Machine Translated by Google
Toán học Ứng dụng, Mô hình hóa và Mô phỏng Máy tính C.-H.
1015
Chen và cộng sự. (Biên tập) © 2022 Các tác giả và IOS Press.
Bài báo này được xuất bản trực tuyến với Truy cập Mở bởi IOS Press và được phân phối theo các
điều khoản của Giấy phép phi thương mại Creative Commons Attribution 4.0 (CC BY-NC 4.0).
doi:10.3233/ATDE221127
Xây dựng “Blockchain +” Đẩy video ngắn
Hệ thống
Ruoyang Lina
, Yiping ZHANGb và Xingzhi LInc,1
một Trường Kỹ thuật Máy tính và Thông tin, Quảng Tây Dạy nghề Bình thường
b
Đại học, Nam Ninh, Trung Quốc
Trường Kế toán và Kiểm toán, Đại học Sư phạm Nghề Quảng Tây, Nam Ninh,
Trung
Quốc c Trường Kỹ thuật Máy tính và Thông tin, Quảng Tây Dạy nghề Bình thường
Đại học, Nam Ninh, Trung Quốc
Trừu tượng. Hệ thống đẩy video ngắn “blockchain+” là một lĩnh vực quan trọng đáng
được nghiên cứu trong các nền tảng video ngắn hiện tại. Công nghệ chuỗi khối được
sử dụng để thúc đẩy hiệu quả tốc độ xử lý của nền tảng video ngắn cho chân dung
người dùng và tăng cường kiểm tra thông minh nội dung video ngắn theo các đặc điểm
độc đáo của nó, chẳng hạn như phi tập trung và đa nút. Trong bài báo này, chúng tôi
sẽ thảo luận về các phương pháp xử lý dữ liệu, quản lý tính toán và ứng dụng của hệ
thống đẩy video ngắn dựa trên công nghệ chuỗi khối, nhằm khơi gợi hướng phát triển
mới của hệ thống đẩy video ngắn.
Từ khóa. chuỗi khối; video ngắn; xây dựng hệ thống; công nghệ cắt lát.
1. Giới thiệu
Trong những năm gần đây, ngành công nghiệp video ngắn đã chứng kiến sự gia tăng nhanh chóng.
Tuy nhiên, hiện tại, thuật toán đẩy của nó không hiệu quả và các “kén thông tin” được hình
thành bởi đề xuất được cá nhân hóa khiến ngưỡng thông tin người dùng dần bị thu hẹp, thời
gian đẩy chậm và khả năng mở rộng của nền tảng và người dùng thấp. Mặt khác, tồn tại một số
vấn đề, chẳng hạn như các video do nền tảng phát hành có nội dung bất hợp pháp, sai sự thật,
vi phạm cũng như chậm cập nhật và cải thiện cơ chế kiểm tra.
Hơn nữa, sự gia tăng của các video vi phạm, nền tảng nắm bắt chậm và các khiếm khuyết khác
ngày càng nổi bật. Năm 2019, tầm quan trọng của chuỗi khối đã được nhấn mạnh trong nghiên
cứu tập thể lần thứ 18 của Bộ Chính trị Ủy ban Trung ương [1], với mục đích khám phá tính
khả thi để phát triển và ứng dụng công nghệ chuỗi khối trong ngành công nghiệp video ngắn,
thiết kế kiến trúc của “ chuỗi khối +” hệ thống đẩy video ngắn và mô-đun hệ thống đẩy, xây
dựng hệ thống đẩy chuỗi khối + video ngắn và thúc đẩy sự phát triển mới của ngành công nghiệp
video ngắn.
1 Tác giả tương ứng, Xingzhi LIN, Trường Kỹ thuật Máy tính và Thông tin, Quảng Tây
Đại học dạy nghề, Nam Ninh, Trung Quốc; E-mail: 361029435@qq.com.
