数据网格中基于效益函数的副本管理策略

通过分析数据网格中几种经典的副本管理策略的特点,针对网格这样一个协作计算的环境,提出了基于效益函数的副本管理策略,构建具有协作涵义的效益函数作为网格节点替换本地数据副本的依据.在网格模拟器OptorSim上进行的模拟实验结果表明:提出的基于效益函数的策略相比于基于经济模型的副本管理策略,在降低网络的利用率、减少带宽和存储资源消耗的同时缩短了系统的响应时间,达到了提高系统性能的目的.论证了该策略对于副本的管理是行之有效的.     

副本定位请求的调度算法

针对数据网格中各个网格节点的异构性等特点,提出了基于FCFS和“能者多劳”相结合的调度方法,在假设条件副本定位请求的产生速率相同以及所有宿主节点的定位能力总和相同成立的情况下,假设各个宿主节点之间的定位能力成等比数列.利用Java程序对系统模拟,模拟实验结果表明:系统在采用基于FCFS和“能者多劳”相结合的调度方法时,相比于采用M/M/N模型中基于FCFS的调度方法,能够使系统平均响应时间等多个性能参数得到改善.     

面向武器装备领域的复杂实体识别

针对武器装备领域复杂实体的特点, 提出一种融合多特征后挂载武器装备领域知识的复杂命名实体识别方法。首先, 使用BERT 模型对武器装备领域数据进行预训练, 得到数据向量, 使用Word2Vec模型学习郑码、五笔、拼音和笔画的上下位特征, 获取特征向量。然后, 将数据向量与特征向量融合, 利用Bi-LSTM模型进行编码, 使用CRF解码得到标签序列。最后, 基于武器装备领域知识, 对标签序列进行复杂实体的触发检测, 完成复杂命名实体识别。使用环球军事网数据作为语料进行实验, 分析不同的特征组合、不同神经网络模型下的识别效果, 并提出适用于评价复杂命名实体识别结果的计算方法。实验结果表明, 提出的挂载领域知识且融合多特征的武器装备复杂命名实体识别方法的F1值达到95.37%, 优于现有方法。     

基于分层序列标注的实体关系联合抽取方法

为了提高实体关系联合抽取的效果,提出一种端到端的联合抽取模型(HSL).HSL模型采取一种新的标记方案,将实体和关系的联合抽取转化成序列标注问题,同时采用分层的序列标注方式来解决三元组重叠问题.实验证明,HSL模型能有效地解决三元组重叠问题,在军事语料数据集上F1值达到80.84％,在公开的WebNLG数据集上F1值达...