业务中台
将各种通用功能以服务的方式进行封装,形成以业务中台为核心的快速开发框架。
开发新的系统时,针对通用功能需求只需要调用对应服务即可,从而实现新应用的快速开发上线。
政务服务
政务业务
所有通用服务都提供多租户支持,新的前端应用接入只需要进行注册认证即可,接入方式方便快捷;
统一的业务管理平台,可以实现对各服务的全局把控;
所有服务都采用自动化部署,可以根据并发量及服务器资源消耗情况实现节点的自动伸缩;
业务管理平台的授权认证功能,可以保证各个应用的开发、运维、管理人员专注于自身负责的服务模块。
强大的日志监控告警系统,可以实时监控各服务的软硬件运行情况,并实时向相关负责人发送告警信息;
通过把通用功能下沉,以实现功能的复用。通过业务中台的服务支撑,前台的业务创新周期会大大的缩短,一个新应用的上线,不再需要从零开始分析、设计、开发
只需要对业务中台的各服务进行组合,即可快速生成一个新的应用,从而大大的降低新应用开发的成本,提高用户新需求的响应速度
数据中台
业务中台打通了不同应用中同一类型的业务数据,各个业务特有的数据以及各个服务中心之间的数据仍存在壁垒。为了更好使数据规模化
形成全域数据,发掘潜在的数据价值,公司构建了强大的数据中台
业务中台沉淀的业务数据进入到数据中台进行体系化的加工,再以服务化的方式支撑业务中台上的应用
而这些应用产生的新数据又流转到数据中台,形成循环不息的数据闭环
太阳成集团tyc234cc丰联致力于培养员工成为技术、管理、业务方面的专业人才
基于规则的中文文本分类技术
基于深度学习的命名实体识别技术
命名实体识别(Named Entity Recognition,简称NER)是采用序列标注的方式,获取文本中具有特定意义的实体,在自然语言处理技术走向实用化的过程中占有重要地位。
命名实体识别技术,由循环神经网络(RNN),逐渐演化出长短期记忆网络(LSTM)与门控循环单元(GRU)等具有记忆功能的网络结构,通过融合更多信息获取更好的效果。太阳成集团tyc234cc公司融合现有的NER技术结合BiLSTM-CRF模型,构建深度学习ALBERT-BiLSTM-CRF模型。该模型主要由三部分构成,分别ALBERT预训练语言模型、BiLSTM层和CRF层。
ALBERT层对嵌入的因式分解,跨层参数共享,句间连贯性损失三种改进方法以ALBERT的编码输出作为BiLSTM层的输入,再在BiLSTM的隐藏层后加一层CRF层用以解码,最终得到每个字符的标注类型。太阳成集团tyc234cc公司通过该方式组建的命名实体识别模型,解决了预训练语言模型参数量过大且训练时间长的问题,并且识别准确度达到了95%以上。