . 錯誤 !未定義書簽。 5.3 項目實施方案 . 錯誤 !未定義書簽。 5.3.1 開發(fā) 實施方案 . 錯誤 !未定義書簽。 5.3.2 營銷計劃實施方案 . 錯誤 !未定義書簽。 5.4 項目實施目標 . 錯誤 !未定義書簽。 5.5 投資估算 . 錯誤 !未定義書簽。 5.6 經濟、社會效益分析 . 錯誤 !未定義書簽。 5.7 項目可行性分 析結論 . 錯誤 !未定義書簽。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 1. 企業(yè)概況 企 業(yè) 基本情況 公司是一家由海外歸國人員和國內的計算機界精英共同創(chuàng)辦的追求高科技、重視實際應用的公司。 企業(yè)的法定地址為 公司現有員工人。 注冊資金為人民幣、總資產為人民幣。 企業(yè)登記注冊類型有限責任公司。 科技力量 (1) 主要人員構成情況 職務 姓名 學歷 主要經歷 技術專長 王立群 博士 1 1980 至 1984 西安電子科技大學 2 1984 至 1989 中國計算機系統(tǒng)工程研究所 3 1989 至 1990 日本日立制作所 4 1990 至 1992 夏普多媒體研究所 5 1992 至 1994 富士通網絡事業(yè)部 6 1995 至 1996 日本 NTT 軟件公司 7 1997 至 2000 日本 NTT 通信研究所 計算機操作系統(tǒng)，計算機應用系統(tǒng)（物流系統(tǒng)， MIS系統(tǒng)， CRM 系統(tǒng)，MRP 系統(tǒng)），計算機圖像處理，計 算機通信技術，互聯網技術，軟件工程。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 8 2000 至 2001 日本共達網絡有限公司 9 2001 至 2002-2 北京共達公司總經理 高洋 大學本科 1 1994 至 1998 北京大學 2 1998-8 至 2001-5 日本 UNSYS 有限公司 3 2001-6 至 2002-2 北京共達公司董事兼系統(tǒng)開發(fā)部部長 計算機操作系統(tǒng)，計算機應用系統(tǒng)（物流系統(tǒng)， MIS系統(tǒng)， CRM 系統(tǒng)，MRP 系統(tǒng)），計算機圖像處理，計算機通信技術，互聯網技術，軟件工程。 李發(fā)春 大學本科 1 1994 至 1998 北京大學 2 2000-8 至 2001-6 日本共達網絡有限公司 3 2001-6 至 2002-2 北京共達公司董事兼總工程師 計算機操作系統(tǒng)，計算機應用系統(tǒng)（物流系統(tǒng)， MIS系統(tǒng)， CRM 系統(tǒng)，MRP 系統(tǒng)），計算機圖像處理，計算機通信技術，互聯網技術，軟件工程。 吳濤 碩士 1 1994 至 1998 北京大學 2 1998 至 2001-4 中國科學院 3 2001-5 至 2002-2 北京共達公司產品開發(fā)科科長 計算機操作系統(tǒng)，計算機應用系統(tǒng)（物流系統(tǒng)， MIS系統(tǒng)， CRM 系統(tǒng)，MRP 系統(tǒng)），計算機圖像處理，計算機通信技術，互聯網知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 技術，軟件工程。 戴永繼 大 學本科 1 1994 至 1998 中國北京大學 2 1998 至 2000-5 中國石油化工研究院 3 2000-5 至 2000-4 日本共達網絡有限公司 4 2000-4 至 2002-2 北京共達公司工程開發(fā)科科長 計算機操作系統(tǒng)，計算機應用系統(tǒng)（物流系統(tǒng)， MIS系統(tǒng)， CRM 系統(tǒng)，MRP 系統(tǒng)），計算機圖像處理，計算機通信技術，互聯網技術，軟件工程。 公司的主要人員均具有良好的基礎知識和理論知識，并具有較長時間的國內外研究開發(fā)實踐，具有良好的外語水平。不斷關注掌握國外技術新動向，同中國具體實際相結合，開發(fā)出 符合實際需求的實用產品，是我們追求的目標。 (2) 企業(yè)科研隊伍知識結構、人數、科技成果、新產品開發(fā)情況。 公司現有科研開發(fā)人員 *名，均具有大學本科以上的學歷。并伴隨公司的發(fā)展，計劃從現地陸續(xù)招收優(yōu)秀人才。 公司的主要人員通過多年的研究開發(fā)實踐，通過長年學習和調查的日積月累，通過較長時間的討論和實驗，已積累了下述 2 個項目的大量資料和代碼。公司準備用 1 到 2 年的時間，在承接企業(yè)信息化建設項目的同時，完成這 2 個項目的產品化。 項目 1：互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng) 項目 2：管理信息化系統(tǒng)通用化平臺及 業(yè)務邏輯自動生成工具系統(tǒng) 產業(yè)化及研發(fā)環(huán)境 企業(yè)生產地址、研發(fā)地址 研發(fā)環(huán)境主要是計算機及其關聯設備。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 企業(yè)長遠發(fā)展規(guī)劃及目標 前 2 年為穩(wěn)定基盤階段 ,后 2年以擴大發(fā)展為中心。 第一年 第二年 第三年 第四年 人數 10 人 20 人 30 人 40 人 銷售額（ RMB） 180 萬 250 萬 500 萬 1000 萬 第一年以我們利用業(yè)余時間開發(fā)的企業(yè)網構筑框架為中心 ,承接國內的企業(yè)網開發(fā)項目，并不斷完善企業(yè)網構筑框架，使其成為管理信息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具。 自主產品首先以管理信 息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具和互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng)為主進行投入開發(fā)。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 2. 