CN116094943A - 一种pcdn节点重要性排名方法、装置和设备 - Google Patents
一种pcdn节点重要性排名方法、装置和设备 Download PDFInfo
- Publication number
- CN116094943A CN116094943A CN202310366517.1A CN202310366517A CN116094943A CN 116094943 A CN116094943 A CN 116094943A CN 202310366517 A CN202310366517 A CN 202310366517A CN 116094943 A CN116094943 A CN 116094943A
- Authority
- CN
- China
- Prior art keywords
- weight matrix
- pcdn
- nodes
- correction weight
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 353
- 238000004364 calculation method Methods 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims description 173
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 3
- 238000012067 mathematical method Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1042—Peer-to-peer [P2P] networks using topology management mechanisms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种PCDN节点重要性排名方法、装置和设备，方案通过构建用于保证目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，以及构建所述目标PCDN网络内所有节点的初始权重矩阵，然后再计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵，判断所述修正权重矩阵是否收敛，当收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果，通过多次迭代就会获得数据分享多层以后的权重累加，同时通过数学方法控制其相乘时的总量规模，最终达到排名收敛后获得目标PCDN网络内所有节点的重要性的真实排名。
Description
技术领域
本发明涉及互联网技术领域，具体涉及一种PCDN节点重要性排名方法、装置和设备。
背景技术
个人内容分发网络（PersonalContentDeliveryNetwork，简称PCDN）是一种P2P+CDN的内容分发网络技术，区别于传统的CDN，一般PCDN的节点通过P2P理念分享数据，即自身既是客户端也是服务端，同时用户也作为P2P节点接入到PCDN网络后也可以进行数据分享工作，PCDN网络的结构可见图1所示。
因为PCDN是一种网状结构，各节点互为客户端服务端，PCDN的内容分发到哪个节点更加有效率，这些能够将数据更加方便快速的扩散到全网的节点被称为关键分享节点。向关键分享节点推送内容将更有效的扩散内容。
一般常见的方法是直接统计每个节点的对外分享率来进行排名，这样有个弊端就是没有考虑后续层级的影响，例如，某个节点对外分享很多，但是其下游节点却都是一些无法做二次分享的节点，而另外一个节点虽然分享内容次数不多，但其辐射访问都是具有二次分享的节点，那么第二个节点的重要性应该高于第一种。
由此可见，如何将分享数据的总体影响计算出来而不是只考虑第一层分享率是个难题，最好的办法是能将数据进行溯源，知道使用的数据最初来自哪个节点，但这样很难做到，P2P交换的数据不能有变更，如果使用特殊的附加数据则会增大很多不必要开销。因此，如何精准计算PCDN网络中各个节点的重要性，为本领域技术人员亟待解决的技术问题之一。
发明内容
有鉴于此，本发明实施例提供一种PCDN节点重要性排名方法、装置和设备，以实现PCDN网络中各个节点的重要性的精准排名。
为实现上述目的，本发明实施例提供如下技术方案：
一种PCDN节点重要性排名方法，包括：
获取目标PCDN网络内所有节点对其他节点的分享数据量；
构建所述目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，并将所述第一矩阵中所有为0的元素设置为非零值；
构建所述目标PCDN网络内所有节点的初始权重矩阵，所述初始权重矩阵中各个元素的值相同；
计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；
将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛，如果收敛，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果；
当不收敛时，将所述修正权重矩阵作为所述初始权重矩阵，并执行动作：计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；直至当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛为止；
