检索结果-南通市图书馆

流式大数据平台下的弹性数据迁移能效优化策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

通信学报 2024年第2期45卷 188-200页

作者：蒲勇霖许小龙于炯李梓杨国冰磊南京信息工程大学软件学院江苏南京210044 新疆大学软件学院新疆乌鲁木齐830002 湖北文理学院计算机工程学院湖北襄阳441053

针对流式计算框架在最初设计时缺乏能效方面的考虑,导致其存在高能耗与低效率的问题,提出一种流式大数据平台下的弹性数据迁移节能优化策略。首先,建立负载预测模型与资源判定模型,并进一步设计负载预测算法,通过预测负载变化趋势确定... 详细信息

针对流式计算框架在最初设计时缺乏能效方面的考虑,导致其存在高能耗与低效率的问题,提出一种流式大数据平台下的弹性数据迁移节能优化策略。首先,建立负载预测模型与资源判定模型,并进一步设计负载预测算法,通过预测负载变化趋势确定节点资源占用,找到资源过载与过剩节点;其次,建立资源约束模型与最优数据迁移模型,由此提出最优数据迁移算法,以提高节点资源利用率为目的进行数据迁移;最后,建立能耗模型,计算集群进行数据迁移后节约的能耗。实验结果表明,数据迁移节能优化策略能够对集群内节点资源变化做出及时响应,并在提高节点资源利用率的基础上,有效提高集群数据处理的能效。

关键词：流式计算负载预测资源约束数据迁移能效

在线全文

学校读者我要写书评

暂无评论

图神经网络节点分类任务基准测试及分析

计算机科学 2024年第4期51卷 132-150页

作者：张陶廖彬于炯李敏孙瑞娜贵州中医药大学信息工程学院贵阳550025 新疆大学信息科学与工程学院乌鲁木齐830008 贵州财经大学大数据统计学院贵阳550025 新疆财经大学统计与信息学院乌鲁木齐830012

图神经网络(Graph Neural Network,GNN)模型由于采用端到端的模型架构,在训练过程中能够更好地将节点隐藏特征的学习和分类目标协同起来,相比图嵌入(Graph Embedding)的方法,其在节点分类等任务上得到了较大的性能提升。但是,已有图神... 详细信息

图神经网络(Graph Neural Network,GNN)模型由于采用端到端的模型架构,在训练过程中能够更好地将节点隐藏特征的学习和分类目标协同起来,相比图嵌入(Graph Embedding)的方法,其在节点分类等任务上得到了较大的性能提升。但是,已有图神经网络模型实验对比阶段普遍存在的数据集类型单一、样本量不足、数据集切分不规范、对比模型规模及范围有限、评价指标单一、缺乏模型训练耗时对比等问题。为此,文中选取了包括cora,citeseer,pubmed,deezer等在内的来自不同领域(引文网络、社交网络及协作网络等)的共计20种数据集,以准确率、精确率、召回率、F-score值及模型训练耗时为多维评价指标,在FastGCN,PPNP,ChebyNet,DAGNN等17种主流图神经网络模型上,进行了全面且公平的节点分类任务基准测评,进而为真实业务场景下的模型选择提供了决策参考。通过基准测试实验发现,一方面,影响模型训练速度的因素排名依次是节点属性维度、图节点规模及图边的规模;另一方面,并不存在赢者通吃的模型,即不存在在所有数据集下全都表现优异的模型,特别是在公平的基准测试配置环境下,结构简洁的模型反而比复杂的GNN模型有着更好的性能表现。

关键词：图神经网络基准测试节点分类性能评估模型选择

在线全文

学校读者我要写书评

暂无评论

基于偏好感知的去噪图卷积网络社交推荐

计算机工程 2024年

作者：杨兴耀马帅张祖莲于炯陈嘉颖王东晓新疆大学软件学院新疆维吾尔自治区气象局新疆兴农网信息中心

协同过滤推荐通常面临用户-项目交互数据稀疏的挑战，社交推荐引入用户社交关系来缓解数据稀疏性问题。大多数基于图神经网络的社交推荐系统在消息传递过程中无法根据用户偏好聚合高阶邻居信息，导致嵌入表示过平滑和噪声问题。针对上... 详细信息

协同过滤推荐通常面临用户-项目交互数据稀疏的挑战，社交推荐引入用户社交关系来缓解数据稀疏性问题。大多数基于图神经网络的社交推荐系统在消息传递过程中无法根据用户偏好聚合高阶邻居信息，导致嵌入表示过平滑和噪声问题。针对上述问题，提出一种基于偏好感知的去噪图卷积网络社交推荐模型PD-GCN。模型使用无监督学习将具有相似偏好的用户分配到用户-项目交互子图和社交子图中，在子图中进行更高阶的图卷积运算，缓解现有模型的过平滑问题；从全局和局部的角度，通过考虑相同偏好用户节点的特征相似度和邻域节点偏好分布多样性识别并去除噪声节点，增强模型对用户-项目交互和社交关系噪声的鲁棒性。在LastFM、Ciao和Yelp三个公共数据集上的实验结果表明，所提模型在召回率和归一化折损累计增益两个指标上相较于其他主流模型表现出更优的性能，验证了PD-GCN的有效性。