互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng)項目論述 互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng)技術可行性分析 國際市場現狀及產品分析 人類進入二十世紀之后，有 2種不同概念的高速公路得到了迅猛的發(fā)展。這 2種不同的高速公路，極大地改變了人類的生活方式以及思維方法。其中，一種是現實生活中交通環(huán)境的高速公路 車輛行駛的高速公路（ Highway），另一種是信息社會中的交通要道 情報高速公路（ Information Highway）。 由于計算機技術的迅速普及和 WWW 技術即互聯網技術的不斷進化，情報高速公路得到了前所未有的促進和發(fā)展。與此同時，情報高速公路的完善反過來也極大地促進并影響了計算機技術和互聯網技術的進一步普及。這種互相促進互相補充的關系，終于造成了本世紀“工業(yè)革命”的爆發(fā)。 據截止到 2000 年 12 月 31 日的統(tǒng)計表明，中國國內連接到互聯網上的計算機數達到了 892 萬臺。 ISP（ Internet Service Provider，互聯網服務商）和 ICP（ Internet Commerce Provider，互聯網商 務貿易商）的數目達到了數萬個，其客戶數達到了 2250 萬人。到年，我國聯網計算機將達到萬臺，數據、多媒體和互聯網用戶將達到億戶左右，上網人口普及率將達到左右。 但另一方面，從至今為止 ISP 所能掌握的技術和其所能提供的服務來看，各家之間并沒有實質性的不同。因此，各家服務商圍繞著通信速度、用戶所能享受的磁盤空間、特別是上網價格方面，展開了激烈的競爭。隨著硬件成本的不斷下降，最終必將導致價格之戰(zhàn)的惡性循環(huán)。 縱觀互聯網的發(fā)展過程，可以得出以下的結論：沒有鮮明特色的 ISP，必然會被時代所淘汰。 因此，經濟概念上的 ISP必將向 ASP（ Application Service Provide，應用服務商）的方向進化，這也就是 ASP 成為現今的熱門話題的最重要的原因，也就是說能提供滿足用戶千變萬化的要求的真正的服務才能獲得生存的空間。 據某些分析資料，在二十一世紀 IT 產業(yè)將流行三個不同的 C。第一個 C是 EC知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） （ Electronic Commerce，電子商務）。第二個 C 是 Communication（情報交流）。第三個 C 是 Customize（靈活多變）。在本可行性報告中提到的互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng) 的著眼點直接涉及到了 Communication 和 Customize，并間接影響到了 Electronic Commerce。這個系統(tǒng)的目標是把強大的生命注入到 ISP中去，使其進化成具有鮮明個性的 ASP，從而使單純的價格之戰(zhàn)轉化為互聯網服務內容和水平的高層次的勝負較量。 智能檢索技術的概述 協(xié)調過濾 (Collaborative Filtering)技術造就的個性化服務 背景 ： 當今世界，隨著網絡技術的發(fā)展，諸如 WWW， Netnews， Mailing list 等各種各樣的情報源不斷涌現，使得人們有可能從更多的 情報源中收集信息。與此同時，大量的情報造成了信息的爆炸，使人們?yōu)榱双@得所需的情報不得不花費大量寶貴的時間，從而使情報收集變得近乎失去了意義。 為解決這個問題，出現了各種不同的辦法和方案。但同時也存在著共同的問題： 想要獲得的情報雖然并不存在，但由于用戶無法判斷而還在執(zhí)迷不悟地檢索； 想要得到的情報的確存在，然而由于方法不當而找不到這些信息； 在情報檢索過程中，收集到大量的洪水般的多余情報致使有用的信息被淹沒； 至今為止，從互聯網上獲取信息有情報檢索、情報過濾和瀏覽等幾種方法。簡述如下： 情報檢索 情報檢索， 即對檢索關鍵字不斷調整，判斷其檢索結果并將其反饋到關鍵字中去，最后，特定到所需的情報源之上。 用戶所指定的關鍵字直接影響到數據庫的檢索。數據庫系統(tǒng)將符合條件的數據抽取出來送給用戶，由用戶自己去判斷檢索結果的滿足度。用戶的要求得到滿足后，情報檢索宣告結束。否則將會再次修正關鍵字，再度檢索數據庫力爭逼近理想的結果。這個處理周而復始，整個過程就形成了人們所熟知的情報檢索。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 對于情報檢索來說，每個用戶，每次檢索過程都互不相關，完全是獨立的。也就是說關心同一類情報的用戶之間并不能交換情報，所以也無法形成信息共有，情報 檢索的效率完全依賴于檢索者個人的知識和熟練程度。 情報過濾 情報過濾是指對所獲得的情報而設定優(yōu)先度，比如 Mailing list 就是一例。加入者眾多的 Mailing list，一個用戶在一天之內完全有可能收到 100 件以上的電子郵件，而用戶查看這些郵件必然要花費大量的時間。情報過濾就是為解決這個問題而發(fā)展出的技術。 情報過濾是這樣一個過程：用戶可以事先指定代表不需要情報的關鍵字，過濾系統(tǒng)則將含有這些關鍵字的信息源排除出去。除此之外，用戶亦可指定所需情報的關鍵字及優(yōu)先順序，過濾系統(tǒng)將根據這些要求把收集到的情報標 上優(yōu)先順序再提供給用戶。情報過濾系統(tǒng)就是這樣一個選擇情報的收集方法。 和情報檢索方法類似，使用情報過濾系統(tǒng)的用戶，相互之間是獨立的，無法實行有效地情報共享，也做不到高效率的情報收集。用戶根據自己的水平決定關鍵字，稍有不慎會導致將實際上所需要的情報拒之門外。綜上所述，情報過濾與情報檢索相同，欲實現高效的檢索必須具有相當的熟練經驗。 瀏覽 瀏覽是指相關于 Hypertext（即互聯網的網頁）的情報收集方法。一個具體的例子就是大家所熟悉的對各種 WWW 主頁的檢索。瀏覽的一個特點是某些場合下用戶并沒有明確的目的，在對各 種主頁進行瀏覽的過程中逐步獲得明確目的的情報。 瀏覽屬于最困難的情報收集方法的一種。首先，用戶并不知道他所需的情報是否存在。其次，用戶很可能找不到他所需的情報。用戶通過各種連接方式（ Link）去尋找情報，但對 Link 的選擇可能導致他離所需情報愈來愈遠。這個問題的發(fā)生，同樣是因為瀏覽亦是相互之間獨立進行的緣故。 因此，從上述網上獲取情報的 3 種方法的說明上可以得出結論，獨立進行情報收集的做法，造成了即使是關心同樣內容的用戶也無法實現情報共有 /共享。