针对智慧协同网络提出一种服务内容在传输路径上的缓存分配策略。该策略根据服务内容的流行度部署其在传输路径上的缓存位置,以求充分、高效地发挥网络缓存作用,进而提升网络的总体性能。所提分配策略分别在5层树型拓扑和由279个节点组...针对智慧协同网络提出一种服务内容在传输路径上的缓存分配策略。该策略根据服务内容的流行度部署其在传输路径上的缓存位置,以求充分、高效地发挥网络缓存作用,进而提升网络的总体性能。所提分配策略分别在5层树型拓扑和由279个节点组成的真实网络拓扑中进行了性能测试。结果显示,该策略在所测的性能参数中表现出色,就平均服务获取距离而言,较命名数据网络(NDN,named data nerworking)所使用的LCE(leave copy everywhere)策略,其性能提高20%以上。展开更多
介绍一种有效支持缓存协作的未来网络体系架构:智慧协同网络,然后提出了一种高效的协作缓存机制,称为Co Lo RCache。Co Lo RCache的主要目标是减小缓存冗余和建立缓存共享机制。我们通过仿真结果来验证Co Lo RCache。仿真数据表明,相比...介绍一种有效支持缓存协作的未来网络体系架构:智慧协同网络,然后提出了一种高效的协作缓存机制,称为Co Lo RCache。Co Lo RCache的主要目标是减小缓存冗余和建立缓存共享机制。我们通过仿真结果来验证Co Lo RCache。仿真数据表明,相比较于其他缓存机制,Co Lo RCache能够产生更高的缓存命中率和有着最小的请求命中距离。展开更多
为更好地解决传统模型特征捕捉能力不足,词向量语义表示不准确等问题,提出了结合MacBERT与多层次特征协同网络的音乐社交评论情感分析模型MacBERT-MFCN(MacBERT and Multi-level Feature Collaborative Network)。采用MacBERT模型提取...为更好地解决传统模型特征捕捉能力不足,词向量语义表示不准确等问题,提出了结合MacBERT与多层次特征协同网络的音乐社交评论情感分析模型MacBERT-MFCN(MacBERT and Multi-level Feature Collaborative Network)。采用MacBERT模型提取评论文本特征向量,解决静态词向量无法表示多义词的问题;多层次特征协同网络结合双向内置注意力简单循环单元(Bidirectional Built in Attention Simple Recurrent Unit,BiBASRU)和多层次卷积神经网络(Multilevel Convolutional Neural Network,MCNN)模块,全面捕捉局部和上下文语义特征;软注意力用来衡量分类特征贡献的大小,赋予关键特征更高权重。基于网易云评论文本数据集进行实验,结果表明,MacBERTMFCN模型F1值高达95.56%,能有效地提升文本情感分类准确率。展开更多
智慧协同网络具有能够实时准确测算流量矩阵的特点。将流量矩阵作为约束,对负载均衡路由优化问题进行建模,利用拉格朗日对偶方法,将原问题转化为优化目标易实现的对偶问题。为实现对偶问题优化目标,提出一种基于流量矩阵的负载均衡路由(...智慧协同网络具有能够实时准确测算流量矩阵的特点。将流量矩阵作为约束,对负载均衡路由优化问题进行建模,利用拉格朗日对偶方法,将原问题转化为优化目标易实现的对偶问题。为实现对偶问题优化目标,提出一种基于流量矩阵的负载均衡路由(TM-LB,traffic matrix based load balancing)算法,供控制层根据实时网络情况为后续流规划传输路径。利用OMNET++仿真器在NFSnet拓扑结构上进行仿真实验,结果表明TM-LB相比传统路径规划机制能有效避免拥塞,实现负载均衡。最后,搭建原型系统对TM-LB算法的开销进行测试。展开更多
文摘针对智慧协同网络提出一种服务内容在传输路径上的缓存分配策略。该策略根据服务内容的流行度部署其在传输路径上的缓存位置,以求充分、高效地发挥网络缓存作用,进而提升网络的总体性能。所提分配策略分别在5层树型拓扑和由279个节点组成的真实网络拓扑中进行了性能测试。结果显示,该策略在所测的性能参数中表现出色,就平均服务获取距离而言,较命名数据网络(NDN,named data nerworking)所使用的LCE(leave copy everywhere)策略,其性能提高20%以上。
文摘介绍一种有效支持缓存协作的未来网络体系架构:智慧协同网络,然后提出了一种高效的协作缓存机制,称为Co Lo RCache。Co Lo RCache的主要目标是减小缓存冗余和建立缓存共享机制。我们通过仿真结果来验证Co Lo RCache。仿真数据表明,相比较于其他缓存机制,Co Lo RCache能够产生更高的缓存命中率和有着最小的请求命中距离。
文摘为更好地解决传统模型特征捕捉能力不足,词向量语义表示不准确等问题,提出了结合MacBERT与多层次特征协同网络的音乐社交评论情感分析模型MacBERT-MFCN(MacBERT and Multi-level Feature Collaborative Network)。采用MacBERT模型提取评论文本特征向量,解决静态词向量无法表示多义词的问题;多层次特征协同网络结合双向内置注意力简单循环单元(Bidirectional Built in Attention Simple Recurrent Unit,BiBASRU)和多层次卷积神经网络(Multilevel Convolutional Neural Network,MCNN)模块,全面捕捉局部和上下文语义特征;软注意力用来衡量分类特征贡献的大小,赋予关键特征更高权重。基于网易云评论文本数据集进行实验,结果表明,MacBERTMFCN模型F1值高达95.56%,能有效地提升文本情感分类准确率。
文摘智慧协同网络具有能够实时准确测算流量矩阵的特点。将流量矩阵作为约束,对负载均衡路由优化问题进行建模,利用拉格朗日对偶方法,将原问题转化为优化目标易实现的对偶问题。为实现对偶问题优化目标,提出一种基于流量矩阵的负载均衡路由(TM-LB,traffic matrix based load balancing)算法,供控制层根据实时网络情况为后续流规划传输路径。利用OMNET++仿真器在NFSnet拓扑结构上进行仿真实验,结果表明TM-LB相比传统路径规划机制能有效避免拥塞,实现负载均衡。最后,搭建原型系统对TM-LB算法的开销进行测试。
