一种服务器运维方法、装置、设备及存储介质

    公开(公告)号:CN118939461A

    公开(公告)日:2024-11-12

    申请号:CN202410994501.X

    申请日:2024-07-24

    Abstract: 本申请实施例提供了一种服务器运维方法、装置、设备及存储介质,涉及计算机处理技术领域,该方法为:获取多个待检测服务器的性能参数,性能参数用于表征待检测服务器的运行状况;将多个待检测服务器的性能参数输入至故障率预测模型,得到多个待检测服务器中每个待检测服务器的故障率;基于每个待检测服务器的故障率、每个待检测服务器的维修成本以及整体维修成本,通过维修决策模型确定符合整体维修成本的维修决策;其中,故障率预测模型与维修决策模型是通过预设的损失函数进行一体化训练得到的;损失函数表征故障率预测模型的预测故障率在维修决策模型的目标函数下的损失值。可以精准确定最需要维修的服务器。

    针对多种数据源的数据集成方法、装置、设备及介质

    公开(公告)号:CN119988363A

    公开(公告)日:2025-05-13

    申请号:CN202510103571.6

    申请日:2025-01-22

    Abstract: 本申请涉及数据处理技术领域,尤其涉及一种针对多种数据源的数据集成方法、装置、设备及介质,该方法获取任意一种待集成数据源的结构信息和待集成数据源的数据类型;根据结构信息确定待集成数据源对应的临时表的主键;根据数据类型确定临时表的存储格式;将待集成数据源中的每条数据按照对应的主键值存储到临时表中;针对临时表中的任一数据对应的主键值,将临时表中的主键值对应的数据保存至最终集成表中,或根据临时表中的主键值对应的数据,对最终集成表中的主键值对应的数据进行更新,解决在数据仓库ODS层数据存储冗余的问题,增强数据可读性。

    一种应用于图学习领域的预训练模型的生成方法及装置

    公开(公告)号:CN112819154A

    公开(公告)日:2021-05-18

    申请号:CN202110072779.8

    申请日:2021-01-20

    Abstract: 本发明公开了一种应用于图学习领域的预训练模型的生成方法及装置,包括:从第一图结构样本中确定第一节点并确定第一节点的第一样本子图,其中,第一图结构样本为第一训练样本中的任一个,第一图结构样本的各节点的属性与第一训练样本中第二图结构样本的各节点的属性不同,再确定第一节点的图基元标签向量和第一样本子图的初始表示向量,然后得到第一特征表示向量和得到第一节点的图基元预测向量,最后根据图基元预测向量和图基元标签向量,训练初始预训练模型,直至得到预训练模型。进而实现通过多个图结构样本得到预训练模型,且多个图结构样本的属性不同,以使预训练模型可以作为各属性的图结构的预训练模型。

    一种确定推荐渠道的方法、装置、设备及存储介质

    公开(公告)号:CN118939877A

    公开(公告)日:2024-11-12

    申请号:CN202410997325.5

    申请日:2024-07-24

    Abstract: 本申请提供一种确定推荐渠道的方法、装置、设备及存储介质,该方法包括:针对N个用户中的每个用户,基于每个用户在单个渠道下的特征向量和M个渠道组合,形成每个用户的M个组合特征向量;任一渠道组合表征了是否采用C种渠道中的至少一种渠道对用户进行信息推荐;N、M、C均为正整数;将每个用户的M个组合特征向量输入预测模型,得到每个用户在所述M个渠道组合对应的M个预测转化结果;根据每个用户的M个预测转化结果,确定出使得目标函数满足最大值情况下每个用户的推荐渠道组合,从而得到N个用户的最终推荐渠道;其中,预测模型是通过将目标函数最大值对应的负数作为损失值进行训练得到的。上述方法能够提升推荐渠道确定的准确性。

    一种应用于图学习领域的预训练模型的生成方法及装置

    公开(公告)号:CN112819154B

    公开(公告)日:2024-05-28

    申请号:CN202110072779.8

    申请日:2021-01-20

    Abstract: 本发明公开了一种应用于图学习领域的预训练模型的生成方法及装置,包括:从第一图结构样本中确定第一节点并确定第一节点的第一样本子图,其中,第一图结构样本为第一训练样本中的任一个,第一图结构样本的各节点的属性与第一训练样本中第二图结构样本的各节点的属性不同,再确定第一节点的图基元标签向量和第一样本子图的初始表示向量,然后得到第一特征表示向量和得到第一节点的图基元预测向量,最后根据图基元预测向量和图基元标签向量,训练初始预训练模型,直至得到预训练模型。进而实现通过多个图结构样本得到预训练模型,且多个图结构样本的属性不同,以使预训练模型可以作为各属性的图结构的预训练模型。

Patent Agency Ranking