而在現實世界里，對于關心共同話題，共同內容的用戶來說，一 個最重要的問題就是進行高效的情報交流和共享。但是十分遺憾的是傳統(tǒng)的手法實現這種共有 /共享是不可能的。相互間獨立的情報收集是現有各種主要檢索軟件的致命傷，是一種不可取的方式?；ヂ摼W的發(fā)展 ,迫切需要一個用于信息收集、具有智能的檢索支援系統(tǒng)。 為解決上述的問題，出現了協(xié)調過濾這樣一種嶄新的方法。協(xié)調過濾法充分利用了他人的知識進行情報收集。而這些知識常常包含了間接、甚至直接解決問題的重要信息。這種做法大大減少了收集情報所需的時間和工作量。更具體地說，根據用戶的愛好和要求，系統(tǒng)自動提供 /推薦各類信息，也即推薦服務（ Recommence Service）的方法。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 以下是日本的日經網絡商務（ Nikkei Net Business）舉辦的第 9 回互聯網用戶調查的結果（調查期間 1999 年 11月 18 日 12 月 2日）。 調查提問 .作為檢索服務的一種，以用戶輸入的檢索關鍵字為基準，向用戶介紹有關網上商品銷售網站（ Web Site）的推薦（ Recommence）型服務已經開始了。你想使用這類服務嗎？ 請選擇下列合適的答案。 回答 年月 1999 年 12月 1999 年 6 月 1998 年 12 月 還從未使用過，看起來很方便，今后想利用。 38.9% 39.5% 37.9% 不知道是什么樣的服務，無法表態(tài)。 26.7% 25.4% 22.9% 還從未使用過，因感到不必要，今后也不打算利用。 18.8% 20.2% 24.0% 已經使用過了，感到很方便，今后也準備繼續(xù)利用。 11.2% 10.4% 9.8% 已經使用過了，感到沒必要。今后不再利用了。 3.7% 3.9% 4.6% 其他 0.8% 0.6% 0.8% 互聯網活躍用戶調查 (日經 BP出版社 ) 據以上的調查結果，實際上用過情報推薦服務的用戶占全體的 14.9%，作為 剛開始不久的服務來說這個數字不算什么，但想利用的用戶占 50.1%，將全體的一半。從這個調查結果來看，推薦服務將在互聯網今后的發(fā)展中起到舉足輕重的作用。 綜上所述 ,在各種情報的收集活動中 ,通過使用協(xié)調技術，可以提高收集活動的效率。體現協(xié)調特點的情報收集的一個例子是 mailing list。關心相同內容的用戶參加 mailing list，相互之間交換情報。請想象某用戶就某個問題向 mailing list 的參加者進行詢問，而參加者們或直接回答問題，或提供能對解決問題有幫助的情報及提示。這個過程即是一個相互協(xié)調的過 程。與單獨的情報收集相比，相互協(xié)調的方法能更有效地提高檢索效率。 技 術 構成要素 協(xié)調過濾方法是基于情報流通傳播，以提高收集效率為目標的情報收集的方法。情報流通是指 為持不同問題的用戶自動尋找解決問題的情報； 向持相同問題的用戶提供推薦服務； 需要尋找關注某特定問題的用戶群，進而得到為解決問題所必需的信息。則是將這些用戶的特征歸納起來，做到情報的交換。協(xié)調過濾方法則將上述的過程自然地融為一體。所以 ,我們可以為協(xié)調過濾做以下的定義。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 協(xié)調過濾（ Collaborative Filtering）： 從人類的 情報收集活動中 ,歸納抽象出其所對應的愛好 ,關心 ,意圖等形態(tài)意識 ,并通過獲取的收集情報及歸納抽象出的形態(tài)意識 ,對人類進行分類 ,實現類似人類間的情報交換的手段。 另外，還有各種各樣不同的定義方法。比如， 1996 年出現的協(xié)調過濾法研究系統(tǒng) Group lens（協(xié)調過濾法最有名的研究系統(tǒng)之一），其開發(fā)者之一 Paul Resnick有過如下的說明。 “ Guiding people s choices of what to read， what to look at， what to watch， what to listen to （ the filtering part）， and doing that guidance base on information gathered from some other people（ the collaborative）。” 可翻譯成下文：以從其他用戶收集到的情報（協(xié)調部）為基礎，向每個利用者提供“應該讀什么”，“應該關注什么”，“應該看些什么”，“應該聽些什么”等建議（過濾部） 從上述的表述中可以看出，對各種各樣的情報來說，人們的評價及這些情報在社會中的影響可以被用來判斷情 報本身的價值，以及決定是否值得被推薦，這也就是協(xié)調過濾法的一個最大的特征。正是基于這點，有時也稱其為社會過濾法（ Social Filtering）。 作為協(xié)調過濾方法的一種，為實現能從洪水般的情報中抽取用戶必要的信息 ,推薦系統(tǒng)（ Recommence System）常備使用。另外，為能實現利用者愛好的自動追蹤及判斷， Agent 系統(tǒng)（ Agent system）技術及人工智能技術的研究利用 ,也有很大的潛力。 協(xié)調過濾法用到的算法有以下幾種： I Active Collaborative Filtering(ACF) 最初的協(xié)調過濾系統(tǒng)是 Xerox 公司的 PARC 研究所的電子郵件系統(tǒng)，由 David Malts 等人開發(fā)研究的 Information Tapestry 電子郵件系統(tǒng)，該系統(tǒng)被 Lotus Notes 中的 Printer 部分所采用。 該系統(tǒng)的特點是 :彼此相識、指定范圍內的用戶通過相互指定，可以做到指定人與其認可的某一領域專家 (被指定人 )間的情報同步。 II Automated Collaborative Filtering(ACF) 正如其名稱所示，系統(tǒng)會根據用戶已有的評價值，對尚未處理的情報進行自動評價 (預測 )，將得分 高的情報主動向用戶推薦。自動評價的預測值則是根據其他用戶和本用戶的評價情報，采用皮爾森相關系數等相關算法而計算出來的。 這種方法有它的缺點。由于歸根到底是靠用戶的評價值而進行推薦的，如果某個情報誰也沒進行評價則永遠得不到推薦。另一方面，評價數據不足時推薦的精度也受影響。另外，情報量和用戶數（評價數）差距較大時，難以找到附近的用戶等。