Machine Translated by Google
1016
R. Lin và cộng sự. / Xây dựng hệ thống đẩy video ngắn “Blockchain+”
2. Kiến trúc của Hệ thống đẩy video ngắn “Blockchain+”
2.1. Kiến trúc hệ thống đẩy
Dựa trên công nghệ chuỗi khối, đối với hệ thống đẩy video ngắn, hệ thống chuỗi khối được
áp dụng cho hệ thống đẩy video ngắn, để kích thích cập nhật và nâng cấp hệ thống. Lấy công
nghệ chuỗi khối làm công nghệ cơ bản của hệ thống đẩy video ngắn, hệ thống đẩy video ngắn
“Blockchain+” có triển vọng ứng dụng rộng rãi.
Về mặt thu thập dữ liệu của hệ thống đẩy, ranh giới của dữ liệu chính được thêm vào và
công nghệ cắt được sử dụng để tăng tốc xử lý dữ liệu, áp dụng dữ liệu theo công nghệ
chuỗi khối và thực hiện tích hợp cộng tác của người dùng. Đồng thời, các nhu cầu mới của
người dùng được khai thác bằng dữ liệu lớn, để phá vỡ cái kén của nội dung đẩy.
Hình 1. Kiến trúc của Hệ thống đẩy video ngắn “Blockchain+”.
Hình 1 là sơ đồ kiến trúc của toàn bộ hệ thống, bao gồm ba mô-đun, Thu thập dữ liệu,
xử lý dữ liệu và ứng dụng dữ liệu. Thu thập dữ liệu là một quá trình theo đó chủ thể sử
dụng dữ liệu vận hành do nền tảng tạo ra. Nhận thức của người dùng về nội dung được đẩy
được đánh giá bằng lượt thích, bình luận và tỷ lệ phát đầy đủ, v.v. của các video ngắn
được đẩy. Chân dung người dùng được tính toán và tạo để tạo thành một hệ thống con thu
thập dữ liệu của toàn hệ thống. Kiểm tra đa kênh, đánh giá nút khung chính của video [2],
kiểm tra video và âm thanh, nhãn và thẻ video, truy xuất nguồn gốc lỗi kiểm tra AI và thúc
đẩy lẫn nhau về sự khác biệt giữa các nhóm người dùng thông thường của bộ lọc cộng tác
[3]. Nội dung video ngắn sẽ được đẩy đến người dùng được tính toán dựa trên các dữ liệu
và thông tin vận hành này, người dùng cần bảo trì và đưa hệ thống đẩy vào hoạt động. Bằng
cách thu thập dữ liệu, người ta có thể phân tích, đánh giá và xác minh dữ liệu, để xây
dựng mô-đun phân tích dữ liệu của mô-đun hệ thống.
Trong quá trình xử lý dữ liệu, công nghệ cắt lát được nhúng để thêm các kênh kiểm
tra nội dung, thiết lập nhiều kênh mạng, kiểm tra, xử lý và xác thực và thay đổi giám sát
dữ liệu của kiểm toán tốc độ thấp [4]. Theo dõi và theo dõi AI được cấy ghép và dữ liệu
khổng lồ được khai thác đầy đủ. Nội dung video có hợp pháp hay không được đánh giá bằng
cách so sánh các nút khung hình chính của nội dung video đã tải lên và dữ liệu âm thanh lớn [5].
