-
公开(公告)号：CN117556277B
公开(公告)日：2024-04-05
申请号：CN202410044818.7
申请日：2024-01-12
Applicant: 暨南大学
IPC: G06F18/22 , G06F40/216 , G06F40/295 , G06N5/022
Abstract: 本发明公开了一种用于知识图谱实体对齐的初始对齐种子生成方法，属于知识融合和人工智能领域，包括：利用实体名称中每个令牌对应的字符级独热向量计算字符级全局特征矩阵，利用TF‑IDF技术分别计算字符级局部特征矩阵和令牌级局部特征矩阵，根据字符级局部特征矩阵和令牌级局部特征矩阵构造令牌级全局特征矩阵，根据上述特征矩阵计算对齐矩阵并从中选取初始对齐种子。本发明仅利用实体名称的非语义信息，在不使用预训练模型的情况下生成初始对齐种子，驱动基于图结构的有监督深度学习模型将实体编码成向量，使得实体向量之间的距离能更加反应实体之间的相似性，使得基于图结构的有监督深度学习模型不再需要标签数据。
-
Patent Agency Ranking
公开(公告)号：CN113220651A
公开(公告)日：2021-08-06
申请号：CN202110452028.9
申请日：2021-04-25
Applicant: 暨南大学
IPC: G06F16/174
Abstract: 本发明公开一种运行数据压缩方法，所述方法包括以下步骤：在目标运行数据中筛选满足预设条件的选定运行数据；利用预设压缩算法对所述选定运行数据进行数据结构的修改，以获得预处理数据，其中，一条选定运行数据对应一条预处理数据，所述预设压缩算法是利用冗余比特位数对Snappy算法进行修改获得，所述冗余比特位数基于所述目标运行数据中的参考运行数据的数据大小值获得；利用所述预设压缩算法，对所述预处理数据进行压缩，以获得压缩后的结果数据。本发明还公开一种运行数据压缩装置、终端设备以及计算机可读存储介质。利用本发明的运行数据压缩方法，提高了满足预设条件的运行数据的压缩效率。
-
公开(公告)号：CN116112976B
公开(公告)日：2024-05-03
申请号：CN202211640127.0
申请日：2022-12-20
Applicant: 暨南大学 , 云浮市物联网研究院有限公司
IPC: H04W28/06 , H04W28/08 , H04W72/566
Abstract: 本发明公开了一种设备计算迁移方法、装置、设备及存储介质，该方法包括：将待卸载的计算任务的任务计算信息广播至边缘服务器，边缘服务器根据任务计算信息反馈任务迁移的时间耗费信息；基于时间耗费信息确定各边缘服务器的优先级；基于预设贪心策略和优先级确定目标边缘服务器，并发送任务迁移请求至目标边缘服务器，以使目标边缘服务器反馈是否承接计算任务；在目标边缘服务器承接计算任务时，将计算任务卸载后迁移至目标边缘服务器。本发明基于边缘服务器的优先级和预设贪心策略确定目标边缘服务器，在目标边缘服务器承接计算任务时将计算任务迁移至目标边缘服务器，从而可以在移动设备中选出局部最优的边缘服务器进行计算迁移。
-
公开(公告)号：CN113220651B
公开(公告)日：2024-02-09
申请号：CN202110452028.9
申请日：2021-04-25
Applicant: 暨南大学
IPC: G06F16/174
Abstract: 本发明公开一种运行数据压缩方法，所述方法包括以下步骤：在目标运行数据中筛选满足预设条件的选定运行数据；利用预设压缩算法对所述选定运行数据进行数据结构的修改，以获得预处理数据，其中，一条选定运行数据对应一条预处理数据，所述预设压缩算法是利用冗余比特位数对Snappy算法进行修改获得，所述冗余比特位数基于所述目标运行数据中的参考运行数据的数据大小值获得；利用所述预设压缩算法，对所述预处理数据进行压缩，以获得压缩后的结果数据。本发明还公开一种运行数据压缩装置、终端设备以及计算机可读存储介质。利用本发明的运行数据压缩方法，提高了满足预设条件的运行数据的压缩效率。
-
公开(公告)号：CN117556277A
公开(公告)日：2024-02-13
申请号：CN202410044818.7
申请日：2024-01-12
Applicant: 暨南大学
IPC: G06F18/22 , G06F40/216 , G06F40/295 , G06N5/022
Abstract: 本发明公开了一种用于知识图谱实体对齐的初始对齐种子生成方法，属于知识融合和人工智能领域，包括：利用实体名称中每个令牌对应的字符级独热向量计算字符级全局特征矩阵，利用TF‑IDF技术分别计算字符级局部特征矩阵和令牌级局部特征矩阵，根据字符级局部特征矩阵和令牌级局部特征矩阵构造令牌级全局特征矩阵，根据上述特征矩阵计算对齐矩阵并从中选取初始对齐种子。本发明仅利用实体名称的非语义信息，在不使用预训练模型的情况下生成初始对齐种子，驱动基于图结构的有监督深度学习模型将实体编码成向量，使得实体向量之间的距离能更加反应实体之间的相似性，使得基于图结构的有监督深度学习模型不再需要标签数据。
-
公开(公告)号：CN116112976A
公开(公告)日：2023-05-12
申请号：CN202211640127.0
申请日：2022-12-20
Applicant: 暨南大学 , 云浮市物联网研究院有限公司
IPC: H04W28/06 , H04W28/08 , H04W72/566
Abstract: 本发明公开了一种设备计算迁移方法、装置、设备及存储介质，该方法包括：将待卸载的计算任务的任务计算信息广播至边缘服务器，边缘服务器根据任务计算信息反馈任务迁移的时间耗费信息；基于时间耗费信息确定各边缘服务器的优先级；基于预设贪心策略和优先级确定目标边缘服务器，并发送任务迁移请求至目标边缘服务器，以使目标边缘服务器反馈是否承接计算任务；在目标边缘服务器承接计算任务时，将计算任务卸载后迁移至目标边缘服务器。本发明基于边缘服务器的优先级和预设贪心策略确定目标边缘服务器，在目标边缘服务器承接计算任务时将计算任务迁移至目标边缘服务器，从而可以在移动设备中选出局部最优的边缘服务器进行计算迁移。
-
-
-
-
-
Search Results
6
records
(took 0.01 seconds)