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） MIT（麻省理工學院）的音樂情報推薦系統(tǒng) Ringo，明尼蘇達大學的 Netnews推薦系統(tǒng) Group lens 等許多協(xié)調過濾系統(tǒng)都采用了這一種方法。 III Feature Guided Automated Collaborative Filtering（ FGACF） 根據用戶的愛好，從事的領域各不相同這一現實，采用把作為過濾對象的項目群賦予屬性情報，從而縮小問題的范圍，提高推薦精度的方法即為 FGACF 法。Firefly Networks 公司（現已被 MicroSoft 公司收購）的 Firefly 采用了這個方法。 純粹的 ACF 基本上不考慮情報的內容，在情報量不斷增大的時候仍把各種情報一視同仁，很容易造成錯誤的推薦。另外，存在著隨情報量增大計算時間也增加的問題。為解決這些問題，事先把各種情報通 過賦予屬性情報的方法進行分類（ Feature Guided），根據屬性情報分組，將愛好相近，領域類同的有用情報盡早地向用戶推薦。 IV Content-Based Collaborative Filtering 當主要以 Web 網頁， Netnews 信息等文章情報作為過濾處理對象的時候，同時結合情報內容 (Contents)過濾處理和協(xié)調過濾處理兩者長處的作法也逐步得到了完善和發(fā)展。 近年來 ,以互聯網的各種 Web 網頁作為過濾處理對象，從文章中出現的各個關鍵詞組出發(fā)，對系統(tǒng)中新登錄情報進行預測評價的方法受到了廣泛的關注。 通過事先將各種情報分組的方法 ,達到提高協(xié)調過濾處理精度目的的手法得到了引人注目的發(fā)展。 斯坦福大學 (Stanford University) 的產品 Fab，明尼蘇達大學計算機科學工程系 (Dept. of Computer Science and Engineering at the University of Minnesota)的 Net Perceptions Inc.的產品 Filterbots 等都是文章情報基礎的協(xié)調過濾系統(tǒng)的例子。 上面提到的作為 Netnews 的推薦系統(tǒng) Grouplens 也在把成為推薦 對象的文章分成 Newsgroup 方面下了大的力量，所以從廣義上也可以說是一個 FGACF 系統(tǒng)。 除此之外，世界上各大學和公司也在研究利用情報的屬性進行多變量解析的Cluster 分析法自動地把項目分組，從而提高系統(tǒng)性能和精度。 以上各種算法的實現，基于大量的傳統(tǒng)數學模型，一種算法中可能包含有多種數學模型，也可能是某一算法對應于多種數學模型候補。從類別上可分成類似算法數學模型，分組算法數學模型，自然語言分析數學模型等三類。 關于這些數學模型情報 ,我們在下一節(jié)中有較詳細的記述。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 協(xié)調過濾 法的特點 下表列出了協(xié)調 過濾法的主要特點。 優(yōu)點 缺點 不依賴于情報的內容 可解決僅靠一般方法而解決不了的情報過濾問題 初期評價的問題（ early rater problem）單純的協(xié)調過濾法不能對新登錄的情報進行評價預測。另外，對于登錄的情報及新注冊的用戶而言，推薦的精度較差。 易于發(fā)現重要情報 互聯網情報內容（ contents）基礎上的過濾法是對所有的情報不加區(qū)分，一視同仁地處理的。相比之下，協(xié)調過濾法，則可自動判別這些情報是否受到廣大用戶的認可。 稀薄性問題（ sparsity problem） 能使協(xié)調過濾系統(tǒng)正常發(fā)揮 作用的理想條件是存在大量的，得到眾多用戶評價的情報。但現實往往是只能收集到很少一部分受到評價的情報。 評價情報的反饋 用戶對情報的評價可將系統(tǒng)運營者的利益（如判斷登載哪一類廣告等）和用戶的利益（獲得有益情報）直接連接起來。 孤獨用戶的存在問題（ gray sheep） 特別是在中小規(guī)模的網絡內使用協(xié)調過濾系統(tǒng)時，有可能存在著與多數用戶意見不同的孤獨的用戶。 結果不夠明確 因為采用統(tǒng)計學的方法計算預測評價值，所以無法保證 100%的準確性。由此而造成錯誤的過濾。 由上表可知，想開發(fā)成功的制品 ,就需 要揚長避短，在前述的技術構成要素之上施行細致的調整?？梢赃@樣說，怎樣將各種技術要素有機地結合成一個完整的系統(tǒng)，是本系統(tǒng)商品化成敗的關鍵。 當今世界中 協(xié)調過濾 技 術 的 應 用 現 狀 近年來，做為取代傳統(tǒng)的想方設法地搜索信息的方法，開始出現了一種從情報源主動向用戶提供情報的方法，即推薦服務的方法。更值得注目的是以著名的 ,規(guī)模大的互聯網提供商提供的檢索引擎和電子商務（ EC）服務為中心而逐步展開的個人服務。這些服務針對每個用戶的不同特點進行調整，從而形成因人而異的情報提供方式。 個性化服務和一對一服務（ One to One Service）具有相同的含義。這類服務建立了 Web 網頁提供商和用戶之間一一對應的關系，由此出發(fā)，進而大幅度提高服務質量。做為推薦服務和個性化服務的核心技術，協(xié)調過濾技術在 1996 年左右就被研究開發(fā)出來了。但目前的現實是該技術的研究開發(fā)仍是以美國的大學知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 和研究機構為主。 處 理中使用的各種數學模型 系統(tǒng)內部使用的算法如下所示，所有算法都屬于古典統(tǒng)計學的范疇之內。 i：類似算法數學模型 類似算法 :對某個對象而言 ,從對象集合中找出與其相類似的對象的算法 . 以下列出各算法的方程式 ,并對各個符號一一說明 . i=( i1, i2,., ip)； j=( j1, j2,., jp)； pa mam xpx 11 )(21 m inm a x xxX ( max, min 是 的最大值和最小值 ) ： if ( mn= = 0) then = 0 ； else = 1 ； 以下的計算結果為的時候 ,值越小表示二者越類似 ；計算結果為的時候 ,值越靠近 1表示二者越類似。 