Các kênh kiểm toán được thiết lập để theo dõi các lỗ hổng và lỗi, theo dõi nguồn gốc của
các lỗi kiểm toán, đồng thời duy trì và cập nhật cơ chế kiểm toán trong thời gian thực
[6]. Là một cấu trúc phân cấp với mạng lưới phân phối rải rác, chuỗi khối kết nối các
Machine Translated by Google
R. Lin và cộng sự. / Xây dựng hệ thống đẩy video ngắn “Blockchain+”
1017
toàn bộ mạng với các nút để truyền thông tin. Các nút mạng riêng lẻ không có dữ liệu hoặc
tham gia vào hệ thống chuỗi khối, không can thiệp vào hệ thống cấu trúc của chuỗi khối và
kiểm soát hiệu quả tính hợp pháp của nội dung video trong nền tảng. Trong khi đó, cấu trúc
phân cấp với mạng phân phối rải rác có thể phân tích thông tin bất đối xứng một cách nhanh
chóng, hiệu đính tính chính xác của thông tin, xây dựng nguồn tín dụng trong chuỗi khối,
triển khai chế độ sàng lọc và lọc tự động kết hợp với dữ liệu lớn, đồng thời sắp xếp dữ
liệu một cách riêng biệt và có cấu trúc.
Về ứng dụng dữ liệu, mô-đun ứng dụng dữ liệu của video ngắn “blockchain+”. Khả năng
truy xuất nguồn gốc bằng AI kiểm soát nguy cơ video bất hợp pháp, chặn và thu thập bằng
chứng dữ liệu khi độ tương tự đạt đến ngưỡng, bằng cách sử dụng học tập thông minh để
tích hợp nội dung video và âm thanh cũng như nội dung xấu. Dữ liệu lớn “Blockchain+” phân
tích tính cách người dùng, đồng thời tiếp tục tính toán và bao quát chân dung người dùng,
theo tính kịp thời của tính cách và sở thích của người dùng. Với khả năng kết hợp dữ liệu
lớn, người dùng có nhiều định hướng hơn trong việc mở rộng khi sử dụng nền tảng video
ngắn và khai thác thông tin và dữ liệu tính cách người dùng chính xác hơn bằng phương
pháp khởi động nguội, để tránh các kén thông tin do thuật toán đẩy một mục tiêu gây ra.
2.2. Xu hướng phát triển của video ngắn “Blockchain+”
Một trong những đặc điểm của hệ thống đẩy video ngắn “blockchain+” là nó áp dụng công nghệ
cắt lát để tăng tốc độ xử lý của hệ thống đẩy, xử lý và xác minh đồng thời nhiều kênh.
Đồng thời, khả năng truy xuất nguồn gốc AI được thêm vào để cho phép trí tuệ nhân tạo theo
dõi sau khi biết các lỗi của hệ thống kiểm toán và tránh các lỗ hổng trong lỗi kiểm toán.
Trong ứng dụng dữ liệu, dữ liệu lớn “blockchain+” được tính toán và tích hợp, đồng thời
việc học bằng trí tuệ nhân tạo có thể được hỗ trợ bởi dữ liệu lớn. Ngoài ra, việc triển
khai khối người dùng khiến không thể lọc và tích hợp các nhóm người dùng một cách cộng
tác, do đó phân cụm dữ liệu người dùng và tăng tính rời rạc của dữ liệu người dùng. Đây
là xu hướng tương lai của video ngắn.
Việc tính toán dữ liệu lớn “blockchain+”. Dữ liệu lớn có thể được sử dụng để khai
thác dữ liệu lớn, bao gồm phân tích tương quan khai thác, phân tích cụm, phân tích không
đồng nhất, phân tích nhóm không đồng nhất và phân tích biến thể, v.v. Trong hệ thống đẩy
video ngắn “blockchain+”, khu vực người dùng quan tâm được tính toán, bằng cách xây dựng
đề xuất lọc cộng tác “kết hợp chuỗi khối” giữa những người dùng và các nhóm người dùng có
cùng tính cách và sở thích được ràng buộc, sự khác biệt giữa những người dùng có cùng
tính cách và sở thích được thúc đẩy lẫn nhau, điều này có thể mở rộng lợi ích của người
dùng vượt ra ngoài phạm vi của họ một cách hiệu quả nhúng.
