技术新讯 > 计算推算,计数设备的制造及其应用技术 > 多要素异构资源统一表征方法、装置及设备  >  正文

多要素异构资源统一表征方法、装置及设备

  • 国知局
  • 2024-07-31 23:09:43

本发明涉及表征学习、认知智能,具体地,涉及一种多要素异构资源统一表征方法、装置及设备。

背景技术:

1、为了实现存储资源、计算资源、网络资源、感知资源、时频资源等多要素异构资源的统一纳管,需研究各类要素资源的统一表征,即把不同来源、类型或格式的多种资源数据,从不同的高维稀疏的向量空间映射到同一低维稠密的向量空间中,保留资源分配、调度、管理相关属性,去除其他不相关属性,从而得到每类要素资源的统一表征。

2、现有的多要素资源表征的方式如下:基于多抗生成网络(gans)、变分自动编码机(vaes),通过深度神经网络学习可解释的向量,从而实现要素资源的表示。或,通过单一要素的监督信号学习多要素的表征,构建从多要素共享表征空间,再利用gan和分类器来综合训练神经网络。或,通过多要素的自动编码解离两个要素的表征,构建共享表征和要素资源的各自表征,从而实现多要素资源的细粒度区分等。

3、而现有的多要素资源表征方法通常忽略了异构要素之间的信息交互、且没有考虑各个管理域之间的不同重要程度。

技术实现思路

1、(一)要解决的技术问题

2、本发明提供一种多要素异构资源统一表征方法、装置及设备,用于至少部分解决上述技术问题之一。

3、(二)技术方案

4、本发明一方面提供一种多要素异构资源统一表征方法,包括:获取要素资源,基于要素资源的相似度构建初始联合语义矩阵;通过多要素哈希法对初始联合语义矩阵进行重构,得到重构联合语义矩阵;最小化重构联合语义矩阵和哈希码结构的重构误差,得到各要素资源的统一表征。

5、可选地,基于要素资源相似度构建初始联合语义矩阵包括:对各要素资源执行特征提取,得到每一要素资源对应的要素特征;对要素特征进行标准化处理;基于标准化处理后的要素特征构建该要素资源的相似度矩阵;根据各要素资源的相似度矩阵构建初始联合语义矩阵。

6、可选地,通过多要素哈希法对初始联合语义矩阵进行重构,得到重构联合语义矩阵,包括:基于各相似度矩阵的权重,构建中间联合语义矩阵;将中间联合语义矩阵中的每一行作为新的特征,得到该中间联合语义矩阵与其转置的乘积;基于相似度矩阵、中间联合语义矩阵以及乘积得到重构联合语义矩阵。

7、可选地,最小化重构联合语义矩阵和哈希码结构的重构误差,得到各要素资源的统一表征,包括:计算哈希码结构与重构联合语义矩阵的重构误差;基于重构误对哈希码结构和重构联合语义矩阵进行优化,直至重构误差满足预设条件,得到语义二进制编码;基于语义二进制编码执行语义聚合操作以及语义重构操作,得到各要素资源的统一表征。

8、可选地,该方法还包括:基于要素特征,构建各要素资源对应的语义矩阵张量。

9、可选地,构建各要素资源对应的语义矩阵张量,包括:基于高斯核对多个要素特征执行非线性映射,将要素特征统一映射到d维,得到每一要素特征的非线性特征;通过堆叠非线性特征得到该要素资源的语义矩阵张量。

10、可选地,语义聚合操作包括:获取各要素资源的语义结构张量;基于语义结构张量生成多要素协同图;根据多要素协同图对要素资源内的语义和要素资源间的语义进行聚合。

11、可选地,语义重构操作包括:将各要素资源传入自动编码器中,由自动编码器对要素资源进行编码,得到各要素资源的隐层表示;对隐层表示进行解码和融合,得到各要素资源的统一表示。

12、本发明第二方面提供一种多要素异构资源统一表征装置,包括:构建模块,用于获取要素资源,基于要素资源的相似度构建初始联合语义矩阵;重构模块,用于通过多要素哈希法对初始联合语义矩阵进行重构,得到重构联合语义矩阵;表征模块,用于最小化重构联合语义矩阵和哈希码结构的重构误差,得到各要素资源的统一表征。

13、本发明的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述多要素异构资源统一表征方法。

14、(三)有益效果

15、本发明提供的多要素异构资源统一表征方法至少包括以下有益效果:

16、本发明提供的多要素异构资源统一表征方法,基于多要素哈希方法进行联合语义重构,聚合来自不同要素资源的邻域信息,有效提升各要素资源之间的信息交互效果。且通过最小化联合语义矩阵与哈希结构之间的重构误差,执行语义聚合和语义操作,实现多要素资源信息融合,有效提高多要素资源信息的融合效果。

技术特征:

1.一种多要素异构资源统一表征方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述基于要素资源的相似度构建初始联合语义矩阵包括:

3.根据权利要求1所述的方法,其特征在于,所述通过多要素哈希法对初始联合语义矩阵进行重构,得到重构联合语义矩阵,包括:

4.根据权利要求1所述的方法,其特征在于,所述最小化所述重构联合语义矩阵和哈希码结构的重构误差,得到各要素资源的统一表征,包括:

5.根据权利要求2所述的方法,其特征在于,所述方法还包括:基于所述要素特征,构建各要素资源对应的语义矩阵张量。

6.根据权利要求5所述的方法,其特征在于,所述构建各要素资源对应的语义矩阵张量,包括:

7.根据权利要求4所述的方法,其特征在于,所述语义聚合操作包括:

8.根据权利要求4所述的方法,其特征在于,所述语义重构操作包括:

9.一种多要素异构资源统一表征装置,其特征在于,包括:

10.一种电子设备,其特征在于,包括:

技术总结本发明提供一种多要素异构资源统一表征方法、装置及设备,应用于表征学习、认知智能技术领域,该方法包括:获取要素资源,基于要素资源的相似度构建初始联合语义矩阵;通过多要素哈希法对初始联合语义矩阵进行重构,得到重构联合语义矩阵;最小化重构联合语义矩阵和哈希码结构的重构误差,得到各要素资源的统一表征。本发明提供的多要素异构资源统一表征方法,基于多要素哈希方法进行联合语义重构,聚合来自不同要素资源的邻域信息,有效提升各要素资源之间的信息交互效果。且通过最小化联合语义矩阵与哈希结构之间的重构误差,执行语义聚合和语义操作,实现多要素资源信息融合,有效提高多要素资源信息的融合效果。技术研发人员:李峰,张景华,付琨,梅广旭,郭子瑜,张道兵受保护的技术使用者:中国科学院空天信息创新研究院技术研发日:技术公布日:2024/7/29

本文地址:https://www.jishuxx.com/zhuanli/20240730/196153.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。