当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
可选的，上述PCDN节点重要性排名方法中，将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛，包括：
判断所述修正权重矩阵与所述初始权重矩阵之差是否在预设范围内，如果在预设范围内，表明所述修正权重矩阵收敛，否则，表明所述修正权重矩阵未收敛；
判断当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比是否出现收敛，包括：
当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵的差值在预设范围内时，表明前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛。
可选的，上述PCDN节点重要性排名方法中，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果，包括：
获取当前周期计算得到的修正权重矩阵中的各个元素值的大小，对所述目标PCDN网络内所有节点的重要性的排序，元素值越大，则该元素对应的节点的重要性越高。
可选的，上述PCDN节点重要性排名方法中，获取目标PCDN网络内所有节点对其他节点的分享数据量，包括：
获取预设时间周期内目标PCDN网络内所有节点对其他节点的分享数据量。
可选的，上述PCDN节点重要性排名方法中，将所述第一矩阵中所有为0的元素设置为非零值，包括：
将所述第一矩阵中所有为0的元素设置为1。
一种PCDN节点重要性排名装置，包括：
数据监控单元，用于获取目标PCDN网络内所有节点对其他节点的分享数据量；
矩阵构建单元，用于构建所述目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，并将所述第一矩阵中所有为0的元素设置为非零值；构建所述目标PCDN网络内所有节点的初始权重矩阵，所述初始权重矩阵中各个元素的值相同；
计算单元，用于计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；
判断单元，用于将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛，如果收敛，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果；当不收敛时，将所述修正权重矩阵作为所述初始权重矩阵，并触发所述计算单元，直至当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛为止；当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
可选的，上述PCDN节点重要性排名装置中，所述判断单元在将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛时，具体用于：
判断所述修正权重矩阵与所述初始权重矩阵之差是否在预设范围内，如果在预设范围内，表明所述修正权重矩阵收敛，否则，表明所述修正权重矩阵未收敛；
所述判断单元在判断当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比是否出现收敛时，具体用于：
当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵的差值在预设范围内时，表明前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛。
可选的，上述PCDN节点重要性排名装置中，所述判断单元在基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果时，具体用于：
获取当前周期计算得到的修正权重矩阵中的各个元素值的大小，对所述目标PCDN网络内所有节点的重要性的排序，元素值越大，则该元素对应的节点的重要性越高。
可选的，上述PCDN节点重要性排名装置中，所述数据监控单元在获取目标PCDN网络内所有节点对其他节点的分享数据量时，具体用于：
获取预设时间周期内目标PCDN网络内所有节点对其他节点的分享数据量。
一种PCDN节点重要性排名设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现上述任一项所述的PCDN节点重要性排名方法的各个步骤。
基于上述技术方案，本发明实施例提供的上述方案，通过构建用于保证目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，以及构建所述目标PCDN网络内所有节点的初始权重矩阵，然后再计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵，判断所述修正权重矩阵是否收敛，当收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果，通过多次迭代就会获得数据分享多层以后的权重累加，同时通过数学方法控制其相乘时的总量规模，最终达到排名收敛后获得目标PCDN网络内所有节点的重要性的真实排名。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为PCDN网络的结构示意图；
图2为本申请实施例公开的PCDN节点重要性排名方法的流程示意图；
图3为图1对应的PCDN网络的第一矩阵的示意图；
图4为变形后的第一矩阵的示意图；