Công nghệ chuỗi khối can thiệp vào việc bảo vệ bản quyền. Dấu thời gian chứng nhận phi
tập trung và dấu xác thực được tạo ra khi tất cả các giai đoạn trên các nút phân phối có
cùng trạng thái. Dữ liệu hiện có được truy xuất và xác minh. Hợp đồng thông minh xác thực
quyền sở hữu bản quyền và có thể tránh xung đột và vi phạm cùng một dữ liệu mà không cần
sự can thiệp và nhận dạng của bên thứ ba.
3. Thiết kế mô-đun của hệ thống video ngắn
Theo hệ thống đẩy video ngắn “blockchain+” nêu trên, hệ thống thiết lập ba mô-đun chức năng
của hệ thống, thông qua hệ thống con thu thập dữ liệu,
Machine Translated by Google
1018
R. Lin và cộng sự. / Xây dựng hệ thống đẩy video ngắn “Blockchain+”
hệ thống con phân tích dữ liệu và hệ thống con ứng dụng dữ liệu, để đạt được sự kết nối giữa
ba hệ thống con này trong quá trình truyền dữ liệu và cùng xây dựng một hệ thống đẩy video
ngắn “blockchain+”.
Các mô-đun hệ thống được thiết lập thông qua ba hệ thống con, để thực hiện tối ưu hóa
các yếu tố chân dung và khả năng truy xuất nguồn gốc, v.v. Để xác minh và khai thác nhanh dữ
liệu được chia sẻ trong cơ sở dữ liệu thu thập dữ liệu, công nghệ cắt lớp có thể cải thiện
tốc độ xử lý phân tích dữ liệu và mô tả đặc điểm và rời rạc hóa dữ liệu nhanh chóng. Trong hệ
thống con ứng dụng dữ liệu, dịch vụ dữ liệu và ứng dụng dữ liệu được sử dụng để thiết lập
phương pháp đẩy dữ liệu và phá vỡ kén thông tin.
3.1. Các yếu tố chân dung người dùng và khả năng truy nguyên dữ liệu
Các nền tảng video ngắn thu thập dữ liệu từ thông tin hành vi của người dùng, tính toán chân
dung người dùng và phân cụm chân dung người dùng có cùng đặc điểm để thực hiện tích hợp cộng
tác. Bằng cách duyệt và truy vấn thông tin người dùng thông qua máy chủ Web, dữ liệu khổng lồ
thu thập được sẽ được thống kê và gửi liên kết dữ liệu. Đồng thời, dữ liệu người dùng có thể
bị ghi đè và nguồn dữ liệu cần được cập nhật trong quá trình thu thập dữ liệu để có được
thông tin chính xác hơn. Sổ cái chung của chuỗi khối có thể cung cấp sự hợp tác cho hệ thống
con thu thập dữ liệu. Chia sẻ dữ liệu có thể đồng bộ hóa tệp dữ liệu với hệ thống con thu nhận
khi nguồn dữ liệu truyền tệp dữ liệu, xác minh tệp dữ liệu, nén và mã hóa dữ liệu người dùng,
đồng thời nâng cao hiệu quả thu thập và bảo mật dữ liệu. Hơn nữa, dữ liệu do nền tảng thu thập
được lưu trữ trên cơ sở tính năng “chống giả mạo” của chuỗi khối. Đối với dữ liệu và thông
tin được trích xuất từ chân dung người dùng, âm thanh và khung hình chính trong các video
ngắn, cơ chế “chống giả mạo” có thể tránh nhầm lẫn giữa cùng một chân dung người dùng của
nhiều nút.
3.2. Đặc tính hóa và rời rạc hóa dữ liệu
Các tính năng dữ liệu được thu thập được nhóm lại và sau đó được sắp xếp riêng biệt. Cuối
cùng, hệ thống con phân tích dữ liệu được phân cấp bằng công nghệ chuỗi khối và dữ liệu lớn
trong lớp tài nguyên dữ liệu được phân tích theo cách điểm-điểm. Khi chúng ta gặp phải nhiều
nguồn dữ liệu trong quá trình tích hợp dữ liệu, các trở ngại thường xuất hiện, chẳng hạn như
nhận dạng chân dung người dùng, dư thừa thông tin, xung đột và xử lý giá trị dữ liệu, v.v.
