-
公开(公告)号：CN114650297B
公开(公告)日：2023-03-10
申请号：CN202210150833.0
申请日：2022-02-14
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
IPC: H04L67/1008 , H04L67/1012 , H04L43/0852
Abstract: 本发明公开了一种多微服务调用环境下自适应自动缩放方法及系统，包括：根据微服务的压测时延情况，确定每个微服务初始的服务算力常数值；在微服务运行时，基于服务算力常数值与服务请求流量情况，计算每个微服务的实时服务算力；通过对微服务状态的监测，自适应调整微服务的预期服务算力；对比每个微服务的实时服务算力和自适应调整的预期服务算力，决策微服务实例是否需要缩放，当条件满足缩放条件时，对微服务的实例进行缩放；基于缩放决策，实时调整微服务的服务算力，将流量比率反映到下游服务，递归地调整下游服务的服务算力。利用本发明，可以在复杂微服务集群中，针对服务请求和时延情况动态地调整微服务的实例数量。
-
公开(公告)号：CN114650297A
公开(公告)日：2022-06-21
申请号：CN202210150833.0
申请日：2022-02-14
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
IPC: H04L67/1008 , H04L67/1012 , H04L43/0852
Abstract: 本发明公开了一种多微服务调用环境下自适应自动缩放方法及系统，包括：根据微服务的压测时延情况，确定每个微服务初始的服务算力常数值；在微服务运行时，基于服务算力常数值与服务请求流量情况，计算每个微服务的实时服务算力；通过对微服务状态的监测，自适应调整微服务的预期服务算力；对比每个微服务的实时服务算力和自适应调整的预期服务算力，决策微服务实例是否需要缩放，当条件满足缩放条件时，对微服务的实例进行缩放；基于缩放决策，实时调整微服务的服务算力，将流量比率反映到下游服务，递归地调整下游服务的服务算力。利用本发明，可以在复杂微服务集群中，针对服务请求和时延情况动态地调整微服务的实例数量。
-
公开(公告)号：CN106251071A
公开(公告)日：2016-12-21
申请号：CN201610619292.6
申请日：2016-07-27
Applicant: 浙江大学滨海产业技术研究院
CPC classification number: G06Q10/0633 , H04L67/10
Abstract: 本发明属于云工作流技术领域，尤其涉及一种支持多种引擎的云工作流实现方法，其特征在于对于给定的各种类型的任务，通过转换方式，从引擎机群中找到合适的引擎来完成该任务。本发明的有益效果为：该方法实现了工作流系统中引擎与数据的解耦，从而使用户提交的任务不再受限于特定的引擎来执行，达到了云工作流引擎机群的任意引擎可以为任意用户提供服务的目标，通过对任务的分析、数据提取、引擎调度、任务与引擎间的适配，将原本指定特定引擎执行的任务可被分配给更多的引擎来执行，从而实现了支持多种引擎。
-
公开(公告)号：CN117668354A
公开(公告)日：2024-03-08
申请号：CN202311492668.8
申请日：2023-11-10
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F16/9535 , G06F16/9536 , G06N20/00 , G06F17/16 , G06N3/0464 , G06N3/084 , G06N3/04
Abstract: 本发明公开了一种可学习增强的图对比推荐方法，包括如下步骤：步骤一，对原始交互矩阵进行表示学习以进行原始交互图学习，这使模型能够保留原始信息，以保留有价值的上下文关系；步骤二，构建若干个视图生成器来获得可学习的矩阵以进行可学习视图的表示学习；步骤三，引入基于SVD的潜在矩阵来探索潜在的用户‑物品关系以进行潜在用户‑物品关系建模；步骤四，采用三视图对比策略来帮助学习主要推荐任务以进行三重视图对比学习。本发明的可学习增强的图对比推荐方法，通过结合图对比学习和可学习增强，便可将生成的可学习视图被很好地细化为无噪声。
-
公开(公告)号：CN118113731A
公开(公告)日：2024-05-31
申请号：CN202311486619.3
申请日：2023-11-09
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F16/2452 , G06F16/242 , G06F16/2453 , G06F16/901 , G06N3/045
Abstract: 本发明公开了一种基于注意力机制的自然文本转图数据库查询语言的方法，包括如下步骤：步骤一，构建CQL查询模板，获取自然文本问题、图数据库模式；步骤二，进行嵌入表示；步骤三，预测MATCH子句；步骤四，预测WHERE子句；步骤五，预测RETURN子句；步骤六，进行反向传播，更新网络参数，完成语言转换。本发明的基于注意力机制的自然文本转图数据库查询语言的方法，通过步骤一至步骤六的设置，所生成的CQL查询语句比现有的方法更加准确和规范。
-
Patent Agency Ranking
