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