Thông qua siêu dữ liệu trong cơ sở dữ liệu tính toán phân tán, các yếu tố chân dung người dùng
có thể được xác định chính xác và các tranh chấp dữ liệu phát sinh từ việc tích hợp dữ liệu
có thể được giải quyết.
Với sự gia tăng kích thước dữ liệu, phân tích dữ liệu truyền thống trở nên phức tạp và
tốn thời gian. Công nghệ giao thức dữ liệu đóng một vai trò to lớn trong việc duy trì tính
toàn vẹn của dữ liệu gốc, thu nhỏ đáng kể tập dữ liệu và giúp phân tích dữ liệu chính xác và
hiệu quả hơn. Chuyển đổi dữ liệu chủ yếu là chuẩn hóa và rời rạc hóa dữ liệu, chuẩn hóa dữ
liệu trong một khu vực hoặc khoảng lưu trữ cụ thể, để thúc đẩy phân tích dữ liệu toàn diện và
tăng đáng kể hiệu quả phân tích dữ liệu của các hệ thống đẩy video ngắn. Hơn nữa, dữ liệu rời
rạc phân chia dữ liệu phân tán thành các phân đoạn khoảng cách, do đó sẽ có cùng khoảng cách
và tần suất giữa dữ liệu và hệ thống con phân tích dữ liệu có thể được tối ưu hóa.
Machine Translated by Google
1019
R. Lin và cộng sự. / Xây dựng hệ thống đẩy video ngắn “Blockchain+”
3.3. Phương pháp đẩy dữ liệu và kén thông tin
Một phương pháp đẩy mới lạ được sử dụng để phá vỡ kén thông tin. Hệ thống đẩy video
ngắn “blockchain+” phụ thuộc vào hoạt động kỹ thuật của hệ thống con ứng dụng dữ liệu.
Trong quá trình vận hành dữ liệu, hệ thống đẩy đóng một vai trò rất quan trọng trong việc
phát triển các video ngắn. Nó có thể gắn nhãn dữ liệu trong hệ thống con thu thập dữ liệu
và hệ thống con phân tích dữ liệu, đồng thời đề xuất thẻ công cụ cho các nhóm người dùng
cụ thể, với sự trợ giúp của thuật toán đẩy phi tập trung của chuỗi khối.
Thuật toán đẩy mới này tận dụng tối đa hướng của luồng lưu lượng, thẻ người dùng
và công cụ dữ liệu, v.v., đồng thời cải thiện hiệu quả và độ chính xác của thuật toán đẩy.
Đồng thời, thuật toán đẩy theo công nghệ chuỗi khối vượt trội so với thuật toán được đề
xuất bởi nền tảng video ngắn truyền thống. Về giải pháp đồng nhất hóa nội dung video,
thuật toán tránh được sự hình thành kén thông tin một cách hiệu quả [1]. Đồng thời, sự
kết hợp giữa hệ thống đẩy và trí tuệ nhân tạo có thể cung cấp các dịch vụ ứng dụng chất
lượng cao cho các nền tảng video ngắn.
4. Công nghệ chuỗi khối thúc đẩy nâng cấp hệ thống đẩy video ngắn
So với thuật toán đẩy truyền thống, chân dung người dùng mới được tính toán kịp thời
bằng cách sử dụng công nghệ phân đoạn để đáp ứng nhu cầu của người dùng. Hiệu suất đẩy
của nó cao. Do sự đa dạng của các thuật toán đẩy, không dễ để hình thành một kén thông
tin cho người dùng. Kết hợp với chế độ đẩy của blockchain, tốc độ tính toán và chất
lượng phân tích tốt hơn.
