-
公开(公告)号：CN118333162B
公开(公告)日：2024-08-30
申请号：CN202410767679.0
申请日：2024-06-14
Applicant: 安徽大学
Abstract: 本申请涉及一种混合局部文本实体因果结构学习方法、装置和电子设备，其中，混合局部文本实体因果结构学习方法包括：依次在变量队列中确定当前学习变量，采用基于约束的PC发现方法确定当前学习变量的局部因果骨架，并将当前学习变量加入变量集中；遍历局部因果骨架中的每个变量，计算变量的第一局部结构分数和第二局部结构分数；当变量的第一局部结构分数小于第二局部结构分数时，从局部因果骨架中删除变量，并将局部因果骨架加入当前因果骨架中；确定当前因果骨架中每个变量的因果方向。解决了现有的局部因果结构学习方法在少量文本样本情况下，无法准确地学习识别出文本中不同实体间的因果关系的问题。
-
公开(公告)号：CN117762897A
公开(公告)日：2024-03-26
申请号：CN202311774335.4
申请日：2023-12-21
Applicant: 安徽大学
Abstract: 本发明涉及数据库软件调试技术领域，更具体的，涉及基于大语言模型与深度强化学习的数据库配置参数调优方法及系统。本发明包括：步骤一，获取目标数据库软件的调优源信息；步骤二，通过大语言模型对调优源信息进行处理；再采用提问回答的方式，获取大语言模型返回的推荐参数值、并整理成参数二元表；步骤三，按照参数二元表对目标数据库软件进行测试，得到初始转变数据序列；步骤四，基于初始转变数据序列训练DDPG for demonstration模型；待DDPG for demonstration模型收敛后，输出最终参数值。本发明将专家经验融入到强化学习的过程中，为尽可能减少调优的代价和提高调优的准确性提供了可行的解决方案。
-
公开(公告)号：CN117407488A
公开(公告)日：2024-01-16
申请号：CN202311346289.8
申请日：2023-10-17
Applicant: 安徽大学
Abstract: 本发明涉及语音处理技术领域，更具体的，涉及一种基于异构图的政务热线内容关键短语挖掘方法及系统。本发明先对政务热线通话转录成对话文本数据，再根据对话文本数据构建出对话异构图，接着使用训练好的异构神经网络模型对对话异构图进行处理，从而得到能够反映政务热线内容重点的关键短语，实现从政务热线通话自动挖掘出关键信息，便于后续依据挖掘的关键短语对政务热线进行分类。相较于人工记录政务热线通话内容、并人工进行判断分类，本发明可以降低错误率、提高效率。本发明解决了现有对政务热线进行汇总分类存在错误、效率偏低的问题。
-
公开(公告)号：CN116107664B
公开(公告)日：2023-11-03
申请号：CN202310197816.7
申请日：2023-03-03
Applicant: 安徽大学
IPC: G06F9/445
Abstract: 本发明属于计算机软件领域，具体涉及一种低代价的高维多目标软件配置参数调优方法、系统，以及对应的工具。该参数调优方法包括如下步骤：S1：识别当前优化目标对应的关键配置参数组；S2：对软件系统进行配置文件初始化；S3：对软件系统进行压力测试和性能评估；S4：基于帕累托前沿质量改进的多目标配置调优算法迭代生成新的配置方案；S5：循环执行步骤S2‑S4，直到迭代次数达到预设值或软件系统性能满足优化目标时，输出所需的推荐配置；参数调优系统包括：关键配置参数识别模块、配置方案更新模块，测试方案执行模块等。本发明解决现有配置优化方案在高维配置空间中的配置优化效果不佳、优化成本较高的问题。
-
公开(公告)号：CN116541617B
公开(公告)日：2023-09-19
申请号：CN202310777988.1
申请日：2023-06-29
Applicant: 安徽大学
IPC: G06F16/9537 , G06F16/9536 , G06F16/29
Abstract: 本发明提供参会用户及地点推荐方法及系统，方法包括：从活动举办方获得核心用户集合，从位置社交网络中得到每个用户的轨迹序列；利用局部社区检测算法挖掘核心用户集合所在的社区，从而获得参会用户；利用简单加权偏好融合策略，计算核心用户集合中每个轨迹点的评分，以生成轨迹点推荐列表；根据以上步骤得到参会用户名单和轨迹点，提供给活动举办方。（1）本发明从活动举办方角度出发，将生活轨迹上相似且社交关系联系密切的用户作为参加活动的潜在用户。再根据这些用户的轨迹数据，确定举办活动的地点。（2）本发明采用局部社区发现算法来获得参会用户。相比于访问整个数据集的传统推荐技术，具有更低的时间开销。本发明更适用于大数据集。
-
Patent Agency Ranking
公开(公告)号：CN116244076A
