浙科电子商务模拟教学软件 一.软件简介《浙科电子商务模拟教学软件》将模拟现实的思想应用于电子商务的实践教学中来。软件为电子商务教学提供了真实互动的教学与实践环境，让使用者在亲身实践电子商务的过程中学习提高。二.软件优势1.FAQ帮助功能系统将学生在实验过程中可能会遇到的问题，进行了归纳总结，用问答式的方法罗列出来，供学生参考，帮助学生尽快掌握软件的操作。2.小秘书提醒软件附带小秘书提示功能，能够在学生实验过程中提醒学生接下来要做的实验步骤。帮助学生更加顺利的完成实验，减少对教师的依赖，增强学生自主学习能力和钻研精神。3.软件内置交流模块软件包含了交流模块，教师与学生之间、各角色之间可以通过交流模块进行实时沟通，方便实验更加流畅的进行，提高课堂秩序和实验效率。4.电子商务考试系统软件自带在线练习考试系统，考试系统支持五种题型，可以批量导入试题，适用于多种类型的考试。教师可以直接使用试题库中的试卷，也可以灵活组卷。学生可以在考试题库中选择试卷练习，支持留言、错题收藏、笔记、纠错等功能。客观题系统可以自动评分并对考试结果进行分析。三.软件功能1.厂家厂家角色是以产品最终供应商的身份存在的，系统中交易的所有商品（拍卖网除外）都是由厂家生产并供应的，而其他角色的商品都直接或间接的购买自厂家。2.商城商场是整个实验系统的零售商。商场角色向厂家购买商品组建自己的产品库，然后通过网络渠道把产品销售给消费者，从中获得利润。3.消费者无论是现实中还是在系统的模拟环境里，宏观市场的运作都是由需求拉动的，实验系统中的市场需求就来自于消费者角色。消费者虽然后台功能简单，但却是整个系统不可缺少的重要组成。4.出口商电子商务的国际贸易中，出口商有着举足轻重的作用。出口商是连接国内外市场的一座桥梁，它把国外市场的需求通过贸易往来反映到国内的市场中来。5.物流货物的运输是开展电子商务不可缺少的环节，因而物流的职责显得尤为重要。第三方物流企业是电子商务物流工作的主要承担者。6.银行企业开展电子商务的过程中需要通过银行管理企业的资金，完成资金的划拨，同时各个角色都需要使用银行提供的网上银行、柜台业务以及在线支付等功能。7.电子商务拓展包含了电子商务环境、电子商务创业实践、电子商务实践服务和WEB2.0应用。四.软件特点1.完整的电子商务实践平台《浙科电子商务模拟教学软件》以互联网环境下商务活动过程为主线，对电子商务活动中的产品采购、营销、交易、配送、支付以及相关内容进行了合理地组织，完整的模拟了B2B、B2C、C2C、B2G、网上拍购、项目悬赏等多种交易模式。学生通过扮演厂家、商场、消费者、出口商、物流、银行几大角色，开展电子商务操作和技能的一系列训练，使学生能够学以致用，加深对电子商务理论的认识，并深刻掌握电子商务运作模式和交易流程。2.融会多种电子商务营销技巧电子商务作为一种新兴商务方式，必须具有强有力的竞争手段。系统涵盖了门户网站、商贸网站、拍卖网、网上商城、搜索引擎、Email、企业网站、支付通等多种网络营销方式、方法，以及网站推广技巧，使毕业生能得心应手地从事电子商务工作。3.最新最完整的电子商务应用环境《浙科电子商务模拟教学软件》紧跟电子商务发展历程，不断更新和完善软件内容，使软件在任何时段都跟上时代和科技的步伐。软件除包含了传统的电子商务运作模式，还包括了目前流行的团购网、网上开店、旅游网、网上创业等模块。同时，软件新增了电子商务扩展部分，详细的介绍了网络和网站建设的知识，包括：网线制作、LAN搭建、公司网络设计、网页需求、数据库设计、网站布局、域名、服务器等内容，学生可以进行扩展知识的学习、练习和实验，兼顾了电子商务理论知识和实践能力两方面教学。  4.灵活的分组竞争实验机制学生可分组分角色进行实验，让学生能够实践每个角色，了解各个角色在电子商务流程中的作用。小组中进行竞争性实验，使得拟真的电子商务交易流程在不同角色扮演者之间展开。同时同一角色扮演者之间存在着竞争的关系，从而提高了学生的兴趣，加深了对角色的理解。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

