基于神经网络的Kubernetes调度优化方法

    公开(公告)号:CN108874542A

    公开(公告)日:2018-11-23

    申请号:CN201810578161.7

    申请日:2018-06-07

    Abstract: 本发明公开了一种基于神经网络的Kubernetes调度优化方法,所述方法包括预测模型的构建以及资源调配算法,通过循环神经网络对Kubernetes中Node节点的内存消耗量进行预测,预测出内存消耗量在未来一段时间的变化,并将内存消耗数据输入到资源调配算法当中计算出需要增加的实例个数,Kubernetes系统根据所得实例个数进行动态扩展,从而完成Kubernetes基于内存资源的动态伸缩功能。本发明可以解决Kubernetes的容器应用中内存资源消耗过高导致系统稳定性降低的问题。

    一种基于容错的分布式服务注册与查询方法

    公开(公告)号:CN106649546A

    公开(公告)日:2017-05-10

    申请号:CN201610960886.3

    申请日:2016-11-04

    CPC classification number: G06F16/958 H04L67/02

    Abstract: 本发明公开了一种基于容错的分布式服务注册与查询方法,所述注册方法包括如下步骤:(1)执行超级节点注册过程,系统将解析后的数据在超级节点完成注册,并持久化到本地磁盘。(2)执行冗余节点注册过程,系统经由调度单元将服务注册信息发送至分布式节点,并持久化到对应节点磁盘。所述查询方法包括如下步骤:(1)执行超级节点查询过程,系统并发访问量较低,则查询结果由超级节点返回至用户。(2)执行分布式节点查询过程,系统并发访问量高,则将查询请求发送至分布式节点,各节点并行执行查询任务,最后将结果返回用户。根据上述注册与查询方法构建的服务系统,克服了集中式架构存在的弊端,实现查询服务的高可用性和查询的快速高效性。

    分布式索引构建及检索方法

    公开(公告)号:CN105069101A

    公开(公告)日:2015-11-18

    申请号:CN201510481248.9

    申请日:2015-08-07

    CPC classification number: G06F17/30094

    Abstract: 本发明公开了一种分布式索引构建及检索方法,实现检索的快速高效性。索引构建方法包括:执行Map过程,读取HDFS上经过预处理后的文件,通过正则读取有效数据并进行封装;执行Reduce过程,读取经过Combine过程处理后的数据,初始化Lucene,将有效信息封装成索引数据结构,利用全文检索引擎工具构建索引;对分块的索引文件进行分别储存。检索方法包括:1.从互联网上获取原始数据,进行聚类与去重处理,并上传到分布式文件系统上。2.利用前述分布式索引构建方法对预处理后的数据分块并行构建索引。3.将索引文件分别储存到集群的各个节点。4.系统分发检索请求到各个节点。5.各个节点根据请求执行检索并返回检索结果。6.系统对节点返回的结果进行排序。

    一种基于JBPM的服务动态流程编排方法

    公开(公告)号:CN104360842A

    公开(公告)日:2015-02-18

    申请号:CN201410569630.0

    申请日:2014-10-23

    Abstract: 本发明公开了一种基于JBPM的服务动态流程编排方法,包括如下步骤:(1)确定需求范围,从QoS模板库获取匹配模板,并挖掘需求与服务的对应关系,每个服务所需的具体参数,进行反馈;(2)根据反馈传入具体参数,系统作动态规划,构建服务和模板的动态绑定;(3)流程编排,生成流程模板;(4)流程自动执行,生成流程实例;(5)流程变更,利用迁移算法对变更内容进行流程模板重写,生成新流程;(6)开始新流程实例,流程结束;(7)将结果页面中的数据与旧流程保存的数据合并。本发明根据用户提供的需求,由系统完成一系列工作,自动生成流程模板完成核心业务,在执行过程中可以动态变更所需服务,并由流程迁移算法保证流程的正确性和高效性。