公开(公告)日：2023-06-09
申请号：CN202310103929.6
申请日：2023-02-13
Applicant: 安徽大学
Abstract: 发明属于大数据领域，具体涉及一种面向云环境流处理任务的资源成本优化方法、系统、工具。该方法包括如下步骤：S1：构建基准性能测试工具。S2：构建云端控制器。S3：基于改进高维贝叶斯优化算法构建调优模型。S4：通过调优模型求解出实时处理系统的最佳配置。求解过程包含如下步骤：S41：初始化参数配置空间和超参数组合概率空间。S42：初始化观察集。S43：预设最大迭代轮次，并循环执行迭代求解过程。S44：将观察集中的最佳配置，输出作为所需的推荐配置。本发明提供的资源成本优化系统包括：基准性能测量模块、云端控制器和调优模型。本发明解决了现有配置优化方案无法有效应对流处理任务中的云配置和软件性能配置的协同调优场景的问题。
-
公开(公告)号：CN116149855A
公开(公告)日：2023-05-23
申请号：CN202310002221.1
申请日：2023-01-03
Applicant: 安徽大学
Abstract: 本发明提供一种微服务架构下中性能资源成本优化方法及系统，方法包括：对微服务调用链路以及服务指标，据以识别获取请求链路中的关键路径，据以调优关键服务的配置参数；初始化配置参数并运行微服务系统；针对微服务系统，进行压力测试并收集压测系统性能指标；使用多目标调优算法生成新的配置方案，并变更应用至微服务系统；循环执行压力测试并收集系统性能指标及生成新的配置方案并变更应用到微服务系统的操作，直至循环的次数达到预置重复次数阈值，将最优配置应用于微服务系统，以作为后续执行配置方案。本发明进行性能指标与成本开销的多目标优化，对微服务资源配置参数和微服务自身软件参数协同调优，通过降维方案对配置参数进行降维处理。
-
公开(公告)号：CN109711644B
公开(公告)日：2023-04-18
申请号：CN201910137602.4
申请日：2019-02-25
Applicant: 安徽大学
Abstract: 本发明公开了一种基于改进花粉算法的火电机组负荷优化分配方法，包括：根据发电机组的煤耗特性参数拟合煤耗特性曲线并建立负荷优化分配模型，通过罚函数法将其转换为非约束问题，结合改进花粉算法将总发电功率分配给各台机组，最终得到各机组最优的负荷分配结果。本发明能够在已给电力总功率的情况下，科学合理分配每台发电机组的最优值，从而降低机组所消耗的供电煤耗。
-
公开(公告)号：CN115858868A
公开(公告)日：2023-03-28
申请号：CN202211536223.0
申请日：2022-12-01
Applicant: 安徽大学
IPC: G06F16/901 , G06F16/9035 , G06F18/22
Abstract: 本发明公开了基于噪声图流的局部社区检测方法及其系统、终端与介质。所述检测方法用于从文件系统中以数据流的方式读取图集中每一张图中的边，这些边的集合定义为图流，通过检测图流中的每一条边获得待检测社区。所述检测方法包括：定义边的集合和节点集合；检测噪声边；扩展待检测社区的节点集合；修剪扩展后的节点集合形成所述待检测社区。本发明在面对大规模数据集时面临的巨大内存开销，以及检测的准确度容易受到图中噪声边的影响，通过流式读取的方式极大的减少了内存的开销，使得该方法能够应用于大规模数据图的应用场景，并且通过噪声边的检测以及定义了一个健壮性的节点隶属度指标来减少噪声边对社区检测准确度的影响，获得较高的准确度。
-
公开(公告)号：CN115658546A
公开(公告)日：2023-01-31
申请号：CN202211425894.X
申请日：2022-11-15
Applicant: 安徽大学
IPC: G06F11/36 , G06F16/18 , G06F16/11 , G06F16/2458 , G06N3/0442 , G06F16/906
Abstract: 本发明提供一种基于异质信息网络的软件故障预测方法及系统，方法包括：搭建ELK平台，收集各个节点产生的日志；使用Logparser对上文收集的日志进行模板提取；对处理后的日志数据进行异质信息网络快照的构建；以日志的Level对日志分类，其中Info代表正常日志，WARN代表警告日志，ERROR代表错误日志；将S中的序列按照时间顺序依次使用LSTM编码器，动态学习随时间变化的图的进化模式，并预测下一个时间戳的拓扑结构；使用多层LSTM模型搭建的编码器以及处理流程中，每层部署m个LSTM单元，将隐藏信息沿着序列和层级传递给相邻下一个单元，不断学习更新。本发明解决了预测准确率低以及适用性较差的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.035 seconds)
