一种基于Kubernetes集群GPU空间共享的方法

    公开(公告)号:CN114510319B

    公开(公告)日:2025-05-02

    申请号:CN202111635865.1

    申请日:2021-12-29

    Abstract: 本发明公开了一种基于Kubernetes集群GPU空间共享的方法,涉及计算机技术领域,针对当前数据处理集群中GPU资源利用率低的问题,提出了关于GPU显存与活跃线程相结合的打分规则,并为了能够有效调度GPU资源,在集群中添加了Scheduler Extender和Device Plugin,进一步改变了以往调度策略中的静态调度方案,使用改进的蚁群算法,能够有效提高集群资源利用率,降低企业使用成本,提高效益。

    基于条件信息流最大化的大模型内容安全检测方法及系统

    公开(公告)号:CN118760896A

    公开(公告)日:2024-10-11

    申请号:CN202410943944.6

    申请日:2024-07-15

    Abstract: 本发明公开一种基于条件信息流最大化的大模型内容安全检测方法及系统,属于大模型安全技术领域。所述方法包括:利用预训练语言模型提取待检测内容文本的高阶隐向量表示;基于所述高阶隐向量表示,利用线性分类器获取待检测内容文本的安全检测结果;其中,所述预训练语言模型和所述线性分类器的网络参数的获取是通过条件信息流最大化优化目标来最大化输入‑表示信息流和表示‑任务信息流。本发明不仅可以提升预训练模型在大模型内容安全检测任务的泛化性能,也能增强对训练样本较少类别的有效判别能力,提供了模型在噪声场景下的鲁棒性。

    一种基于规则和统计学习的变形实体识别方法和装置

    公开(公告)号:CN110008307B

    公开(公告)日:2021-12-28

    申请号:CN201910048233.1

    申请日:2019-01-18

    Abstract: 本发明涉及一种基于规则和统计学习的变形实体识别方法和装置。该方法定义目标实体生成变形实体的规则,并且通过这些规则定义演绎生成算法,为每个目标实体生成大量的候选变形实体集合;利用目标实体和变形实体所在文本的上下文语义相似性,提出基于统计学习的方法来识别出上面候选变形实体集合中真正对应于目标实体的变形实体。本发明既可以找到尽可能多的变形实体,又通过识别模型保证了最终识别出的变形实体的准确性,具有良好的实用性。

    一种面向传播不确定性的谣言检测方法及装置

    公开(公告)号:CN113626685A

    公开(公告)日:2021-11-09

    申请号:CN202110773341.2

    申请日:2021-07-08

    Abstract: 本发明涉及一种面向传播不确定性的谣言检测方法及装置,包括:获取社交网络中源博文与转发博文的文本数据及若干传播数据;基于文本数据提取的文本特征,利用传播数据分别构建传播方向的初始传播图G′TD及扩散方向的初始传播图G′BU;对于初始传播图G′TD与初始传播图G′BU,分别利用图卷积网络对边的可靠性进行评估,生成传播图GTD与传播图GBU;基于传播图GTD与传播图GBU中的节点表示HTD与HBU,生成源博文的最终特征表示,以获取谣言检测结果。本发明能够缓解传播结构中不可靠传播关系带来的不确定性问题,有效提高谣言检测的准确率和F1值。

    一种基于隐式关联的多标签传播方法及系统

    公开(公告)号:CN110136016A

    公开(公告)日:2019-08-16

    申请号:CN201910270828.1

    申请日:2019-04-04

    Abstract: 本发明涉及一种基于隐式关联的多标签传播方法及系统。该方法包括:对给定的网络构建局部网络结构图,其中部分节点的标签信息已知,并计算概率转移矩阵;基于标签共现方法挖掘多标签之间的隐式关联信息;生成节点-标签矩阵并初始化未知节点的标签信息;根据概率转移矩阵以及隐式关联信息对每一个未知节点的标签进行更新;基于节点-标签矩阵计算更新停止条件;反复执行上述更新步骤直到满足更新停止条件或者达到给定的迭代次数;根据节点-标签矩阵生成网络中未知标签信息的节点的标签信息。本发明能够更好的挖掘标签之间的关联关系,加速方法的收敛速度,从而更准确全面的分析大型网络用户的标签信息。

    一种基于注意力机制的实体关系联合抽取方法和系统

    公开(公告)号:CN109902145A

    公开(公告)日:2019-06-18

    申请号:CN201910048837.6

    申请日:2019-01-18

    Abstract: 本发明涉及一种基于注意力机制的实体关系联合抽取方法和系统。该方法的步骤包括:将训练数据中标注的实体和关系的三元组,转化为每个词对应一个预定义类型的标签的形式;将训练数据的句子中的每个词映射成对应的词向量,输入基于注意力机制的神经网络模型,并通过反向传播算法进行训练,得到标签预测模型;将需进行实体关系抽取的句子输入训练完成的标签预测模型,预测出每个词对应的标签,根据标签和三元组中每个词的对应关系,得到句子中存在的实体关系三元组。该系统包括预处理模块、模型训练模块和结果处理模块。本发明通过更有效的利用句子中的关键信息,提升了关系实体联合抽取的性能,具有良好的实用性。

    一种面向事件查询建议的关键词抽取方法和事件查询建议生成方法及检索系统

    公开(公告)号:CN109857866A

    公开(公告)日:2019-06-07

    申请号:CN201910031772.4

    申请日:2019-01-14

    Abstract: 本发明涉及一种面向事件查询建议的关键词抽取方法和事件查询建议生成方法及检索系统。该关键词抽取方法首先从文本中抽取事件的关键元素,并根据事件的关键元素获取事件特征;然后对文本与事件特征进行双向聚类,得到与事件对应的事件关键词。该事件查询建议生成方法将事件关键元素与事件关键词进行组合,生成查询建议。该检索系统包括:在线模块,负责将用户提交的查询映射到对应的事件上;离线模块,包含事件查询建议生成装置,负责根据对应的事件给用户提供相应的查询建议。本发明将事件识别与关键词抽取两个任务同时进行,使得两个任务相互配合与相互受益,同时得到事件及其对应的事件关键词,该事件关键词具有区分相似主题的事件的能力。

Patent Agency Ranking