平均尤庫里多距離的二乘法 pa jaiaij xxpd 1 22 )(1 平均距離法 pa jaiaijxxpd11 最大值距離法 )(m ax jaiaaij xxd 二值距離法 pa jaiaij ccr 1 Dice Coefficient 法 pa jaiaijccK1 pa iaicK1rij=2 x|Kij| (|Ki|+|Kj|) 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） Jaccards s coefficient 法 ajaiaajaaiaajaiaij xxxxxxr 22 皮爾森相關法 ij= Co ( i, j) i jajjaaiiaajjaiiaij xxxxxxxx22 )()()()( 限定皮爾森相關法 ij= Co ( i, j) i jajaaiaajaiaij XxXxXxXx22 )()()()( 斯皮爾曼相關法 )1()(6212ppxxdpajaiaij 改良二值距離法 MapI ( mn) = cmn MapU ( mn) : if ( mn= = 0) MapU ( mn) = 0； else if ( mn in topN ) /如果為重要屬性 MapU ( mn) =BIG； /BIG 是大于 ” 1” 的定數。 else MapU ( mn) = SMALL； /SMALL 是小于 ” 1” 的定數。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） pa IaUaUI xM a p IxM a p Ur 1 )()( dij=1 rij ii ：群 (Clustering)算法 即將相類似的對象歸為同一個群的算法 . 以下涉及的 7種群算法都將分兩步實現 . 第一步 :對各個基本要素 ,使用 10 種距離計算值之一求出二者之間的距離 .距離最近的兩個 基本要素成為一個新要素 .基本要素被稱為葉 ,新要素則被稱為分支 . 第二步 :實行遞歸處理 .利用以下的方程式計算出與新要素間的距離 ,進而生成新要素。 下面用到 2 個基本方程式 ,方程式和系數的不同組合形成 7種不同 形式。 dxc= adxa+ bdxb+ dab+ |dxa dxb (1) dxc2= adxa2+ bdxb2+ dab2+ |dxa2 dxb2 (2) 方程式表示從 a 和出發(fā) ,生成新要素 ,并求出與要素的距離。 群平均法 利用方程式 (2)。 系數： a= na / nc b= nb / nc =0 =0 重心法 利用方程式 (2)。 系數： a= na / nc b= nb / nc = (na nb)/ nc2 =0 最長距離法 利用方程式 (1)。 系數： a= 0.5 b= 0.5 =0 =0.5 可變法 利用方程式 (2)。 系數： 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） a= (1- ) / 2 b= (1- ) / 2 =定數 =0 介質法 利用方程式 (1)。 系數： a= 0.5 b= 0.5 = 0.25 =0 最短距離法 利用方程式 (1)。 系數： a= 0.5 b= 0.5 =0 = 0.5 Wood 法 利用方程式 (1)。 系數： a= (nx+na) / (nx+nc) b= (nx+nb) / (nx+nc) = nx / (nx+nc) =0 iii：分組 (Grouping)算法 即將相類似的對象歸為同一個組的算法。 從現有的組里抽樣獲取要素 ,利用類似算法求出對象 與組之間的距離 ,找出最為類似 的組并將該對象歸入該組。 iv：自然語言解析算法 自然語言解析是指將對象文章按單詞的單位分割 ,并將其生成一個個的標簽 (tag), 進而選出必要的名詞 (如已知和未知的名詞 ),計算出其出現頻度 ,考慮其在文章中的位置 , 文章的長度等因素 ,并進行關鍵字重復度處理 .在必要的時候 ,可提供禁用詞匯的管理機能 以及對現實生活中沒有特別意義的名詞不予登錄 (象對禁用語的處理一樣 )的機能 . 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 預計 開 發(fā)產 品的特點 關于算法 在對 2.1.2 中介紹的協(xié)調過濾系統(tǒng)的各種算法和上一節(jié)中介紹的各種 數學模型進行分析后，我們在前期開發(fā)中進行了大量的模擬實驗。 首先，協(xié)調過濾的算法可以分成 3 類。 其一， Active Collaborative Filtering。利用這一技術，互相了解的用戶之間可以相互指定，（當然有安全保密上的限制），獲得彼此有用的信息（包含電子郵件）。可以和這個領域之內的專家保持同步。這次列在預計開發(fā)范圍之內。 其二， Automated Collaborative Filtering 和 Feature Guided Automated Collaborative Filtering。從效率和精度的角度多方分析的結果上看， Feature Guided Automated Collaborative Filtering 遙遙領先。因為本次開發(fā)準備採用FGACF。 其三， Content-Based Collaborative Filtering。這次準備分階段實現。首先是以文章情報為對象，然后再考慮其它的媒介。 其次，對算法中使用的數學模型進行了分析。 在 Cluster 諸算法之中， Wood 法和群平均法的精度較好。 分組計算方面，基本上是利用 類似算法。分組所使用的類似算法中 Jaccard s Coefficient 法，平均最小二乘距離法，改良二值距離法的精度比較理想。 Clustering 方法和分組算法的目的是相同的。 Clustering 的特點是精度高，但處理速度較慢。分組算法則恰恰相反?？梢钥肯到y(tǒng)控制參數來平衡這兩種方法的使用，根據系統(tǒng)的規(guī)模靈活調整。 判別類似的對象有 4 種，即用戶（屬性）對用戶（屬性）的類似，文章（屬性）對文章（屬性）的類似，用戶（屬性）對文章（屬性）的類似及關鍵字的類似。判斷的對象不同，評價結果也各不相同。對 于用戶間的類似和文章間的類似來說，按 Jaccard s Coefficient 法，平均最小二乘距離法，改良二值距離法距離法，皮爾森相關法的順序，計算精度比較理想。而對用戶和文章的類似來說，則按改良二值距離法， Jaccards Coefficient 法 ,平均最小二乘距離法，皮爾森相關法的順序 ,為計算精度的順次。關鍵字的類似考慮用統(tǒng)計學的方法去實現。另外 ,由于必須確定提供范圍的域值，所以同距離算法相比 ,相關算法要適合得多。