基于循环神经网络的多源异构大数据融合模型构建

刘 运

（巢湖学院 信息工程学院，安徽 巢湖 238000）

0 引言

循环神经网络是一类以序列数据为输入，在序列演进方向进行递归，且网络中所有节点按链式连接的一种递归神经网络，其根据有向图内部含有链式相连的元素进行工作［1］.多源异构数据中多源是多来源的大数据，异构指一个整体中包含不同成分特性的对象，多源异构数据是多来源且有着不同成分特性的数据.对多源异构数据进行融合，可以辅助研究人员获取大数据中有效信息.为此，多源异构数据融合成为当前研究的热点［2］.

文献［3］提出多源异构大数据跨源调度方法.该方法通过对多源异构大数据跨度原理进行分析，构建多源异构大数据统一数据模型，设置数据处理的规则以及分类方法，借助横纵向数据的融合，增强多源异构大数据的一致性，然后通过对多源异构大数据优先级的处理，完成多源异构大数据跨源调度.该方法通过对多源异构大数据的有效融合，可实现多源异构大数据跨源调度，但该方法存在多源异构大数据融合过程中容错能力较差等问题.

文献［4］提出基于云平台环境下的多源异构大数据均衡调度方法.该方法融合渲染特点和作业调度算法，划分多级不同子任务，构建多源异构大数据的时间负载均衡模型，引入遗传算法对构建的模型进行改进，获取模型融合的最优解，保证多源异构发数据的有效调度.该方法有效提高了多源异构大数据……