关键词：社交推荐图卷积网络过平滑现象用户偏好推荐系统

研究生实践育人的价值意蕴、现实困境与路径选择

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

秦智 2024年第3期 167-169页

作者：毛甜于炯穆欣洁新疆大学

从研究生实践育人的内涵出发，有助于强化研究生培养管理，培育和践行社会主义核心价值观，填补传统教学短板。本文通过分析研究生实践育人的现实困境，指明完善研究生实践育人路径，如优化并完善长效机制、评价机制、教育平台建设、范... 详细信息

从研究生实践育人的内涵出发，有助于强化研究生培养管理，培育和践行社会主义核心价值观，填补传统教学短板。本文通过分析研究生实践育人的现实困境，指明完善研究生实践育人路径，如优化并完善长效机制、评价机制、教育平台建设、范式创新、协同育人、就业指导和创新创业教育，为加强研究生实践育人教育提供有益参考。

关键词：研究生实践育人实践能力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于TreeLSTM的查询基数估计

东北师大学报（自然科学版） 2024年第1期56卷 55-64页

作者：齐凯阳于炯何贞贞苏子航新疆大学软件学院新疆乌鲁木齐830091 新疆大学信息科学与工程学院新疆乌鲁木齐830046

针对传统的数据库管理系统无法很好地学习谓词之间的交互以及无法准确地估计复杂查询的基数问题,提出了一种树形结构的长短期记忆神经网络(Tree Long Short Term Memory, TreeLSTM)模型建模查询,并使用该模型对新的查询基数进行估计.所... 详细信息

针对传统的数据库管理系统无法很好地学习谓词之间的交互以及无法准确地估计复杂查询的基数问题,提出了一种树形结构的长短期记忆神经网络(Tree Long Short Term Memory, TreeLSTM)模型建模查询,并使用该模型对新的查询基数进行估计.所提出的模型考虑了查询语句中包含的合取和析取运算,根据谓词之间的操作符类型将子表达式构建为树形结构,根据组合子表达式向量来表示连续向量空间中的任意逻辑表达式.TreeLSTM模型通过捕捉查询谓词之间的顺序依赖关系从而提升基数估计的性能和准确度,将TreeLSTM与基于直方图方法、基于学习的MSCN和TreeRNN方法进行了比较.实验结果表明:TreeLSTM的估算误差比直方图、MSCN、TreeRNN方法的误差分别降低了60.41%,33.33%和11.57%,该方法显著提高了基数估计器的性能.

关键词：基数估计数据库管理系统查询优化器神经网络长短期记忆网络

基于层间融合滤波器和社交神经引文网络的推荐算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：杨兴耀李志林张祖莲于炯陈嘉颖王东晓新疆维吾尔自治区气象局新疆大学软件学院

推荐算法是一种用于解决信息过载问题的方法，引文推荐通过引文上下文能够自动匹配候选论文列表。现有的基于神经引文网络模型在引文上下文数据预处理的过程中，存在文本噪声和上下文学习不充分的问题。针对上述问题，提出一种基于层间... 详细信息

推荐算法是一种用于解决信息过载问题的方法，引文推荐通过引文上下文能够自动匹配候选论文列表。现有的基于神经引文网络模型在引文上下文数据预处理的过程中，存在文本噪声和上下文学习不充分的问题。针对上述问题，提出一种基于层间融合滤波器和社交神经引文网络的推荐算法FS-Rec。首先，利用具有层间融合滤波器的BERT模型预处理引文上下文，在频域内从所有频率中提取有意义的特征，缓解引文上下文数据的噪声。同时在频域中对多层信息进行融合，增强上下文表示学习的能力；然后在引文作者嵌入中引入社交关系，与其他引文信息嵌入通过编码器获得表示，将这些表示与经过BERT预训练的引文上下文表示进行融合，得到最终表示；最后，根据最终表示生成引文文本预测。相较于现有的上下文引文推荐模型，实验结果表明，FS-Rec在两个基准数据集arXivCS和PubMed取得了更高的召回率和平均倒数排名，证明了模型的有效性。

关键词：滤波器自注意力机制基于Transformer的双向编码器表示引文推荐预训练语言模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

