-
公开(公告)号：CN113065324A
公开(公告)日：2021-07-02
申请号：CN202110502216.8
申请日：2021-05-08
Applicant: 清华大学深圳国际研究生院
IPC: G06F40/186 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于结构化三元组和锚定模板的文本生成方法及装置，本发明设计了基于锚定模板的三元组到文本生成框架，根据输入的三元组集合从语料中检索相似的三元组及其描述文本作为模板(分别称为模板三元组和模板描述)，指导当前描述文本的生成。模型可以从模板提供的具体写作范例中，学习如何忠实且自然地描述给定三元组集合中编码的信息。然而，随着输入三元组数量的增多，对应检索得到的模板也会随之变得复杂和冗长，导致模型无法精准地从模板中学习写作指导，最终选择忽视复杂的模板。因此，本发明进一步对输入进行规划，将输入三元组以句子为单位进行分组，从而与模板更好地匹配，帮助模型更精准地利用模板。
-
公开(公告)号：CN112486641A
公开(公告)日：2021-03-12
申请号：CN202011296964.7
申请日：2020-11-18
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
Abstract: 本申请公开了一种基于图神经网络的任务调度方法，所述方法确定分布式计算平台内所有作业的图结构，并对图结构的特征进行处理添加出度和入度特征；在经过一个全连接的多层感知网络以及带自注意力机制的图神经网络进行节点的聚合，得到节点的节点特征向量；再将每个作业所有节点的节点特征向量加和得到作业向量；长短时记忆扫描所有作业的作业向量得到全局向量；最后通过强化学习智能体将各节点特征向量、各作业向量以及全局向量作为状态输入，通过一个策略梯度网络做出调度动作，以分配给可运行节点一定数量的空闲执行器，提高了调度效率。
-
公开(公告)号：CN112350998A
公开(公告)日：2021-02-09
申请号：CN202011110759.7
申请日：2020-10-16
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
IPC: H04L29/06
Abstract: 本申请公开了一种基于边缘计算的视频流传输方法，所述方法包括接收到视频块下载请求时，检测所述视频块下载请求对应的目标视频资源；当未检测到目标视频资源时，获取视频块下载请求对应的若干响应方式；确定各响应方式各自对应的用户QoE，并基于用户QoE在若干响应方式中选取目标响应方式；通过目标响应方式确定视频块下载请求对应的响应视频资源，并将响应视频资源反馈给视频块下载请求对应的用户端。本申请通过智能边缘确定视频块下载请求对应的响应视频资源，减少了视频流传输对主干网带宽的依赖，在主干网带宽不足时仍能够通过对其自身缓存的视频资源进行视频超分或视频转码的方式来快速响应用户的请求，从而提高了用户QoE。
-
公开(公告)号：CN111724235A
公开(公告)日：2020-09-29
申请号：CN202010520071.X
申请日：2020-06-09
Applicant: 清华大学深圳国际研究生院
Abstract: 一种基于用户新奇度的在线商品推荐方法，包括如下步骤：S1、根据用户u浏览商品的信息形成选择序列χ；S2、根据用户u的点击频率，确定用户的窗口时间Wt；S3、通过计算得到用户新奇度，其中，根据由用户选择开始截至时刻t时用户u的行为历史记录，预测用户u在时刻t选择新商品的概率；S4、根据得到的用户新奇度，向用户推荐在t时刻符合用户新奇度的商品或商品组合。通过引入用户对新旧商品开放性程度的心理指标因素，计算用户新奇度，并根据用户新奇度来对用户进行商品/商品组合的推荐，该在线商品推荐方法能够提升个性化推荐的准确度，从而为电商平台创造更多经济效益。
-
公开(公告)号：CN111355671A
公开(公告)日：2020-06-30
申请号：CN201911412366.9
申请日：2019-12-31
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院
IPC: H04L12/851 , H04L12/859 , G06K9/62
Abstract: 本发明公开了一种基于自注意机制的网络流量分类方法、介质及终端设备，所述方法获取待分类网络流量包数据，并确定所述待分类网络流量包数据对应的输入序列；将所述输入序列输入至预先训练的网络流量分类模型，通过所述网络流量分类模型预测所述待分类网络流量包数据对应的流量类别。本发明使用的网络流量分类模型包括编码模块，所述编码模块包括自注意机制单元，这样通过自注意机制提取有效流量特征，提高了流量分类精度。
-
Patent Agency Ranking