    基于FPGA的网络数据包过滤方法

    公开(公告)号:CN104283742A

    公开(公告)日:2015-01-14

    申请号:CN201410619192.4

    申请日:2014-11-05

    Abstract: 本发明公开一种基于FPGA的网络数据包过滤方法,先采集网络数据包,并将其存储到一个数据缓冲器中,再对其头部信息进行提取,接着将提取到的相关信息存入SRAM中,与此同时将提取到IP地址作为访问SDRAM的地址去读取过滤控制位信息,得出明确通过与否信号,对数据缓冲器中数据让其通过与否,查询成功则数据转发,否则丢弃。通过上位机配置过滤规则集为IP数据包格式以DMA方式传输到底层FPGA中,通过解析并将过滤控制位信息写入SDRAM中,用于过滤查询。上述设计充分发挥FPGA硬件快速并行计算优势,满足线速过滤要求,实现高速网络数据包过滤和统计显示数据流相关信息。

    一种基于字词特征和指针网络的中文事件抽取方法及系统

    公开(公告)号:CN119514534A

    公开(公告)日:2025-02-25

    申请号:CN202411608235.9

    申请日:2024-11-12

    Abstract: 本发明提供了一种基于字词特征和指针网络的中文事件抽取方法及系统,所述方法包括如下步骤:将原始中文序列输入到BERT模型中,进行切分并编码转换成高维向量以实现分字处理,并采用jieba分词工具对文本进行分词处理;将字符级向量和词级别向量分别输入到BiLSTM网络中进行字词特征提取,通过注意力机制进行字词特征融合;利用双序列指针网络分别识别触发词和论元的起始位置,实现从文本中抽取。本发明的中文事件抽取方法在于解决中文事件抽取中存在的语义表征不充分、角色重叠和论元嵌套等问题,提高事件抽取模型的准确率和泛化能力。

    基于BERT向量化和依存句法的生成式摘要方法及系统

    公开(公告)号:CN118673133A

    公开(公告)日:2024-09-20

    申请号:CN202410654697.8

    申请日:2024-05-24

    Abstract: 本发明提供了一种BERT向量化和依存句法的生成式摘要方法及系统,生成式摘要方法包括:将原文文本和摘要文本接入BERT预训练模型,获取句子特征向量;将原文文本和摘要文本采用LTP模型进行句法依存分析,构建依存类型矩阵和邻接矩阵;将依存类型矩阵和邻接矩阵进行注意力权重计算,与所述获取的句子特征向量融合得到多粒度特征语义中间向量;以句子特征向量作为输入序列,采用网络结构为BiLSTM模型的编码器编码得到输出序列;将所述多粒度特征语义中间向量与所述输出序列拼接输入BiLSTM模型的解码器生成结果序列,采用集束搜索生成最终的文本摘要。本发明的生成式摘要方法方法简单,能够更好的捕捉关键信息。

    基于抽象语义表示和指针网络的事件抽取方法及存储介质

    公开(公告)号:CN118520110A

    公开(公告)日:2024-08-20

    申请号:CN202410638530.2

    申请日:2024-05-22

    Abstract: 本发明公开了一种基于中文抽象语义表示和指针网络的事件抽取方法,首先通过预训练模型BERT获取原始句子的嵌入矩阵;然后利用双向门控循环单元强化嵌入矩阵的语义特征;接着将中文抽象语义表示的信息矩阵与增强后的句嵌入矩阵一起输入图注意网络,以捕获论元之间的交互关系和依存信息;最后使用指针网络同时抽取触发词和论元,以识别重叠的角色和嵌套的论元,并将模型应用于目标数据集以完成事件抽取任务。本发明提供的事件抽取方法能够有效解决中文事件抽取中多个论元的交互关系未充分利用、依存句法信息和语义依存信息未综合考虑、事件角色重叠和论元嵌套以及数据样本较少情况下事件抽取效果较差等问题,具有较高的准确度和较好的泛化性。

Patent Agency Ranking