-
公开(公告)号：CN119094309A
公开(公告)日：2024-12-06
申请号：CN202411306276.2
申请日：2024-09-19
Applicant: 西安电子科技大学
IPC: H04L41/0273 , G06N3/126 , H04L41/50 , H04L41/5054 , H04L41/14 , H04L67/10
Abstract: 本发明公开了一种云原生环境下的微服务部署方法和系统，涉及云原生技术领域，用以更为快速和全面地部署微服务。本发明先构建微服务部署模型，该微服务部署模型中包含多个优化目标；利用快速可行解优化算法优化出所述微服务部署模型中的一个优化目标；利用多目标优化算法优化所述服务部署模型的所有优化目标，所述多目标优化以所述快速可行解优化算法优化出的优化目标为初始解。本发明不仅在多个目标上实现优化，提升系统性能和资源利用率，还加速了优化过程，适用于大规模复杂的微服务场景。
-
公开(公告)号：CN115858942B
公开(公告)日：2023-05-12
申请号：CN202310168596.5
申请日：2023-02-27
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种面向用户输入的序列化推荐方法及装置，属于软件工程技术领域，包括步骤：对用户的对象序列和对象的文本描述分别进行如下处理：对对象序列，使用卷积神经网络捕获联合级和点级序列特征，在卷积层中额外添加自注意力机制，用于在卷积之后提取特征；对对象的文本描述，采用神经网络和自注意力机制来捕获对象本身的特征；将捕获的特征进行神经网络运算，得到最终的预测输出，根据预测输出确定面向用户输入的对象推荐。本发明提高了项目推荐的精确性。
-
公开(公告)号：CN117493697A
公开(公告)日：2024-02-02
申请号：CN202410002159.0
申请日：2024-01-02
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F40/30 , G06N3/044 , G06N3/048 , G06N3/08 , G06F8/70 , G06F16/33 , G06F16/35 , G06F18/24 , G06F18/25
Abstract: 本发明公开了一种基于多模态特征融合的Web API推荐方法和系统。通过使用深度学习网络处理混搭服务的文本描述，得到混搭服务的文本特征向量，使用神经协同过滤网络处理混搭服务与Web API的历史调用记录，得到混搭服务的交互特征向量，再融合混搭服务的文本特征向量和交互特征向量，得到混搭服务的预测向量，计算预测向量得到Web API预测值；根据历史调用记录，以最小化预测值与实际值的差距为目的对模型进行训练。将预开发的混搭服务输入到训练的模型，得到推荐的Web API预测值，根据预测值大小对候选Web API排序作为推荐结果。本发明融合了混搭服务的多种特征，有效整合了各种模态的互补信息，提高了推荐Web API的准确性。
-
公开(公告)号：CN114896514A
公开(公告)日：2022-08-12
申请号：CN202210825930.5
申请日：2022-07-14
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的Web API标签推荐方法，包括：根据元路径从Web API数据中抽取出Web API节点的邻居节点，将其映射到欧几里德空间中。使用注意力机制将各邻居节点的向量表示聚合，得到局部聚合信息；使用注意力机制将不同元路径下局部聚合信息进行聚合，得到语义信息；将语义信息输入多标签分类器中，完成对Web API的标签推荐。本发明使用图神经网络，每次从Web API节点中抽取邻居节点，避免了数据稀疏性问题；聚合了Web API节点的局部结构信息和语义信息，提高了服务查找结果的精确性，减少了推荐模型的计算量，解决了物品冷启动问题。
-
公开(公告)号：CN119440822A
公开(公告)日：2025-02-14
申请号：CN202411489941.6
申请日：2024-10-24
Applicant: 西安电子科技大学
IPC: G06F9/50 , G06N3/042 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于异构图神经网络的细粒度微服务资源预测方法，涉及资源预测领域，用以提高在微服务资源预测问题上的准确度。本发明对微服务的物理节点和容器两个维度的资源利用率序列编码得到初始隐藏状态，输入到异构图神经网络进行调整，对调整后的隐藏状态进行解码得到资源预测结果；异构图神经网络根据异构图进行构建，该异构图以微服务的物理节点和容器分别作为异构节点，以物理节点和容器之中存在的关系作为边。本发明提高了微服务资源预测的准确性和普适性。
-