如果將上面幾種方法組合起來使用，相信還會進一步提高推薦精度。 關于提供的服務 對一般用戶 主要提供以下服務： 推薦服務：尋找和對象用戶的相似用戶，把對象用戶未訪問過的文章向其知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 推薦； 提供類似文章服務：提供和對象文章類似的文章的一覽； 檢索結果的過濾服務：在檢索結果的基礎上，根據實施檢索的用戶的愛好，對結果進行挑選。 新到情報的推薦服務：根據各個用戶的不同要求，在一定的時期內，把新到情報提供給用戶； 用戶特征指定服務：允許用戶將其關注的單詞 /文章等在系統(tǒng)里登記或刪除； 類似關鍵字的提供服務：系統(tǒng)可提供與檢索用關鍵字相類似的關鍵字一覽表； 熱門網頁的提供服務：提供受歡迎的網頁的地址； 個性廣告的提供 服務：對互聯網服務商（ ISP）來說，可根據用戶的特點、愛好而主動提供恰到好處的廣告； 為管理操作的方便，同時也向系統(tǒng)管理員提供機能豐富的服務。 關于體系結構 采用適合于互聯網 WWW服務系統(tǒng)開發(fā)的 Java語言，以 Servlet的形式開發(fā)； 協(xié)調過濾系統(tǒng)屬于 Multi-Agent 系統(tǒng)的一種，所以必須具有其分散處理的特性。本系統(tǒng)將采用計算機分散技術的標準 -CORBA（ Common Object Request Broker Architecture），來實現分散化處理； 采用 DBMS 對情報進行管理。并利用 JDBC 與本系統(tǒng)其它部分相連； 自然語言的解析處理會占用系統(tǒng)相當多的時間，將盡可能采用 C+語言，以庫函數（ LIB）的形式提供。與本系統(tǒng)其它部分的連接準備使用 JNI； 本系統(tǒng)允許事先設定用戶的特征情報，同時如即使不作任何設定 ,可根據用戶操作處理的軌跡，系統(tǒng)將自動推測出用戶的愛好及其遷移。但同時不準備以單純的訪問操作或檢索關鍵字影響用戶愛好的遷移，為此計劃提供控制情報和相應的控制處理。另一方面，也將考慮系統(tǒng)的規(guī)模及負荷； 管理者可同時進行大批量文章的收集、保存處理，抽取文章的屬性并對其管理。亦可從檢索結果中，通過一般 用戶的訪問操作來實現上述處理。但保存與否 ,可通過訪問次數來控制； 關于其它 本系統(tǒng)在參考 2.1.3所介紹的協(xié)調過濾的特點和 2.1.4所介紹的世界中使用現狀（技術發(fā)展趨勢，各種制品的優(yōu)缺點）的基礎上，將實現自己獨特的調整手段。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 檢索服務的個性化 (1)背景 至今為止檢索服務的用戶接口對所有的用戶都是一視同仁的。提供檢索服務的互聯網服務商有各種各樣的特點，比如對技術情報擅長，或對新聞情報擅長等。而本系統(tǒng)開發(fā)的一個目標就是提供一個滿足用戶個性要求的接口。 (2)本系統(tǒng)在實現個性化方面的特征 主要特 點如下所述。 做為缺省 ,提供分組化的檢索 引擎類 (檢索服務商 )； 自動追加新的檢索服務商及刪除消亡的檢索服務商； 檢索目的類型 (例新聞 ,技術等 )的登錄 /刪除機能； 檢索服務商的組合指定機能； 自動收集技術 (1)背景 現行的各種瀏覽器的收集機能基本上是以文件為單位，不能作靈活的調整。如能在指定時間指定的網站，對所關心的文章的類型進行自動收集，將會給用戶帶來很大的方便。 (2)本系統(tǒng)在自動收集方面的特征 主要特點如下所述。 可指定網站的位置，支持登錄及刪除功能； 收集對象的類型的指定； 收集時間的指定； 保存場所的指定； 自動定點觀測技術 (1)背景 假設某個用戶，對所關心的網站的不同位置的情報很感興趣，并進行了訪問 ,收集了所需情報，但是情報源在不斷地更新，如果能有觀測機能將會給用戶提供很大的方便。 (2)本系統(tǒng)在自動定點觀測方面的特征 主要特點如下所述。 可指定被監(jiān)視網站的不同位置 ,并可登錄 /刪除； 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 指定被監(jiān)視對象的類型； 指定保存場所； 指定監(jiān)視時間； 瀏覽被更新的情報及新到的情報； 自動收集被更新的情報； 系統(tǒng)的綜合 上述 4 種技術的組合而達到系統(tǒng)的綜合 化。本系統(tǒng)的目標之一就是想通過靈活的調整做到突出用戶個性化，也即是從 ISP 到 ASP 進化的一個具體的步驟。 系統(tǒng)的運用形態(tài) 對于中小規(guī)模的 ISP，因為其負荷不很重，可以細致地管理用戶愛好的遷移； 對于大規(guī)模的 ISP，因為其負荷有可能很大，可以對用戶愛好進行較為粗曠的管理，同時在分散處理上多下工夫； 可形成社內教育，社內管理系統(tǒng)的運用形態(tài)； 可形成 Mailing list 系統(tǒng)的付加服務的運用形態(tài)； 系統(tǒng) 構成的示例如下所示 ：知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） Oracle WWW Server Servlet Engine WWW瀏覽器 客戶端 過濾處理服務器 Java Virtual Machine 文檔登錄 類似情報檢索 用戶特征 文件更新 群連接 RDBMS 檢索服務 用戶情報 管理服務 用戶特征文件 更新服務 過濾處理服務 面向管理員服務 自然語言 分析系統(tǒng) tnameserv JRun Netscape Enterprise Server JRE1.3 系統(tǒng)服務 CORBA服務 分配器 文檔資料 成批登錄 檢索軟件 互聯網 META検索 情報內容 提供服務 管理工具 互聯網 / WWW Server 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 互聯網咨詢協(xié)調過慮器及智能檢索支援系統(tǒng)市場調查和需求預測 代表性的研究系統(tǒng)一覽表 系統(tǒng)名稱 研究機構 特 點 研究時間 Tapestry Xerox Palo Alto Research Center 最早的 ACF 系統(tǒng)。需要事先指定情報交換小組的成員。因為是靠由獲得情報的一方明確指定情報推薦者和評價值，來實現過濾過程的，所以僅適用于小規(guī)模網絡。 