基于资源使用率预测的作业超量分配调度方法及系统

    公开(公告)号:CN117707747A

    公开(公告)日:2024-03-15

    申请号:CN202410166795.7

    申请日:2024-02-06

    IPC分类号: G06F9/48 G06F9/50

    摘要: 本公开提供了基于资源使用率预测的作业超量分配调度方法及系统,涉及高性能计算的作业调度技术领域,若目标作业为长作业,则将长作业注册到资源使用率预测模块的工作队列中,获取实时的各节点的资源使用率数据,并输入至资源使用率预测模块预测所有运行长作业的节点未来设定时间各类资源的使用率情况,并使用调度算法根据资源使用率预测模型输出的预测数据确定最优运行节点;若目标作业为短作业,则根据其总体资源使用率的估计值在所有运行长作业的节点中进行匹配,并分配到最佳匹配节点;本公开有效解决了集群中的资源闲置问题。

    基于多粒度卷积特征融合的中文情感分析方法及系统

    公开(公告)号:CN117688944A

    公开(公告)日:2024-03-12

    申请号:CN202410128833.X

    申请日:2024-01-31

    摘要: 本发明提出了基于多粒度卷积特征融合的中文情感分析方法及系统,涉及自然语言处理领域,具体方案包括:对待分析的中文文本数据进行分词处理,得到词向量;将所述词向量分别输入到多粒度卷积层和L‑BiLSTM层,得到局部情感特征和全局情感特征;所述局部情感特征和全局情感特征经过特征融合层和缩放点积自注意力层后,得到文本情感特征;基于文本情感特征,通过寻找情感标签转移概率优化情感标签,得到最优的情感分类结果;本发明在传统的BiLSTM网络中引入长度门,动态地调整输出序列的长度,得到L‑BiLSTM网络,综合Bert模型和多粒度卷积网络,实现对文本情感特征的高效保留和高效提取,显著提高了中文情感分析的准确性。