Patent Agency Ranking
公开(公告)号：CN114201669B
公开(公告)日：2023-02-03
申请号：CN202111391897.1
申请日：2021-11-19
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F8/36 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于词嵌入与协同过滤技术的API推荐方法，所述API推荐方法包括：S1：对API真实调用记录进行初始处理，得到API调用矩阵；S2：对所述API调用矩阵中所有用户调用API的API序列进行训练，得到API‑API相似度矩阵；S3：对所述API调用矩阵中所有API跟随用户的用户序列进行训练，得到用户‑用户相似度矩阵；S4：根据所述API调用矩阵、所述用户‑用户相似度矩阵和所述API‑API相似度矩阵，分别得到API侧调用预测模型和用户侧调用预测模型；S5：根据所述API侧调用预测模型以及所述用户侧调用预测模型，得到最终预测模型；S6：根据所述最终预测模型，输出API推荐结果。
-
公开(公告)号：CN119922062A
公开(公告)日：2025-05-02
申请号：CN202510106238.0
申请日：2025-01-23
Applicant: 西安电子科技大学
IPC: H04L41/044 , H04L41/0897 , H04L41/14 , H04L41/16 , H04L41/5025
Abstract: 本发明公开了一种边缘云环境下的微服务部署方法和系统，涉及微服务部署领域，用以降低云原生环境下微服务部署的总成本。本发明在节点资源限制下，构建将应用程序所需的各微服务分别部署到给定的多个节点的多种部署模型，对于每一种部署模型，将至少两个存在共享层的微服务部署到同一节点；并基于构建的部署模型，以最小化部署总成本为目标，通过遗传算法求解出部署方案。本发明能有效降低微服务的部署成本、部署时间和通信成本，部署方案的解算效率高。
-
公开(公告)号：CN117453861A
公开(公告)日：2024-01-26
申请号：CN202311597506.0
申请日：2023-11-28
Applicant: 西安电子科技大学
IPC: G06F16/33 , G06N3/045 , G06N3/088 , G06N3/0895 , G06F18/22
Abstract: 本发明公开了一种基于对比学习与预训练技术的代码搜索推荐方法和系统。本发明先将代码片段进行结构转换，得到多个等效代码片段，以相同语义的代码片段作为正样本，不同语义的代码片段作为负样本，预训练代码编码器。然后将其迁移到包含文本编码器的代码查询模型中，利用带有代码注释的代码片段继续优化，代码编码器用于向量化表示代码片段，文本编码器用于向量化表示查询语句。最后，将查询语句输入文本编码器得到查询向量，利用代码编码器将代码库中的代码片段均转换为代码向量，以与查询向量相似度最高的代码向量对应的代码片段进行推荐。本发明可以减轻对代码注释的依赖，同时提高代码搜索的准确率。
-
公开(公告)号：CN115729532B
公开(公告)日：2023-04-18
申请号：CN202310036231.7
申请日：2023-01-10
Applicant: 西安电子科技大学
IPC: G06F8/30 , G06F8/41 , G06N3/0464 , G06N3/0475
Abstract: 本发明涉及Java程序方法名推荐技术领域，公开了基于生成对抗网络的Java程序方法名推荐方法及系统，该方法，包括以下步骤：S1，代码预处理；S2，方法名生成；S3，方法名判别；S4，生成对抗网络训练。本发明解决了现有技术存在的模型结构臃肿、针对性强、数据准备阶段消耗了大量的人工精力、不具有实用性等问题。
-
公开(公告)号：CN114896514B
公开(公告)日：2022-09-30
申请号：CN202210825930.5
申请日：2022-07-14
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的Web API标签推荐方法，包括：根据元路径从Web API数据中抽取出Web API节点的邻居节点，将其映射到欧几里德空间中。使用注意力机制将各邻居节点的向量表示聚合，得到局部聚合信息；使用注意力机制将不同元路径下局部聚合信息进行聚合，得到语义信息；将语义信息输入多标签分类器中，完成对Web API的标签推荐。本发明使用图神经网络，每次从Web API节点中抽取邻居节点，避免了数据稀疏性问题；聚合了Web API节点的局部结构信息和语义信息，提高了服务查找结果的精确性，减少了推荐模型的计算量，解决了物品冷启动问题。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