1992 GroupLens Dept. of Computer Science and Engineering at the University of Minnesota Grouplens 是推薦網絡新聞（ Netnews）的過濾系統(tǒng)。用戶需要了解其他的用戶。用戶針對某個新聞可賦予 5 階段的評價，系統(tǒng)則會向具有與該利用者相似愛好的其他用戶自動推薦，并可對其他的新聞施行預測評價。 1994 Ringo Massachusetts Institute of Technology Ringo 是音樂情報的推薦系統(tǒng)。用戶通過電子郵件將自己喜愛的作品 賦予 7 個階段的評價值，而系統(tǒng)則將根據其他用戶的評價值向該用戶返送有可能得到其較高評價的作品 一覽表。 Ringo 的過濾方法與 Grouplens 沒有大的差別，但相關算法有所改進 。 1994 Fab Stanford University Fab 是同時利用互聯網資訊過濾和協(xié)調過濾技術的 Web 網頁的推薦系統(tǒng)。它實裝了多代理體系結構。用戶對得到的情報進行 7 個階段的評價并返回給系統(tǒng)。 19961997 Yenta MIT Media Laboratory Yenta 是采用多代理技術的中介系統(tǒng)。系統(tǒng)尋找具有相同愛好的 用戶，為他們建立聯系實現情報共有。該系統(tǒng)不設服務器，各用戶各自的計算機（ Agent）之間 1對 1（ peer-to-peer）連接，實現過濾處理。 1997 Filterbots Dept. of Computer Science and Engineering at the University of Minnesota Filterbots是 Grouplens研究小組為提高協(xié)調過濾的精度而開發(fā)的自動評價系統(tǒng)。她以互聯網資訊過濾處理為目的，針對典型協(xié)調過濾處理的 2 個缺點 (“隨著情報量的增加，造成評價情報分布 不均，而找不到附近的用戶”和“無人評價的情報形不成推薦對象” )進行了改進。系統(tǒng)（ Filterbots）對新登錄的情報會自動對其進行評價。 1998 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 有代表性的互聯網服務 有代表性的產品 制品名 開發(fā)公司名 價 格 Firefly Firefly Network, Inc.（現 Microsoft Corporation） 700 萬日元 One-To-One BroadVision, Inc. 2,000 萬日元 Gustos Guide Gustos Software LLC 需要咨詢 LikeMinds Andromedia, Inc. 10,000 美元（ 10,000 用戶） Net Perceptions Net Perceptions, Inc 45,000 美元 Open Sesame Profiling Server Bowne Internet Solusions 25,000 美元 互聯網咨詢協(xié) 調過慮器及智能檢索支援系統(tǒng)的產品還主要局限于國外，而且價格昂貴，主要應用于企業(yè)的電子商務，研究機關，網站等，國內在此方面的應用還較少見。由于本系統(tǒng)有穩(wěn)定性，可擴展性，可組合性，自主產品性等特點，所以預測可以開拓一定的市場。 項目實施方案 開發(fā)實施方案 軟件工程是指導計算機軟件開發(fā)和維護的工程科學，數字式圖像監(jiān)視系統(tǒng)的開發(fā)也應遵循軟件工程進行。 軟件工程是將軟件開發(fā)過程視為一個工程項目，采用工程的概念、原理、技術和方法來開發(fā)和維護軟件，把經過時間考驗，證明正確的管理技術與當前能夠得到的最好的軟件技術方法 結合起來，這就是軟件工程。 使用軟件工程于軟件開發(fā)的各個階段，通過使用各種工具，從支持開發(fā)各個階段的方法，通過使用各種技術，以保證軟件質量。 1969 年 Fritz Bauer 給出了軟件工程的早期定義，他認為：制定并使用合理的工程原則，從而以較低的費用獲得可靠的、能在機器上高效工作的軟件。 軟件工程包括 3 個主要元素，即方法、工具和過程。從這 3 個要素入手便能控制軟件的開發(fā)，并為軟件開發(fā)者提供了高級和高質量的開發(fā)基礎。 方法是提供怎樣去建立軟件的技術，這些技術包括項目的計劃和評審、系統(tǒng)和軟件需求分析、數據結構定義 、程序結構、算法、編碼、測試和維護等。 工具是為軟件工程方法提供自動化或半自動化的支持。目前上述每一個方法都有支持工服務名 經營組織 URL Myyahoo yahoo http:/my.yahoo.co.jp/ Movie Critic Andromedia, Inc. / Alexa Alexa Internet（ A Inc.） / A A, Inc. / D D, Inc. / Direct Hit Ask Jeeves, Inc. / 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 具，如果將這些工具集成起來，那么由其中一個工具產生的輸出信息就可以被另一個工具使用，于是便創(chuàng)建了支持軟件開發(fā)的綜合系統(tǒng) 計算機輔助軟件工程（ CASE）。 過程是使方法和工具相結合的粘合物，它使得軟件開發(fā)任務能夠經濟地、準時地、快速地完成。過程定義了一系列步驟，并規(guī)定了每一步驟應使用的方法和應交付的文檔及報告，以及用于幫助保證質量、協(xié)調變化的措施，還定義了能使軟件開發(fā)人員了解進展情況的一些里程碑。 BD 是 Basic Design 的縮寫，完成“本系統(tǒng)要做什么” ，即系統(tǒng)的分析階段工作； FD 是Function Design 的縮寫，完成本系統(tǒng)功能塊的劃分，是“怎么去做”的第一階段工作，即系統(tǒng)的設計初期階段工作； DD 是 Detail Design 的縮寫，完成本系統(tǒng)各個功能模塊的詳細設計工作，是編程階段的準備設計階段； MK是 Making 的縮寫，即具體編程實施階段； UT 是 Unit Test的縮寫，即單元測試階段； CT 是 Combine Test 的縮寫，即結合測試階段； ST 是 System Test的縮寫，即 系統(tǒng)測試階段； PT 是 Product Test 的縮寫，即商品測試階段。 