公开(公告)号：CN117950794A
公开(公告)日：2024-04-30
申请号：CN202311491000.1
申请日：2023-11-10
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F9/455
Abstract: 本发明公开了一种基于Kubernetes的服务编排系统，包括可视化编排组件，该可视化编排组件用于与用户进行人机交互，以供用户通过前端的图形化流程配置服务编排过程及其服务的相关的信息；控制面板组件，该控制面板组件与可视化编排组件通信连接，以接收可视化编排组件配置好的信息，并将信息进行解析，转换为crd的配置信息；编排引擎组件，该编排引擎组件与控制面板组件通信连接，以接收控制面板传入的配置信息，编排引擎会根据信息进行拓扑排序，并对每个节点启动一个go routine来负责完成服务编排，并将服务编排结果直接传递至用户；其中，控制面板组件的crd是指k8s里的operator。本发明的基于Kubernetes的服务编排系统，基于Kubernetes的服务编排系统。
-
公开(公告)号：CN117909577A
公开(公告)日：2024-04-19
申请号：CN202311858903.9
申请日：2023-12-30
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F16/9535 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种多行为感知的图对比推荐方法，包括：(1)原始视图上的表示学习；(2)无噪视图上的表示学习；(3)多行为感知建模，包含潜在行为建模、E步的行为表示学习和M步的行为对比学习；(4)多任务学习。本发明很好地建模了用户的多种行为，从而更加有效地捕捉了用户/物品之间的交互关系，使得表示得到进一步提升；同时，解决了对比学习中的噪声问题，使得本发明推荐方法学习到的表示更加有效。
-
公开(公告)号：CN117829165A
公开(公告)日：2024-04-05
申请号：CN202311646344.5
申请日：2023-12-04
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F40/35 , G06F40/211 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于大语言模型的超采样文本生成方法，包括：(1)将输入文本切分出基本文本单元；(2)基于大语言模型对文本进行特征嵌入，识别相邻基本文本单元之间的语义跃迁，构建由前段、中段、后段组成的文本三元组；(3)每个文本三元组初始化段落嵌入和位置嵌入，和文本嵌入相加得到综合嵌入；(4)将综合嵌入送入超采样模型，捕捉中间被省略的语义信息，得到特征向量；(5)使用多头注意力将特征向量和实际前后段文本的综合嵌入进行信息融合，并与前段文本综合嵌入拼接；(6)将拼接向量送入解码生成器模型，根据前段文本信息和超采样模型对中间语义的补充，生成后续内容。本发明可以提高模型的泛化能力，提升文本生成效果。
-
公开(公告)号：CN118674239A
公开(公告)日：2024-09-20
申请号：CN202411155492.1
申请日：2024-08-22
IPC: G06Q10/0631 , G06Q10/0639 , G06Q10/067
Abstract: 本发明公开了一种面向多实体复杂场景的服务生态抽象及隐性需求分析方法，包括如下步骤：步骤一，进行服务实体及关系建模，之后进行服务能力及流程建模，完成服务生态抽象建模；步骤二，基于服务生态模型、服务日志分析及性能监测报告，评价当前服务现状，之后借助大模型能力，将当前服务状态指标作为输入，挖掘当前服务隐性需求；步骤三，基于粗糙‑模糊综合决策，确定最佳隐性需求。本发明的面向多实体复杂场景的服务生态抽象及隐性需求分析方法，能够有效的挖掘出最佳的隐性需求。
-
公开(公告)号：CN118626517A
公开(公告)日：2024-09-10
申请号：CN202410918721.4
申请日：2024-07-10
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06F16/2453 , G06F16/28 , G06F16/242 , G06F16/27
Abstract: 本发明公开了一种基于区块链数据不可篡改特性的高效分类检索结构及其衔接查询方法。本发明中的数据属性按特征进行分类，每个数据是否具有某一个特征用二进制的一个比特标识，其最终索引的数据保持区块链上数据的时序性；检索过程中以位运算和数学运算为主，最终检索得到的结果是满足条件的数据相对于第一个数据的相对偏移量，最后在数据文件中通过计算偏移量移动磁头进行精确I/O。本发明基于区块链上数据不可篡改的独特特性，能以常数数量级进行维护，具有极高的可扩展性；检索单个数据的复杂度也能降为常数数量级。同时提出了衔接查询，可以极大地减少检索开销，解决了现有区块链检索结构随着区块链上数据规模增大而导致的性能下降问题。
-
-
-
-
-
-
-
-
-
Search Results
696
records
(took 0.066 seconds)
