人工智能驱动的多源异构数据集成与分析方法

梁晓琳

doi:10.16009/j.issn.1009-5624.2026.20.038

信息记录材料 ›› 2026, Vol. 27 ›› Issue (20) : 115 -117+123. DOI: 10.16009/j.issn.1009-5624.2026.20.038

人工智能驱动的多源异构数据集成与分析方法

梁晓琳

作者信息 +

Author information +

文章历史 +

摘要

针对多源异构数据结构不一、语义复杂、来源多样、融合效率低等问题，本研究提出人工智能驱动的多源异构数据集成与分析方法。该方法通过抽取-转换-加载(ETL)工具模块化设计，实现逻辑与参数分离；引入ZooKeeper、Spark及Kafka,搭建分布式集成平台；针对电流、声音、图像三类异构信息，分别构建堆叠自编码器(SAE)、门控循环单元(GRU)、卷积神经网络(CNN)评价子模型；通过注意力机制驱动决策层，实现自适应加权融合。结果表明，分布式多节点架构相较于单节点串行处理具有显著的处理效能优势，仿真平台评估准确率达99.50%,实际生产数据评估准确率达98.44%,证明了自适应融合机制在复杂工业环境下的技术优势与应用价值。