-
公开(公告)号:CN108459965B
公开(公告)日:2021-11-02
申请号:CN201810184034.9
申请日:2018-03-06
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明公开了一种结合用户反馈和代码依赖的软件可追踪生成方法,该方法包括:步骤1、获得目标软件中存在的代码依赖;步骤2、计算代码依赖紧密度,设定紧密度阈值生成代码依赖域;步骤3、基于信息检索方法,产生需求到代码的初始候选列表;步骤4、根据用户反馈和代码依赖优化候选列表。本发明通过结合用户反馈和代码依赖信息,弥补了信息检索方法存在的单词失配问题。本发明只需用户判断少量候选线索的相关性。相对于传统信息检索方法,本发明生成的候选列表准确率和召回率均有大幅度提升。
-
公开(公告)号:CN117724750A
公开(公告)日:2024-03-19
申请号:CN202311054130.9
申请日:2023-08-21
Applicant: 南京匡吉信息科技有限公司 , 南京大学
IPC: G06F8/70 , G06F8/10 , G06F16/33 , G06F40/211 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种结合了软件制品共识词对抽取与信息检索技术的自动化需求到代码追踪线索生成方法,包括:步骤1、抽取需求文本中的候选词对;步骤2、抽取代码中的候选词对;步骤3、识别需求与代码之间的共识词对;步骤4:提出共识词对补充策略并按照该策略将共识词对分别补充到需求与代码文本中;步骤5:基于信息检索计算生成需求到代码的初始候选追踪列表;步骤6:结合需求文本结构计算需求与代码之间共有共识词对的全局和局部权重;步骤7:利用共识词对的局部权重和全局权重优化候选追踪列表。通过利用需求与代码之间的共识词对,结合代码与需求的结构信息对基于信息检索的软件可追踪生成方法优化,提升了候选追踪列表的准确率和召回率。
-
公开(公告)号:CN111736983A
公开(公告)日:2020-10-02
申请号:CN202010447034.0
申请日:2020-05-25
Applicant: 南京大学
Abstract: 本发明公开了一种面向任务和资源感知的微服务部署方法,包括以下步骤:建立临机任务的任务流程,选择已有微服务流程中若干微服务和任务流程中的活动节点间建立委托关系,得到集群节点的任务感知能力;根据任务感知能力进行微服务的部署,若一个集群节点的资源满足部署一个完整的微服务流程,则将微服务流程完整的部署到一个集群节点上;否则按照基于委托关系的微服务为核心的最长关键路径顺次部署微服务流程中的前后微服务;剩余未部署的微服务在不考虑委托关系的情况下进行部署。本发明有效的保证微服务流程能够聚集在一个物理节点,提升了系统运行时为协作完成临机任务流程的各微服务之间的通信效率。
-
公开(公告)号:CN111736983B
公开(公告)日:2023-12-26
申请号:CN202010447034.0
申请日:2020-05-25
Applicant: 南京大学
Abstract: 本发明公开了一种面向任务和资源感知的微服务部署方法,包括以下步骤:建立临机任务的任务流程,选择已有微服务流程中若干微服务和任务流程中的活动节点间建立委托关系,得到集群节点的任务感知能力;根据任务感知能力进行微服务的部署,若一个集群节点的资源满足部署一个完整的微服务流程,则将微服务流程完整的部署到一个集群节点上;否则按照基于委托关系的微服务为核心的最长关键路径顺次部署微服务流程中的前后微服务;剩余未部署的微服务在不考虑委托关系的情况下进行部署。本发明有效的保证微服务流程能够聚集在一个物理节点,提升了系统运行时为协作完成临机任务流程的各微服务之间的通信效率。
-
公开(公告)号:CN111400031B
公开(公告)日:2023-08-22
申请号:CN202010135253.5
申请日:2020-03-01
Applicant: 南京大学
IPC: G06F9/50 , G06F18/214 , G06N3/092 , G06N20/00
Abstract: 本发明公开了面向处理单元部署的基于值函数的强化学习方法,对于基于值函数更新的此类强化学习方法,提供了一种将处理单元图部署在物理节点上的对应框架,充分利用强化学习能够通过多次部署尝试得到处理单元部署的更优方案的优点,得到使处理单元图部署后的响应时间更低的部署方法。本发明根据复杂事件处理在边缘计算环境下的特性,来预测响应时间。并根据复杂事件处理响应时间的特性,针对限制了处理单元图整体响应时间的处理单元进行优先部署,来降低处理单元图整体响应时间。
-
公开(公告)号:CN109088755A
公开(公告)日:2018-12-25
申请号:CN201810860621.5
