买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:苏州大学应用技术学院;苏州大学
摘要:本发明公开了一种基于抽样子图的网络资源动态分配方法、系统及介质,包括对当前的网际网络和网络节点进行建模以得到图数据;确定图数据的最终特征向量;将最终特征向量输入抽样子图模型中进行处理,并计算隐层神经元被开启的概率分布,然后根据概率分布继续采样,并对显层神经元进行采样,从而更新网络的权重和偏置,并根据图数据的结构相似度来判断是否继续更新,若当前网络和上一次网络的结构相似度超过预设阈值时,则停止更新网络的权重和偏置;构建多层带权重的网络,并进行随机游走以得到满足预设条件的目标上下文,进而根据目标上下文中各个节点的状态自动分配网络资源。本发明不仅能够在小型网络中使用,更能在超大规模网络上进行网络资源分配。
主权项:1.一种基于抽样子图的网络资源动态分配方法,其特征在于,所述动态分配方法用于动态分配网络资源,所述动态分配方法包括以下步骤:S1、对当前的网际网络和网络节点进行建模以得到图数据;所述图数据包括边集合和节点集合,所述边集合与所述网际网络相关,所述节点集合与所述网络节点相关;S2、确定所述图数据的最终特征向量,其过程包括使用Graph2vec模型来获得原始的特征表示,并对处理后的节点进行合并聚类,然后采样子图;所述采样子图的过程包括随机选择图数据中的任意一个节点,并将该节点作为当前节点,对所述当前节点的邻接节点进行采样,从而将所述采样的结果与所述合并聚类的结果共同作为所述子图;S3、将步骤S2确定的所述最终特征向量输入抽样子图模型中进行处理,并计算隐层神经元被开启的概率分布,然后根据所述概率分布继续采样,并对显层神经元进行采样,从而更新网络的权重和偏置,并根据所述图数据的结构相似度来判断是否继续更新,若当前网络和上一次网络的结构相似度超过预设阈值时,则停止更新网络的权重和偏置,否则继续更新;S4、根据步骤S3中最终更新得到的网络的权重和相应的结构相似度以及步骤S2确定的所述图数据的最终特征向量来构建多层带权重的网络,并进行随机游走以得到满足预设条件的目标上下文,进而根据所述目标上下文中各个节点的状态自动分配网络资源,然后对分配后的网际网络和网络节点继续执行步骤S1至S4;所述节点的状态根据网络资源的紧缺程度设置。
全文数据:
权利要求:
百度查询: 苏州大学应用技术学院 苏州大学 基于抽样子图的网络资源动态分配方法、系统及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。