Bảng 1. Số lượng các yếu tố chân dung được tính theo tỷ lệ đồng thời.
Tỷ lệ thời gian
1
2
Phương pháp đẩy truyền thống
3
7
Hệ thống đẩy chuỗi khối
3
5
3
số 8
9
4
5
9
12
15
14
18
23
6
Theo dữ liệu mô phỏng trong bảng 1, phương thức đẩy truyền thống được tính toán và so
sánh với hệ thống đẩy chuỗi khối. Người ta kết luận rằng hệ thống đẩy blockchain có thể
phân tích nhiều yếu tố người dùng hơn trong cùng một tỷ lệ thời gian. Kết hợp với công
nghệ chuỗi khối, sẽ thu được nhiều tài nguyên dữ liệu hơn trong quá trình tính toán các
yếu tố mới trong thuật toán đẩy.
Sau khi thử nghiệm, tốc độ tính toán của các nút khác nhau của thuật toán đẩy chuỗi
khối sẽ khác nhau, nhưng kết quả tính toán cuối cùng là nhất quán, bởi vì các nút thời
gian của dữ liệu thu được bởi các nút khác nhau không nhất quán và tốc độ truyền thông
tin trong các nút không nhất quán .
Đồng thời, theo hình 2. Có thể thấy rằng các nút khác nhau không gây ra ngoại lệ do
thông tin kém mà chỉ có sự khác biệt về tốc độ. Hình 3 cho thấy tốc độ thu được kết quả
của hai thuật toán. Thuật toán đẩy blockchain tốt hơn đáng kể so với thuật toán đẩy
truyền thống về tốc độ phân tích phần tử.
Machine Translated by Google
1020
R. Lin và cộng sự. / Xây dựng hệ thống đẩy video ngắn “Blockchain+”
Hình 2. Quá trình tính toán được nút hoàn thành theo
Hình 3. Phân tích nguyên tố hoàn thành trong cùng một đơn
đơn vị thời gian.
vị thời gian.
Phân cấp có thể cải thiện tốc độ tính toán. Theo dấu vết hoạt động của người dùng, các nút mạng
đa phân tán phi tập trung được tính toán trong quy trình vận hành hệ thống và mỗi nút được đặc
trưng bởi mức độ tự chủ cao.
Thuật toán phân tách tính cách được tính toán nhanh chóng để giải quyết vấn đề bất đối xứng dữ liệu
bằng cách hợp tác định vị “sổ cái phân tán”. Xét về tính kịp thời của dữ liệu người dùng cá nhân,
thuật toán cần lọc, tối ưu hóa và tái cấu trúc dữ liệu cũ và mới, để nâng cao độ tin cậy và khả năng
mở rộng của hệ thống, đồng thời tăng hiệu quả truyền tải thông tin và tính chính xác của tính toán.
5. Các biện pháp đối phó để quản lý nội dung đẩy video ngắn dựa trên công nghệ chuỗi khối
Quá trình quản lý nội dung quảng bá xấu của các video ngắn là: trong trường hợp không có nội dung quảng cáo,
hệ thống phòng thủ được thiết lập trong nguồn để ngăn chặn sự lan truyền của nội dung đó. Trong quá trình thúc
đẩy, khả năng truy xuất nguồn gốc thông minh sẽ giảm bớt và ngăn chặn ảnh hưởng của nó mở rộng.
Tích cực tăng cường công tác kiểm soát nguồn. Hơn nữa, mô hình kiểm toán được kết nối với nhau
theo nhiều kênh mới giúp tăng tốc độ và chuẩn hóa quá trình kiểm tra.
Dấu thời gian của chuỗi khối làm cho nội dung đường lên không thể thay đổi và liệu dữ liệu có tồn
tại hay không được đánh dấu. Trong khi thuật toán băm có thể chuyển đổi thông tin nội dung thành các
chuỗi cụ thể và thực hiện xác thực bản quyền bằng cách so sánh nó với thông tin trong cơ sở dữ liệu.