UML 是 Unified Modeling Language 的縮寫， UP 是 Unified Process 的縮寫，是國際上最新的面向對象的分析設計與開發(fā)方法的方法論。在承接面向對象的應用項目開發(fā)時，我們曾經使用過 80年代國際上流行的 BOOCH方法（由 Grady Booch發(fā)明）、 OMT方法（由 James Rumbaugh發(fā)明）、 OOSE 方法（由 Ivar Jacobson 發(fā)明）。但目前我們主要使用的是國際上最新的面向對象的分析設計與開發(fā)方法 UML(Unified Modeling Language, 由 Booch、 Rumbaugh、 Jacobson聯手發(fā)明 )及 UP（ Unified Process,由 Booch、 Rumbaugh、 Jacobson 聯手發(fā)明）。 UML UP 的開發(fā)方法是通過使用下列圖示中的 3 種概念 (從用例視圖出發(fā)的概念 , 視圖構造中心的概念 ,反復同時向上發(fā)展的概念 )將 9 種設計圖形詳細貫通的過程 ,并在此基礎上將系統(tǒng)實裝完善的過程。在以往的開發(fā)過程中，我們通常使用了全部的 3 種概念及 9 種圖形構件的 5至 7種圖形構件。 在 開發(fā)過程中，嚴格控制 ” UML UP” 方法論規(guī)定的每一個步驟的生產物。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 營銷計劃實施方案 采用自主和合作并行的方針。 項目實施目標 第一年 第二年 第三年 套數 2 5 20 投資估算 準備投資 30 萬人民幣。 經濟、社會效益分析 產品投入市場后，年內收回投資。 由于為使用者提供從海量信息中快速獲取有價值情報的手段，所以可以節(jié)省人力物力。另外，主動向使用者提供有價值的信息，使得調查研究及學習更加有效。 項目可行性分析結論 由于我們在國外完成過類似系統(tǒng)的實裝 ,并有解決幾乎 所有核心技術問題的方案，所以我們認為上述的方案是可行的和實際的。 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 3. 管理信息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具系統(tǒng)項目論述 管理信息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具系統(tǒng)技術可行性分析 開發(fā)背景 管理信息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具系統(tǒng)的目的和理念是將業(yè)務邏輯和控制邏輯分離。 依據模式技術發(fā)明之父、國際著名模式技術專家亞歷山大 -克力斯多夫提出的理論，“所謂模式，是對我們周圍經常發(fā)生的問題以及對這些發(fā)生問題解決方法要點的記述。每一個模式描述了一個在我們周圍不斷重復發(fā)生的問題，以及該問題的 解決方案的核心，這樣，你就能一次又一次的使用該方案而不必做重復的勞動。”。亞歷山大 -克力斯多夫認為，各行各業(yè)的控制邏輯均是可歸納的，且數量是有限的，對這些有限數量的控制邏輯進行各種組合，就可以實現對某一行業(yè)的完整控制。計算機軟件設計模式的權威專家 Erich Gamma、 Richard Helm、 Ralph Johnson 及 John Vlissides 四人 (后來被人們親切的稱為 GoF(四人幫 )，對現實世界的數百種成功的系統(tǒng)和項目進行了分析，歸納總結了計算機界軟件設計模式的 23 類；計算機軟件架構模式的權威專家 Frank Buschmann、 Regine Meunier、 Hans Rohnert、 Peter Sommerlad 及 Michael Stal 五人，通過多年的實踐、調查與研究，歸納總結了計算機界軟件架構模式的 8 類；管理信息化系統(tǒng)通用化平臺及業(yè)務邏輯自動生成工具系統(tǒng)正是充分利用了軟件架構模式和軟件設計模式的理念實現的，在此基礎上開發(fā)的應用系統(tǒng)有如下特點： 可提高再利用性； 有利于將共通對象同特殊對象分離； 可利用專家的知識； 可以減少設計上的失誤； 可提高應用系統(tǒng)的堅固性； 可以容易理解他人的設計產品。 業(yè) 務邏輯是應用戶的需求不同而千差萬別，但卻可以歸納出不同的特點。尤其是對于 Web 類型的人機會話的管理信息化系統(tǒng)，特點更為明顯。歸納如下： 對數據庫 SCHEMA 的依存度極高； 對服務器端的文件目錄結構有一定的依存； 操作的 80%以上的對象目標是數據庫表格的某些域，限定 條件也是如此，操作類型為增刪改查； 有部分對文件的操作； 有部分對打印的需求； 輸出要素是可歸納的、有限的和可數的。 我們經過長時間的資源積累，研發(fā)出了 Web應用系統(tǒng)的業(yè)務自動生成工具 (內部開發(fā)用產品 )，該工具提供的功能如下所示： 對數據庫 SCHEMA 的 XML 描述文件提供讀入和分析功能：數據庫的設計和構筑工作使用Rational Rose 進行，利用本公司的程序模塊將數據庫的 SCHEMA 輸出到指定的 XML 文件中。工具對數據庫 SCHEMA 的 XML 文件進行讀入和分析功能； 提供對服務器端的文件目錄結構的操作； 提供對數據庫表格的某些域進行增刪改查的復合操作，限定數據庫任意表格的任意域的組合； 提供打印的功能； 提供輸出要素的選擇和運算處理結果的掛鉤； 知識水壩（豆丁網 pologoogle）傾心為您整理（雙擊刪除） 業(yè)務邏輯通過上述步驟確定，結果分層次 (分系統(tǒng)層、業(yè)務層、問題領域層和數據層 )和類型 (應用邏輯層和描述表 現層 )保存到相應的 XML 業(yè)務邏輯文件中。 平臺模式 MIS 系統(tǒng)平臺模式大體上分為 4 種：主機終端模式、文件服務器模式、客戶機 /服務器模式(Client/Server，簡稱 C/S)和 Web 瀏覽器 /服務器模式 (Browser/Server，簡稱 B/S)。 主機終端模式由于硬件選擇有限，硬件投資得不到保證，已被逐步淘汰。而文件服務器模式只適用小規(guī)模的局域網，對于用戶多、數據量大的情況就會產生網絡瓶頸，特別是在互聯網上不能滿足用戶要求。因此，現代企業(yè) MIS 系統(tǒng)平臺模式應主要考慮 C/S 模式和 B/S 模式。 網絡應用 絕大部分都可分為以下四個層次 :表現層、事務層、數據邏輯層和數據存儲層。在C/S