-
公开(公告)号：CN111222847B
公开(公告)日：2023-11-24
申请号：CN201911386674.9
申请日：2019-12-29
Applicant: 东南大学
IPC: G06F16/9035 , G06F18/2321 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于深度学习与非监督聚类的开源社区开发者推荐方法，将深度学习神经网络与非监督聚类相结合，用于开源社区中的开发者推荐，本发明方法主要包括三步，首先根据开发者的通用特征信息利用非监督聚类对开发者进行聚类，得到参与到每个项目中的不同开发者的类别和比率，然后基于深度神经网络利用项目信息和开发者类别信息进行开发者类别预测，最后利用深度神经网络进行训练得到开发者对应的特征向量，从而与不同类别的开发者进行相似性比较推荐出相应的开发者。本发明能在大规模的开源软件社区中取得较好的推荐精度和效率，还可以补充现有研究在开源软件社区研究方面的缺陷，从新的角度为保证开源软件开发质
-
公开(公告)号：CN115811473A
公开(公告)日：2023-03-17
申请号：CN202211447386.1
申请日：2022-11-18
Applicant: 东南大学
IPC: H04L41/5009 , G06N3/0464 , G06N3/047 , G06N3/048 , H04L41/147 , G06F123/02
Abstract: 本发明涉及一种基于混合神经网络和注意力机制的服务系统可靠性分析系统，分析系统包括数据获取模块：借助Promethus云原生监控技术实时获取并存储服务系统中的大量软硬件环境运行时时序信息；数据预处理模块：对服务系统软硬件环境运行时时序信息进行预处理，时序数据可靠性分析模块：利用基于混合神经网络和注意力机制算法挖掘服务系统运行时的软硬件状态时序数据，并对该类时序信息进行系统可靠性分析和预测；服务系统可靠性信息展示模块：将分析出的可靠性信息以可视化的形式直观地展示出来；该技术方案给出了一种新的服务系统运行时可靠性分析的思维方式，充分利用服务系统运行时软硬件环境中蕴含系统可靠性的特征，提高服务系统可靠性分析的准确度。
-
公开(公告)号：CN112882914A
公开(公告)日：2021-06-01
申请号：CN202110254806.3
申请日：2021-03-09
Applicant: 东南大学
Abstract: 本发明公开一种开源软件生态系统健康性的多维度度量系统；首先，从开源软件生态系统的定义出发，利用节点之间的依赖关系，采用Louvain社区发现算法找到复杂网络中存在的软件生态系统；然后，从四个维度来度量开源软件生态系统的健康性，即生产力、规模性、稳定性、结构性，给出了每个维度合适的评价指标，建立了多维度度量指标体系；最后，将健康性的定义定量化，给每个开源软件生态系统健康性打上标签，给出了基于神经网络的健康性度量方法。本发明在对软件生态系统健康性定义定量化的基础上，采用基于神经网络的方法度量软件生态的健康性，以避免主观因素带来的影响。
-
公开(公告)号：CN111222847A
公开(公告)日：2020-06-02
申请号：CN201911386674.9
申请日：2019-12-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习与非监督聚类的开源社区开发者推荐方法，将深度学习神经网络与非监督聚类相结合，用于开源社区中的开发者推荐，本发明方法主要包括三步，首先根据开发者的通用特征信息利用非监督聚类对开发者进行聚类，得到参与到每个项目中的不同开发者的类别和比率，然后基于深度神经网络利用项目信息和开发者类别信息进行开发者类别预测，最后利用深度神经网络进行训练得到开发者对应的特征向量，从而与不同类别的开发者进行相似性比较推荐出相应的开发者。本发明能在大规模的开源软件社区中取得较好的推荐精度和效率，还可以补充现有研究在开源软件社区研究方面的缺陷，从新的角度为保证开源软件开发质量提供一种新的开源软件开发者推荐方法。
-
公开(公告)号：CN107609938A
公开(公告)日：2018-01-19
申请号：CN201710800298.8