图5为图1对应的初始权重矩阵的示意图；
图6为本申请实施例公开的PCDN节点重要性排名装置的结构示意图；
图7为本申请实施例公开的PCDN节点重要性排名设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了精准计算PCDN网络中各个节点的重要性，本申请提供了一种PCDN节点重要性排名方法、装置和设备，方案通过统计PCDN网络中所有从本节点分享出去数据总个数来确定本机的分享能力，再通过将分享总数与被分享者的权重相乘得到本节点的权重，得到的数值作为本节点的权重，再进一步迭代相乘后可得到一次扩散的权重信息，多次迭代就会获得数据分享多层以后的权重累加，同时通过数学方法控制其相乘时的总量规模，最终达到排名收敛后获得各个节点的重要性的真实排名。
具体的，参见图2，本申请实施例公开的PCDN节点重要性排名方法，可以包括：
步骤S101：获取目标PCDN网络内所有节点对其他节点的分享数据量。
所述目标PCDN网络即为所需计算节点重要性的PCDN网络，本步骤具体用于收集目标PCDN网络中所有节点对其他节点的成功分享数量，其中，所监控的节点可以包括目标PCDN网络中的PCDN节点和普通P2P节点中的至少一项，在本方案中，可以仅获取一个预设周期内目标PCDN网络内所有节点对其他节点的分享数据量，而超出该预设周期以外的其他时刻的目标PCDN网络内所有节点对其他节点的分享数据量，不被统计。
例如，图1中的节点包括节点A、节点B、节点C、节点D、节点E，其中，节点A和节点B为PCDN节点，所述节点C、节点D、节点E为普通P2P节点，图1中，两个节点之间的连线上的数量和箭头用于表征数据分享的方向和分享数据量，以A节点为例，A节点对A、B、C、D、E节点的分享数量分别是[0,20,30,0,0]。以B节点为例，B节点对A、B、C、D、E节点的分享数量分别是[10,0,0,20,40]。
步骤S102：构建所述目标PCDN网络内所有节点对其他节点分享数据的第一矩阵。
在本步骤中，当确定所述目标PCDN网络内所有节点对其他节点的分享数据量以后，将步骤S101收集的各个节点的分享数量依据节点分享对应关系生成分享矩阵，将该矩阵记为第一矩阵，例如，对应于图1中的各个节点的第一矩阵为图3所示，矩阵中各个元素用于表征两个节点之间的分享量。元素0表示这两个节点之间无数据共享行为产生。
步骤S103：将所述第一矩阵中所有为0的元素设置为非零值。
在图3所示的第一矩阵中，该矩阵中有的元素的数值为0，此时，如果将这些元素的值保持为0，那么在后续迭代计算过程中会出现节点的权重消失的问题，由此，本方案中，为了出现避免在后续迭代中节点的权重消失的问题，本步骤中，需要预先将所述第一矩阵中所有为0的元素设置为非零值，在本方案中，所述非零值可以指的是1、2等数值，优选的，在本方案中，所述非零值可以为1，即，将所述第一矩阵中所有为0的元素设置为1。此时，所述第一矩阵变形为图4中的矩阵，即，此时没有数据共享的节点之间的数据共享量设置为1。
步骤S104：构建所述目标PCDN网络内所有节点的初始权重矩阵，所述初始权重矩阵中各个元素的值相同。
在本步骤中，用于构建所述目标PCDN网络内所有节点的初始权重矩阵，该矩阵中的各个元素用于表征目标PCDN网络内各个节点的权重值，该权重值用于表征该节点的重要程度，在本方案中，在初始时，默认目标PCDN网络内所有节点的权重值相同，此时可以将所述初始权重矩阵中的各个元素的值配置为1，可以参见图5所示。当然，也可以将所述初始权重矩阵中的各个元素的值配置为其他数值，例如，配置为2、3或4等。
步骤S105：计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵。
将第一矩阵与初始权重矩阵进行矩阵乘积后开根号，Y1= (X ·Y )1/2，其中X为第一矩阵，Y为初始权重矩阵，上标1/2表示开根号，Y1表示修正权重矩阵。
步骤S106：判断所述修正权重矩阵是否收敛，如果收敛，执行步骤S107。
在本方案中，如果是当前周期是首次计算得到所述修正权重矩阵，那么在判断所述修正权重矩阵是否收敛时，需要将所述修正权重矩阵与所述初始权重矩阵进行对比，即，当计算得到修正权重矩阵Y1后将其与初始权重矩阵进行对比，基于对比结果判断所述修正权重矩阵Y1是否收敛，当收敛时，表明修正权重矩阵Y1能够表明目标PCDN网络内所有节点的重要性，在判断所述修正权重矩阵Y1是否收敛时，可以计算通过Yi – Y是否在预设范围内，如果在预设范围内，则，所述修正权重矩阵出现收揽，否则表明所述修正权重矩阵未出现收敛。
此时，当所述修正权重矩阵未收敛时，表明当前周期计算得到的修正权重矩阵还无法精确表明所述目标PCDN网络内所有节点的重要性的排序结果，由此，需要继续对所述修正权重矩阵进行迭代计算。即，将所述修正权重矩阵作为所述初始权重矩阵，并重新执行动作：步骤S105，计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵。
在本方案中，如果是当前周期的上一周期已经计算得到过所述修正权重矩阵，那么在判断所述修正权重矩阵是否收敛时，需要判断当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比是否出现收敛；即，当再次计算得到修正权重矩阵后，将当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵进行对比，判断当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比是否出现收敛，如果出现收敛时，执行步骤S107，如果未收敛时，将所述修正权重矩阵迭代至步骤S105，再次计算修正权重矩阵，直至所述当前周期计算得到的修正权重矩阵收敛。