图神经网络节点分类任务基准测试及分析

计算机科学 2023年

作者：张陶廖彬于炯李敏孙瑞娜贵州财经大学大数据统计学院中国科学院大学网络空间安全学院新疆医科大学医学工程技术学院新疆大学信息科学与工程学院

图神经网络(Graph Neural Network，GNN)模型由于采用端到端的模型架构，训练过程中能够更好的将节点隐藏特征的学习和分类目标协同起来，相比之前图嵌入(Graph Embedding)的方法在节点分类等任务上得到了较大的性能提升. 但是，已有图... 详细信息

图神经网络(Graph Neural Network，GNN)模型由于采用端到端的模型架构，训练过程中能够更好的将节点隐藏特征的学习和分类目标协同起来，相比之前图嵌入(Graph Embedding)的方法在节点分类等任务上得到了较大的性能提升. 但是，已有图神经模型实验对比阶段普遍存在的数据集类型单一、样本量不足、数据集切分不规范、对比模型规模及范围有限、评价指标单一、缺乏模型训练耗时对比等问题. 为此，本文选取了包括cora、citeseer、pubmed、deezer等在内的，来自不同领域(引文网络、社交网络及协作网络等)的共计20种数据集，以准确率、精确率、召回率、F-score值及模型训练耗时为多维评价指标，在FastGCN、PPNP、ChebyNet、DAGNN等17种主流图神经网络模型上，进行了全面且公平的节点分类任务基准测评，进而为真实业务场景下的模型选择提供决策参考. 通过基准测试实验发现:一方面，影响模型训练速度的因素排名依次是节点属性维度、图节点规模及图边的规模；另一方面，并不存在赢者通吃的模型，即不存在在所有数据集下全都表现优异的模型，特别在公平的基准测试配置环境下，模型结构简洁的反而比复杂的GNN模型有着更好的性能表现.

关键词：图神经网络基准测试节点分类性能评估模型选择

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

简化且多层结合的知识图谱卷积网络推荐算法

计算机工程与应用 2023年第12期59卷 106-112页

作者：杨兴耀李想于炯郑捷黄仲浩新疆大学软件学院乌鲁木齐830008

将知识图谱和图卷积网络共同用于协同过滤可以很好地提升推荐质量。原图卷积网络在每层节点更新时使用的特征转换矩阵对推荐任务来说是冗余的,而且现有的基于知识图谱卷积网络的推荐方法使用最后一层卷积层学到的节点表示作为目标节点... 详细信息

将知识图谱和图卷积网络共同用于协同过滤可以很好地提升推荐质量。原图卷积网络在每层节点更新时使用的特征转换矩阵对推荐任务来说是冗余的,而且现有的基于知识图谱卷积网络的推荐方法使用最后一层卷积层学到的节点表示作为目标节点的最终向量表示,而忽视了前几层目标节点的向量表示。针对这两个问题,提出了简化且多层结合的知识图谱卷积网络推荐算法(LMCR)。该算法在各阶卷积层执行节点更新操作时,去除特征转换矩阵并根据数据的稀疏性有选择地保留或舍去自连接;在计算目标节点的最终表示时,结合各卷积层学到的目标节点表示。在MovieLens-20M和Last.FM数据集上进行的实验显示LMCR优于其他推荐模型,并验证了去除特征变换矩阵和多层结合操作对提升推荐性能的有效性。

关键词：推荐系统协同过滤多层结合图卷积网络知识图谱

在线全文

学校读者我要写书评

暂无评论

异构Spark集群数据倾斜修正调度策略

计算机工程与科学 2022年第4期44卷 620-630页

作者：卞琛修位蓉于炯广东金融学院互联网金融与信息工程学院广东广州510521 广州商学院信息技术与工程学院广东广州511363 新疆大学信息科学与工程学院新疆乌鲁木齐830046

异构Spark集群存在木桶效应,不合理的并行度导致任务分配与工作节点计算能力的适配性较差,进而影响集群计算效率和资源利用率。针对这一问题,首先建立模型,分析数据分布、并行度参数和节点任务分配的耦合关系,提出算法的优化目标,设计异... 详细信息

异构Spark集群存在木桶效应,不合理的并行度导致任务分配与工作节点计算能力的适配性较差,进而影响集群计算效率和资源利用率。针对这一问题,首先建立模型,分析数据分布、并行度参数和节点任务分配的耦合关系,提出算法的优化目标,设计异构Spark集群的数据倾斜修正调度策略DSCS,包括并行度预估算法、数据倾斜修正算法和异构节点任务分配算法。预估算法对并行度进行先期设定,数据倾斜修正算法根据首个计算阶段的统计信息进行数据重新划分和并行度修正,由异构节点任务分配算法对集群不同计算能力的工作节点进行合理的任务分配,从而提高数据计算量与节点计算能力的适配性,优化Spark集群的整体性能。实验结果表明:在不同作业类型、不同数据集条件下,算法均取得了一定的性能提升,并能有效减少工作节点外存溢写的概率。

关键词： Spark 并行调度数据分配异构集群数据倾斜