公开(公告)号：CN110059747A
公开(公告)日：2019-07-26
申请号：CN201910314300.X
申请日：2019-04-18
Applicant: 清华大学深圳研究生院
Abstract: 本发明提供一种网络流量分类方法，包括构建轻量级分类模型；所述构建轻量级分类模型包括如下步骤：S1：基于自步学习的深度神经网络流量去噪算法训练网络流量分类模型；S2：基于正则化损失知识蒸馏的模型压缩技术，将所述网络流量分类模型压缩成轻量级网络流量分类模型。通过一种新的基于自步学习的深度神经网络流量去噪算法，并结合知识蒸馏技术，对网络流量分类模型进行压缩，得到最终的轻量级网络流量分类模型。有效提升网络流量分类方法的鲁棒性、分类准确率和分类速度。
-
公开(公告)号：CN106060605B
公开(公告)日：2019-03-26
申请号：CN201610356339.4
申请日：2016-05-25
Applicant: 清华大学深圳研究生院
IPC: H04N21/2662 , H04N21/2385 , H04N21/24 , H04N21/262
Abstract: 本发明公开了一种基于CDN的直播流自适应方法和系统，包括用户端、CDN网络和域名系统DNS，所述CDN网络包括边界服务器、转发器、直播源，还包括集中控制器、用户请求分析器、网络状况分析器、编码器、流适配器。所述集中控制器连接所述边界服务器、转发器和直播源，所述集中控制器包括流适配器，所述边界服务器包括请求分析器和路由表，所述转发器包括网络分析器和路由表，所述直播源包括直播流发送器和编码器，所述用户端包括直播服务请求器；流适配器接收用户请求分析器、网络状况分析器、编码器发送信息；并根据接收到的信息，向直播源服务器、边界服务器、转发器发送控制信息；向DNS发送边界服务器负载信息。
-
公开(公告)号：CN108289064A
公开(公告)日：2018-07-17
申请号：CN201810369090.X
申请日：2018-04-23
Applicant: 清华大学深圳研究生院
IPC: H04L12/803 , H04L29/08
Abstract: 本发明公开了一种数据中心网中混合式负载均衡方法，其中部署中央控制器进行网络全局信息的获取，部署终端主机进行中小流快速路由，并同时赋予中央控制器集中式负载均衡的决策权以及终端主机分布式负载均衡的决策权；所述中央控制器利用全局信息为预定义的大流安排路径，并且为预定义的中小流计算出全局最优的网络排队时延，所述终端主机对所述中小流进行分布式选路，并且在全局最优网络时延的限制下进行重路由。让中央控制器和终端主机分工协作，在不同流量需求共存的网络情况下，同时保证了大流的高吞吐量和中小流的低时延请求。较之单纯的集中式或分布式方案，本发明的方法能兼顾网络中的全部流量，并且满足不同流量的需求，且其灵活方便，易于配置。
-
公开(公告)号：CN105205356B
公开(公告)日：2017-12-29
申请号：CN201510595733.9
申请日：2015-09-17
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种APP应用重打包检测方法，用于检测APP打包生成的安装包是否经过重打包处理，包括以下步骤：包括以下步骤：判断安装包所含的每个文件内部是否具有一致性和/或所含的不同文件之间是否具有一致性，若是，则判断安装包未经过重打包处理，若否，则判断安装包经过重打包处理。本提出的APP应用重打包检测方法不需要另外获取原始APP，也不需要将第三方APP和原始APP进行比较，具有更好的实用性和灵活性。
-
公开(公告)号：CN107018018A
公开(公告)日：2017-08-04
申请号：CN201710183904.6
申请日：2017-03-24
Applicant: 清华大学深圳研究生院
IPC: H04L12/24 , H04L12/721
CPC classification number: H04L45/38 , H04L41/082
Abstract: 本发明提出一种基于SDN的服务器增量在线升级方法，包括以下步骤：S1：根据网络的拓扑情况，选择升级的服务器；S2：在升级服务器的过程中，对数据流的大小进行区分，并对大流进行重路由计算；S3：选择大流的重路由路径，并从中选择调度开销最小的路径；S4：下发路径，升级服务器。基于上述方法，本发明还提出一种基于SDN的服务器增量在线升级系统。本发明的基于SDN的服务器增量在线升级方法及系统，不仅可以在线快速提升网络性能，还实时的考虑流量大小、链路利用率和调度开销的因素，可以最小化网络延迟，最大程度地确保服务器增量在线升级的有效性和快捷性。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.028 seconds)