针对行政约谈场景中存在的人工记录效率低、内容理解偏差记录、资料追溯繁杂等问题，本成果开展了基于音视频识别及语义分析的智能约谈平台的研究。基于 AI 深度学习的音视频识别框架、复杂网络理论和语义知识本体的文本语义相似度计算方法，研究音视频识别的语音转写、对话管理、计算机视觉技术和内容分析的语义理解、语义优化、情感识别方法，实现网信约谈、纪委约谈、公安审讯、监狱谈话等多种行政约谈场景下的约谈智能化和数字化。其中，语音识别转写是开展智能约谈系统研究的前提和基础，本成果训练了声学模型和语言模型，构建编码器，通过音频角色分离和声纹识别技术分离说话人声音，编码器识别解码，经过文本语义处理转写为文本。而文本语义处理是智能约谈系统提升约谈效能的源动力，成果构建了基于语义本体的自动专家导引约谈知识库，通过基于复杂网络的语义相似度计算给约谈工作人员推荐约谈问题；约谈结束后，利用融合主题特征的文本自动摘要技术快速生成汇报摘要，利用基于分布式表示的事件抽取技术自动生成约谈报告。本成果研制高效、便捷的智能约谈音视频识别及语义分析平台，实现了在线约谈预约、人脸识别身份核验、语音实时转写、约谈问题智能引导提问、音视文同步显示、汇报摘要自动生成、约谈报告自动生成、约谈文件回溯、约谈大数据分析等功能。

热重分析法（TG、TGA）是在升温、恒温或降温过程中，观察样品的质量随温度或时间的变化，目的是研究材料的热稳定性和组份。广泛应用于塑料、橡胶、涂料、药品、催化剂、无机材料、金属材料与复合材料等各领域的研究开发、工艺优化与质量监控。

同步热分析将热重分析 TG 与差热分析 DTA 或差示扫描量热 DSC 结合为一体，在同一次测量中利用同一样品可同步得到热重与差热信息。

贵州电子商务职业技术学院于2016年3月成立，是经省人民政府批准，教育部备案的省属全日制普通高等学校，隶属于贵州省商务厅。学院是在国家改革发展示范校、国家级重点中专--贵州省电子商务学校（原贵州省商业学校）的基础上，与贵州省物资学校合并创建而来，办学史可追溯到1947年。主要培养适应经济社会发展需求的财经、商贸、信息、艺术、服务类高端技术技能型人才。以高职（专科）教育为主，同时兼招中职学生。学院现有清镇、花果园、二戈寨三个校区，总占地面积471.15亩。目前下设7个系（部），开办有电子商务、大数据技术与应用、物流管理、市场营销、会计、室内艺术设计、计算机网络技术、网络营销、数字媒体艺术、财务管理、电子信息工程技术等33个专业，办学规模达到10582人；现有教职工486人，专任教师304人,其中具有研究生学历教师占专任教师总数20%，中高级教师占专任教师总数37%。学院建有财经、商贸、旅游服务、文化艺术、信息技术、文教体育“六大”实训基地49个实训室，1个电子商务发展研究中心，设有“贵州省第32国家职业技能鉴定所”、“全国计算机高新技术考试站”、“全国电子商务师考点”，具备多种职业技能培训及鉴定资质。学院是“全国电化教育先进单位”“贵州省文明单位”“贵州省职业教育先进单位”“贵州省职业技能鉴定先进单位”，牵头领办有“贵州省商贸职教集团”。站在新的历史起点上，学院将继续抢抓电子商务和现代物流产业发展机遇，坚持依法治校、以德立校、科技兴校、人才强校，积极构建现代职业院校制度，加快发展，突出特色，推动跨越，为建成区域特色、省内一流、国内知名的高等职业院校而努力奋斗。