申请日：2017-09-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于用户定性和定量偏好的服务推荐方法，包括如下步骤：1、获取用户偏好，并将用户偏好分为定性和定量两种方式输入；2、根据输入的用户定性和定量偏好分别计算用户的相似度；3、根据计算得出的用户相似度寻找相似用户；4、根据寻找的相似用户判断用户偏好是否缺失，如果缺失则重新补充当前的用户偏好至寻找到的相似用户内并重新进行判断，如果不缺失则进入下一步；5、根据补充完整的用户偏好进行服务推荐。本发明根据用户的偏好分为定性和定量两种形式，能够更加准确，更加符合用户需要。
-
Patent Agency Ranking
公开(公告)号：CN106878403A
公开(公告)日：2017-06-20
申请号：CN201710055814.9
申请日：2017-01-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于最近探索的启发式服务组合方法，包括如下步骤：1、将服务组合问题建模为一个六元组马尔可夫决策过程；2、应用基于Q‑learning的启发式学习方法求解六元组马尔可夫决策过程，得到最优策略；3、将最优策略映射为web服务组合的工作流。该方法充分利用学习过程中的学习经验来提高学习速度，学习效率更高。
-
公开(公告)号：CN103646061B
公开(公告)日：2017-02-15
申请号：CN201310636447.3
申请日：2013-12-02
Applicant: 东南大学
IPC: G06F17/30
Abstract: 本发明公开了一种面向服务的需求分析方法，首先将用户需求抽象为一个七元组，对已有的web服务做预处理，然后根据七元组与元服务的语义距离判断是否需要需求分析；进行需求分析时，先候选元服务之间的关联，然后寻找能够得到用户需求需要的所有输出参数的路径，并按照用户满意度从高到低排序后反馈给用户。本发明方法利用已有服务，有目的地分解需求，并及早进行粒度控制，使得需求分解过程尽早结束，可提供高效的分解服务，并构建一个有色petri网模型。
-
公开(公告)号：CN103455858B
公开(公告)日：2017-01-18
申请号：CN201310436762.1
申请日：2013-09-23
Applicant: 东南大学
IPC: G06Q10/04
Abstract: 本发明涉及面向服务的系统中的质量动态预警方法，属于计算机应用技术领域。所述方法通过感知用户的条件偏好，并利用brown运动首达值原理，对系统中服务质量属性的动态变化进行预警，该方法自动的导入用户在构建系统时提出的条件偏好，并采集服务质量的多维度的历史属性值，分析服务质量波动的特征，从而估计出特征属性值，自动的分析在服务被调用期间，系统可能出现的风险，实现智能化预警。
-
公开(公告)号：CN103577899B
公开(公告)日：2016-06-15
申请号：CN201310583125.7
申请日：2013-11-19
Applicant: 东南大学
IPC: G06Q10/04
Abstract: 本发明公开了一种基于可靠性预测与QoS相结合的服务组合方法，首先，根据用户的QoS约束进行服务的局部选择，把全局QoS约束分解成局部约束，然后在每个服务集合中选择局部较优的实体服务，最后对这些QoS属性较优的服务的可靠性进行预测，把预测结果作为最终组合方案选择的一个决定因素。这样既考虑了服务当前的QoS满足情况，又考虑它们在未来一段时间内的可靠性变化情况，然后根据用户偏好，决定这两者之间的权重关系，使得选出的服务在当前QoS约束和未来可靠性上达到一种折中，得到高效可靠的系统。
-
公开(公告)号：CN103646008B
公开(公告)日：2016-06-08
申请号：CN201310687734.7
申请日：2013-12-13
Applicant: 东南大学
IPC: G06F15/18
Abstract: 本发明公开了一种Web服务组合方法，针对传统服务组合方法存在的耗时长、灵活性差等问题，将多Agent（智能体）技术、博弈论和强化学习方法引入服务组合过程，将服务组合过程转化为一个马尔可夫博弈过程（Markov Games,or Stochastic Games）。在此基础上进一步融入Q-learning方法和团队马尔可夫博弈理论，使其能够适用于多Agent协同学习环境，通过迭代求解的方式求得最终的服务组合结果。本发明方法能够有效提高求解速度，确保各个智能体在高效协作的同时，能够自主地适应环境并进行动态的服务组合，有效提高了服务组合的灵活性和自适应性。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.02 seconds)
