本发明公开了一种基于隐私保护的数据索引方法，属于数据处 理技术领域。本发明包括：提出了一种 R-tree 划分算法，使得任意两 个叶子节点之间都没有重叠，在叶子节点上独立地添加噪音使得本地 索引 PR-tree 满足差分隐私；针对选取的部分 PR-tree 节点，采用了一 种映射机制将每一个 PR-tree 节点映射到相应的 CAN 服务器上从而构 建全局索引。本发明设计了一种基于隐私保护的两层分布式索引 PR-CA

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 赵玉蓉 外国语学院/英语 2016/2020 201631131102 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 阮先玉 外国语学院/英语 教研室主任/副教授 语言学、翻译 四、项目简介 随着互联网的发展，机器翻译成为翻译活动中的重要的辅助工具。而机器翻译错译、死译频出，给翻译工作带来诸多不便。近年来，“大数据”的出现为机器翻译带来了新希望，其独特的“4V”特点将对机器翻译产生革命性的影响。尤其最近出现的AI同传给翻译行业带来了不小的冲击，本项目希望通过探究大数据在AI同传中的应用，分析AI同传翻译的优点和局限性，推动机器翻译的发展。

希望能与有三维建模能力的伙伴合作，基于我司的GIS平台加载能力，提供三维数据建模服务，支持提供LOD1-LOD5 多级别数据生产制作能力。

湖北中潮教育科技集团有限公司（简称“中潮教育”）是一家基于教育大数据和产教融合理念，通过教育内容研发与创新，充分利用移动互联网和信息技术的手段，打造商学类、管理类、法律类、党建类、人文类专业、职业与行业的课程体系，为各类企业、事业和政府组织建立特色化的职业技能提升学习系统，帮助社会大众提升职业素质，培养学习型组织，实现利用互联网平台传授知识、传播思想、传承文化的教育企业。

1、超大型厂房内部温度、湿度、CO2浓度和气流的分析模拟技术。2、超大型厂房内部温度、湿度、CO2浓度和气流精密控制技术与装置。

美林数据技术股份有限公司（简称：美林数据，NEEQ：831546）是国内知名的数据治理和数据分析服务提供商，重点面向企业客户提供数据资产管理、数据分析与挖掘、数据开发应用为主的大数据产品及增值解决方案。成立至今，在能源、制造、金融、政务等领域积累了丰富的项目经验，自主研发的 Tempodata 系列大数据产品广泛应用于上千家大型企业，为用户提供从数据采集、数据资产管理、数据挖掘、数据分析应用等综合解决方案。 当前，以信息技术和数据作为关键要素的数字经济蓬勃发展，并成为推动我国经济增长的重要力量。数字人才是数字经济发展的核心要素，实践出真知，美林数据基于数十年数据领域实践经验，结合产业发展的人才需求，为高校提供从教学、实践、科研一体化的大数据应用能力解决方案——Tempo Talents 大数据人才应用能力成长平台。  

本系统是一款专为中小学音乐教师设计的备授课一体化软件。它深度融合了备课与授课两大核心环节，通过配套的海量音乐教学资源，旨在有效降低教师的备课难度，全面提升课堂教学质量。 备课模块：灵活高效，资源随心 备课模块为教师提供了一个功能强大且易于操作的创作平台，让音乐课件的制作变得前所未有的简单。 混合编辑与排版：支持五线谱、简谱、图像、音频、视频、动画、文本、表格、图形等多种元素的混合编辑。教师可以在一个课件中创建任意数量的页面，自由组合，满足多样化的教学设计需求。 智能乐谱生成： 乐器指法谱：可一键在五线谱或简谱上方生成口风琴、竖笛、陶笛、葫芦丝等多种小乐器的指法参照谱，方便器乐教学。 节奏参照谱：支持生成独立的节奏谱，并与主曲谱上下混合排版，强化节奏教学。 简谱与五线谱对照：支持在五线谱上方生成简谱参照，或在简谱上方生成五线谱参照，实现两种记谱法的同步教学与转换。 专业乐谱编辑： 五线谱编辑：提供音符组输入、和弦输入及符尾自动调整等专业功能。 简谱编辑：支持便捷地添加减时线等操作。 完备符号库：内置齐全的乐谱符号库（谱表、谱号、调号、拍号等）和丰富的乐谱标注符号库（演奏记号、强弱标记、速度术语等）。 智能辅助功能： 歌词处理：具备歌词智能对齐和自动添加带声调拼音的功能，并能自动识别多音字。 图文混排：可自由输入文本、插入图形和表格，并支持将任何乐谱符号、音符等元素拖入文本框或表格中，自定义其颜色与大小。 无缝对接办公软件：所有音符及乐谱片段均可复制为透明背景，直接粘贴到PPT或WORD中，与文档背景完美融合，方便教师制作美观的教案与课件。 授课模块：互动演示，生动课堂 备课模块制作的课件可一键无缝切换至授课模块，为课堂带来生动、专业的互动演示体验。 动态播放与展示： 多种播放模式：支持旋律、节奏、唱名、试唱、哼唱、范唱、伴唱等七种播放模式，并可在同一界面内自由切换，满足不同教学环节的需求。 精准播放控制：支持通过点击曲谱或歌词的任意位置来设定播放范围，可跨小节、跨段落播放，甚至精确到单个音符。 同步高亮显示：播放时，曲谱上的音符、歌词与屏幕上的虚拟音乐键盘会同步高亮，帮助学生实现音谱同步、视听结合。 灵活的课堂调整： 指法谱动态更新：在授课时，当教师修改曲谱的调号，上方的小乐器指法参照谱会自动随之改变，极大方便了课堂上的即兴移调教学。 音乐元素变更：可随时变更播放的调式和速度，以适应不同的教学情境。 课件再编辑：支持在授课过程中直接修改五线谱或简谱的音符、歌词，修改后的课件可立即播放试听。 丰富的教学工具： 歌词显隐：支持一键显示或隐藏歌词，方便学生在学会歌曲后进行背唱练习。 3D索引：对于包含多个页面的课件，可通过3D索引画面快速定位，提升授课效率。 集成白板工具：内置笔迹、板擦等高效白板工具，方便教师直接在课件上进行圈点标注。 多媒体支持：支持插入并播放视频、动画及音频文件，其中MP3、WAV格式音频支持变速、变调播放。 完备的音乐教学资源 系统内置了丰富且专业的音乐教学资源库，为教师的日常教学提供坚实后盾。 专业符号库：包含齐备的乐谱符号库与乐谱标注符号库。 海量知识库：拥有超过20万字的音乐知识库，涵盖乐理、中西方乐器、中国音乐（民乐、曲艺、戏曲）、西方音乐及名曲名家等内容。 丰富图库：提供不少于50个基本图形和200个装饰图库。 配套乐谱课件：提供与主流音乐课本配套的可播放乐谱课件。 云端资源共享：接入音乐资源网络云平台，持续更新和扩充教学资源。 资源便捷调用：所有教学资源均可快速复制并粘贴至PPT课件或WORD教案中。

北京师范大学生物多样性大数据存储系统采购项目 招标项目的潜在投标人应在线上邮箱报名获取招标文件，并于2022年06月22日 09点00分（北京时间）前递交投标文件。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。