-
题名数据中心SFC+X编排评测环境的构建:POC方法
- 1
-
-
作者
刘振宇
李华
王璐
-
机构
内蒙古大学计算机学院(软件学院)
-
出处
《计算机工程与科学》
CSCD
北大核心
2024年第10期1735-1747,共13页
-
基金
国家自然科学基金(62262047,62066034)
内蒙古科技计划(201802028,2020GG0186)。
-
文摘
根据不同场景要求及相应业务需求,服务功能链SFC可以部署在边缘云到数据中心、数据中心之间以及数据中心内部,然而,由于数据中心固有的重资产属性,在其基础上灵活组合的SFC+X编排评测工作因无经济有效的评测环境而难以进行。基于概念证明POC方法进行评测,可以针对实际情况实现一个模型或被测对象中最重要部分,以较小的实施代价验证所关注的问题。在对数据中心SFC+X编排的评测过程中,围绕POC评测环境能否有效评测SFC+X编排功能正确性及有效度量SFC+X编排性能指标,对POC评测方法是否可以解决数据中心SFC+X编排评测问题进行分析,论证了SFC功能正确的传递性原则和性能指标蜕变关系保持原则,提出了POC评测方法可行性定理,并依此原则和定理结合数据中心SFC+X编排特点,对评测所需硬件资源进行约减,以设计实现POC评测环境。通过理论推导及POC验证方法证明了POC评测方法不仅能够有效评测SFC+X编排功能的正确性,而且还可以度量SFC+X编排性能指标。最后提出一种基于POC方法的数据中心SFC+X编排是否满足SLA的评测方法,为数据中心SFC+X编排评测问题提供了一个经济有效的解决方案。
-
关键词
POC方法
testOracle
POC评测环境
数据中心
功能评测
性能度量
-
Keywords
POC method
test oracle
POC evaluation environment
data center
functional evaluation
performance measurement
-
分类号
TP302.7
[自动化与计算机技术—计算机系统结构]
-
-
题名DL+:一种增强型双层知识图谱推理框架
被引量：3
- 2
-
-
作者
武月佳
周建涛
-
机构
内蒙古大学计算机学院(软件学院)
生态大数据教育部工程研究中心
蒙古文智能信息处理技术国家地方联合工程研究中心
内蒙古自治区云计算与服务软件工程实验室
内蒙古自治区社会计算与数据处理重点实验室
内蒙古自治区纪检监察大数据重点实验室
内蒙古自治区大数据分析技术工程实验室
-
出处
《计算机科学》
CSCD
北大核心
2023年第12期302-313,共12页
-
基金
国家自然科学基金(62162046)
内蒙古科技攻关项目(2021GG0155)
+2 种基金
内蒙古自然科学基金重大项目(2019ZD15)
内蒙古自然科学基金(2019GG372)
内蒙古大学研究生创新创业专项经费(11200-5223737)。
-
文摘
知识图谱是图数据库的一个重要研究领域,它可以形式化地描述现实世界中的事物及其关系,但其不完整性和稀疏性阻碍了其在诸多领域中的应用。知识图谱推理技术旨在根据知识图谱中已有的知识来推断新的知识或识别错误的知识以完善知识图谱。尽管现有的各类推理方法可以获得部分有效知识,但仍然存在获取路径不全、忽略局部信息和引入噪声等问题。基于此,发现且明确提出路径连通性差问题并证明推理有效性与实体间路径连通比率呈正相关规律,进一步提出一种用于增强现有推理方法性能的双层框架DL+。模型第一层是知识增广器,主要利用社区发现算法在初始知识图谱上提取实体邻域信息,构建新知识以增广知识规模,然后设计社区剪枝优化去除构建时引入的噪声,最后将增广后的知识图谱抽取还原为与初始图谱表示相同的结构并输出到第二层以保证模型“即插即用”的特性。第二层是知识推理机,通过在知识增广后的图谱上进行学习推理以达到增强现有知识图谱推理模型的目的,使模型可以在图谱路径连通性比率较高的情况下获得更优的推理结果。最终在4个标准知识图谱数据集上进行的大量实验结果表明DL+算法可以有效缓解实体间路径连通性差的问题,与9类基准方法相比,所提算法的预测精度平均提高了4.798%。
-
关键词
知识图谱
知识图谱推理
社区发现
路径连通性
链接预测
-
Keywords
Knowledge graph
Knowledge graph reasoning
Community discovery
Path connectivity
Link prediction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名跨文化语境中的多语言语声情感识别
- 3
-
-
作者
陈欣
张晖
-
机构
内蒙古大学计算机学院(软件学院)
-
出处
《应用声学》
2025年第4期834-841,共8页
-
文摘
为探讨不同文化背景下语言情感表达的差异,并提出一种更加鲁棒的情感识别模型,该文以中国文化和西方文化为研究背景,使用多种情感数据库对多种情感识别器进行了跨语言情感识别实验,并提出了一种双流语声情感识别模型(Dual-TCNet)。该模型通过多层次特征融合,更有效地捕捉了全局和局部信息。实验结果表明,不同语言的情感表达方式存在显著差异,所提出的Dual-TCNet模型在未加权精度和加权精度两个指标上均显著优于基线模型。该模型能够更有效地实现跨语言情感识别,为构建具有广泛适应性的语声情感识别系统提供了新的思路。
-
关键词
文化差异
跨语言情感识别
双流模型
语声情感分析
-
Keywords
Cultural differences
Cross-language sentiment recognition
Dual stream model
Sentiment analysis
-
分类号
O429
[理学]
-
