一种基于多阶邻近相似度的网络表示学习的方法

    公开(公告)号:CN109447261B

    公开(公告)日:2023-08-04

    申请号:CN201811175451.3

    申请日:2018-10-09

    Abstract: 本发明提出一种基于多阶邻近相似度的网络表示学习的方法。相比于传统的基于结构分析的网络表示只考虑了一阶邻近相似度和二阶邻近相似度的关系,本发明重点为节点间的高阶邻近相似度建模,分别设计了不同类别的间接邻近相似度的计算方法,尤其是考虑到了信息在网络传播过程中会随着距离的增加而衰减,因此,本发明能对当前节点的不同邻居节点进行预测,更加准确的找到与目标节点的关联度最大的邻近节点,从而能够得到语义更加丰富,具有更高的可靠性和真实性的表示向量。

    任务卸载方法及装置
    25.
    发明公开

    公开(公告)号:CN113918240A

    公开(公告)日:2022-01-11

    申请号:CN202111205701.5

    申请日:2021-10-15

    Abstract: 本发明提供一种任务卸载方法及装置,该方法包括:对终端发送的卸载请求进行解析,获取卸载请求中待处理任务中每个子任务的任务信息;根据每个子任务的任务信息、服务于终端的本地边缘服务器集群和邻近边缘服务器集群的服务性能,以及终端的位置和速度,构建待处理任务的任务卸载优化模型;基于遗传算法对任务卸载优化模型进行求解,根据任务卸载优化模型的最优解,获取待处理任务的最优卸载方案;根据最优卸载方案和每个子任务的重要性,将每个子任务卸载在本地边缘服务器集群中和/或邻近边缘服务器集群中。本发明实现多服务器集群协作,有效缓解单一服务器集群的负载承载能力有限的问题,进而减少服务延迟和提高服务的可靠性和稳定性。

    一种基于多阶邻近相似度的网络表示学习的方法

    公开(公告)号:CN109447261A

    公开(公告)日:2019-03-08

    申请号:CN201811175451.3

    申请日:2018-10-09

    Abstract: 本发明提出一种基于多阶邻近相似度的网络表示学习的方法。相比于传统的基于结构分析的网络表示只考虑了一阶邻近相似度和二阶邻近相似度的关系,本发明重点为节点间的高阶邻近相似度建模,分别设计了不同类别的间接邻近相似度的计算方法,尤其是考虑到了信息在网络传播过程中会随着距离的增加而衰减,因此,本发明能对当前节点的不同邻居节点进行预测,更加准确的找到与目标节点的关联度最大的邻近节点,从而能够得到语义更加丰富,具有更高的可靠性和真实性的表示向量。

    任务卸载方法及装置
    28.
    发明授权

    公开(公告)号:CN113918240B

    公开(公告)日:2024-05-28

    申请号:CN202111205701.5

    申请日:2021-10-15

    Abstract: 本发明提供一种任务卸载方法及装置,该方法包括:对终端发送的卸载请求进行解析,获取卸载请求中待处理任务中每个子任务的任务信息;根据每个子任务的任务信息、服务于终端的本地边缘服务器集群和邻近边缘服务器集群的服务性能,以及终端的位置和速度,构建待处理任务的任务卸载优化模型;基于遗传算法对任务卸载优化模型进行求解,根据任务卸载优化模型的最优解,获取待处理任务的最优卸载方案;根据最优卸载方案和每个子任务的重要性,将每个子任务卸载在本地边缘服务器集群中和/或邻近边缘服务器集群中。本发明实现多服务器集群协作,有效缓解单一服务器集群的负载承载能力有限的问题,进而减少服务延迟和提高服务的可靠性和稳定性。

Patent Agency Ranking