申请日:2018-08-01
Applicant: 南京大学
Abstract: 本发明公开一种边缘计算环境下基于响应时间预测的复杂事件处理部署方法,包括以下步骤:步骤1、多个operator graph响应时间预测;步骤2、根据步骤1的结果,在一个响应时间最长的operator graph,选择从数据源到数据消费者的预测响应时间最高的路径。在此基础上,选择该路径上未被部署的下一个operator;步骤3、在边缘节点资源受限下的部署方法:监控数据源附近的满足资源条件的边缘节点作为候选节点。在这些候选节点中,选择作为operator的部署节点的条件是:operator部署在该节点后,其实际响应时间最小;步骤4、重复步骤1,2、3,直至所有operator都被部署。
-
公开(公告)号:CN105824756A
公开(公告)日:2016-08-03
申请号:CN201610154205.4
申请日:2016-03-17
Applicant: 南京大学
IPC: G06F11/36
CPC classification number: G06F11/3604 , G06F11/3676
Abstract: 本发明公开了一种基于代码依赖关系的过时需求自动检测方法,该方法包括:步骤一、比较代码新旧版本间的差异,识别其中影响需求的变更代码元素;步骤二、引入代码中与变更代码元素结构上紧密依赖的其它代码元素,构造变更域;步骤三、提取代码元素的描述信息,形成变更域描述文本;步骤四、发现与代码变更相关的近似候选过时需求集合;步骤五、利用基于相似度值的表决算法,生成近似候选过时需求集合的排序。本发明通过对代码依赖关系的分析,补充了代码变更的上下文信息,从而提高了过时需求检测时的精度,并且该方法能够被自动化执行。本发明还包括一种基于代码依赖关系的过时需求自动检测系统。
-
公开(公告)号:CN111400031A
公开(公告)日:2020-07-10
申请号:CN202010135253.5
申请日:2020-03-01
Applicant: 南京大学
Abstract: 本发明公开了面向处理单元部署的基于值函数的强化学习方法,对于基于值函数更新的此类强化学习方法,提供了一种将处理单元图部署在物理节点上的对应框架,充分利用强化学习能够通过多次部署尝试得到处理单元部署的更优方案的优点,得到使处理单元图部署后的响应时间更低的部署方法。本发明根据复杂事件处理在边缘计算环境下的特性,来预测响应时间。并根据复杂事件处理响应时间的特性,针对限制了处理单元图整体响应时间的处理单元进行优先部署,来降低处理单元图整体响应时间。
-
公开(公告)号:CN107018197A
公开(公告)日:2017-08-04
申请号:CN201710240549.1
申请日:2017-04-13
Applicant: 南京大学
IPC: H04L29/08
CPC classification number: H04L67/1002
Abstract: 本发明公开一种支持负载均衡的动态伸缩移动感知复杂事件处理方法,包括以下步骤:步骤1、轮次时间收集与处理:分别收集每个operator所有副本对当前轮次的处理时间;计算出各副本处理时间的平均值和变异系数;步骤2、判断是否有operator计算能力不足而需要动态伸缩或需要负载均衡;步骤3、进行伸缩与负载均衡:当operator进行伸缩,即调整operator副本个数,使operator的计算资源匹配当前负载;当各副本进行负载均衡,即重新分配operator副本之间的负载,直至变异系数小于预设的阈值。本发明的技术方案使移动感知复杂事件处理方法能在运行时刻调整其operator副本数量并均衡副本间负载,从而节省移动感知复杂事件处理技术运行过程中的整体开销,并提升其吞吐率。
-
公开(公告)号:CN106997395A
公开(公告)日:2017-08-01
申请号:CN201710240188.0
申请日:2017-04-13
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开一种移动感知复杂事件并行处理方法。包括以下步骤:步骤1,数据划分:对当前operator产生的数据进行数据映射,将这些数据传输给对应的后续operator;分割属于不同查询范围的数据;步骤2,数据合并:属于同一个划分的数据传输至同一个operator,对数据进行排序,并提交给operator处理模块;步骤3,数据处理:步骤3.1,数据处理,对合并后的数据提交至operator处理模块进行处理;若存在后续operator,将处理后产生的结果转入步骤1;步骤3.2,范围处理结束信号发送,表明operator可以开始处理下一查询范围数据。在移动感知复杂事件处理环境下,通过并行处理来增加系统对输入数据量的负载上限和事件处理的吞吐率时,可以使用本发明。
-
-
-
-
-
-
-
-
-