Với công nghệ này, nền tảng video ngắn có thể truy xuất từng lớp nội dung video đã tải lên và tránh
vi phạm bản quyền video.
6. Kết luận
Hiện tại, vẫn còn những vấn đề trong quá trình đẩy video ngắn, cản trở sự phát triển của ngành công
nghiệp video ngắn. Trong bài báo này, bằng cách lấy các vấn đề tồn tại trong ngành công nghiệp video
ngắn làm đối tượng nghiên cứu, chúng tôi nghiên cứu cách sử dụng các đặc điểm của công nghệ chuỗi
khối để xây dựng hệ thống đẩy video ngắn “blockchain+”, nhằm cung cấp một con đường mới để thúc đẩy
sự phát triển của ngành công nghiệp video ngắn.
Chuỗi khối, với tư cách là cơ sở dữ liệu dùng chung, có thể thiết kế kiến trúc đẩy video ngắn ở các
cấp độ khác nhau. Sự kết hợp giữa các đặc điểm của nó và các video ngắn có thể cung cấp
Machine Translated by Google
R. Lin và cộng sự. / Xây dựng hệ thống đẩy video ngắn “Blockchain+”
1021
các giải pháp và phương pháp cho các vấn đề phát sinh từ việc đẩy video ngắn hiện
tại, đồng thời thúc đẩy việc quản lý nội dung đẩy video ngắn. Với giới hạn về trình độ
nghiên cứu hiện tại, chúng tôi có thể không ngừng tối ưu hóa theo hướng kiểm chứng
tính khả thi của nó trong thực tế, nhằm hoàn thiện nội dung nghiên cứu và kích thích
sự phát triển mới của hệ thống đẩy video ngắn.
Nhìn nhận
Công việc này được hỗ trợ bởi chương trình đào tạo khởi nghiệp và đổi mới của Sinh
viên Đại học Quảng Tây (Dự án số: 202114684015) và Nhóm Đổi mới Cấp cao của Quảng Tây
và Nghiên cứu về Mô hình Đào tạo Nhân tài Quốc tế và Lựa chọn Con đường của Nhóm Giáo
viên Dạy nghề Trung Quốc-ASEAN về Internet of Things Professional Group .
Người giới thiệu
[1] Zhang QN, Tao SY và Zhang TY 2021 Nghiên cứu ứng dụng chuỗi khối trong Kiểm toán: tổng quan tài liệu Thời báo
Kinh tế và Thương mại 18 (10) 27-31 DOI:10.19463/j.cnki. sdjm. 2021.10.006.
[2] Pan X 2017 Nghiên cứu công nghệ giám sát môi trường thiết bị IOT dựa trên mạng nơ-ron Kỹ thuật Điện tử Hiện
đại 40 12-14.
[3] Pan X và Lin XZ 2020 Cải thiện mô hình dự đoán dữ liệu lưu lượng giao thông hỗn hợp apriori và gaussian trong
cấu trúc không-thời gian Khoa Dược học Cơ bản & Lâm sàng & Độc chất học 127 124-125.
[4] Xiang P 2019 Mô hình lập lịch thống nhất ràng buộc theo lớp của khóa nhiều dòng Điện toán cụm 22
859-870.
[5] Liu JY và Li Y 2021 Kích hoạt logic, lộ trình kỹ thuật và triển vọng tương lai của "blockchain + giám sát"
Tạp chí Hành chính Đại học Thiên Tân 23 (3) 10
[6] Liu D, Dou JJ và Hu JB 2021 Hệ thống truy xuất nguồn gốc sản phẩm nông nghiệp dựa trên sự tích hợp của "chuỗi
khối + Internet vạn vật" Kỹ thuật phần mềm 24 (07) 39-42 DOI:10.19644/j.cnki.
issn2096-1472.2021.07.010.