如果当前周期计算得到的修正权重矩阵未收敛时，将当前周期计算得到的修正权重矩阵迭代入公式Yi+1= (X ·Yi )1/2，其中，Yi为当前周期计算得到的修正权重矩阵，Yi+1为下一周期计算得到的修正权重矩阵。直至当前周期计算得到的修正权重矩阵出现收敛，停止迭代计算。基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
步骤S107：基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
在本方案中，当检测到的当前周期计算得到的修正权重矩阵出现收敛时，表明所述修正权重矩阵已经能够表征目标PCDN网络内所有节点的重要程度，此时，即可基于该修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
在本方案中，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果时，可以将所述修正权重矩阵中各个元素的值作为目标PCDN网络内所有节点的重要性，该值越大，该元素对应的节点的重要性越高，即，获取当前周期计算得到的修正权重矩阵中的各个元素值的大小，对所述目标PCDN网络内所有节点的重要性的排序，元素值越大，则该元素对应的节点的重要性越高。
本申请上述实施例公开的技术方案中，通过构建用于保证目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，以及构建所述目标PCDN网络内所有节点的初始权重矩阵，然后再计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵，判断所述修正权重矩阵是否收敛，当收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果，通过多次迭代就会获得数据分享多层以后的权重累加，同时通过数学方法控制其相乘时的总量规模，最终达到排名收敛后获得目标PCDN网络内所有节点的重要性的真实排名。
本申请上述实施例公开的技术方案中，在判断修正权重矩阵是否收敛时，可以将其与所述初始权重矩阵进行对比，或者是将当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵对比的方式，来判断修正权重矩阵是否收敛。具体的，判断所述修正权重矩阵是否收敛，包括：判断所述修正权重矩阵与所述初始权重矩阵之差是否在预设范围内，如果在预设范围内，表明所述修正权重矩阵收敛，否则，表明所述修正权重矩阵未收敛。或者是，判断所述修正权重矩阵是否收敛，包括：当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵的差值在预设范围内时，表明前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛。其中，所述预设范围的值可以根据用户需求自行设置，例如，在本方案中，所述预设范围可以[0.01,0.01]，即当| Y1-Y | ≤ 0.01，| Yi- Yi-1 | ≤ 0.01时，表明所述修正权重矩阵出现收敛。当然，所述预设范围也可以设置为其他值。在本方案中，所述差值在预设范围内实质指的是所述修正权重矩阵中的各个元素的值与所述初始权重矩阵中的对应元素的值之差在预设范围内，当前周期得到的所述修正权重矩阵中的各个元素的值与上一周期计算得到的所述修正权重矩阵中的对应元素的值之差在预设范围内，只有所述修正权重矩阵中的各个元素均收敛时，才表明所述修正权重矩阵出现收敛。
例如，以图1为例，各次迭代得到的修正权重矩阵分别为：
第一次迭代得到的修正权重矩阵 Y1= [7.3 8.5 9.2 5.8 2.2]
第二次迭代得到的修正权重矩阵 Y2= [21.5 17.2 14.4 9.8 5.7]
第三次迭代得到的修正权重矩阵 Y3= [28.5 25.9 22.8 15.3 8.3]
第四次迭代得到的修正权重矩阵 Y4= [35.4 31.2 27.5 18.5 10. ]
第五次迭代得到的修正权重矩阵 Y5= [38.9 34.4 30.2 20.3 11.1]
第六次迭代得到的修正权重矩阵 Y6= [40.8 36.1 31.8 21.4 11.6]
第七次迭代得到的修正权重矩阵 Y7= [41.8 37. 32.5 21.9 11.9]
第八次迭代得到的修正权重矩阵 Y8= [42.3 37.4 32.9 22.1 12. ]
第九次迭代得到的修正权重矩阵 Y9= [42.6 37.6 33.1 22.2 12.1]
第十次迭代得到的修正权重矩阵 Y10 = [42.7 37.7 33.2 22.3 12.1]
第十一次迭代得到的修正权重矩阵 Y11= [42.7 37.8 33.2 22.3 12.2]
第十二次迭代得到的修正权重矩阵 Y12 = [42.8 37.8 33.3 22.4 12.2]
第十三次迭代得到的修正权重矩阵 Y13= [42.8 37.9 33.4 22.4 12.2]
第十四次迭代得到的修正权重矩阵 Y14= [42.8 37.9 33.4 22.4 12.2]
由迭代结果来看Y14 和Y13中各个元素的差值均为0，此时，表明第十四次迭代得到的修正权重矩阵出现收敛，第十四次迭代得到的修正权重矩阵中的元素值能够表明所述目标PCDN网络内所有节点的重要性的排序结果。由第十四次迭代得到的修正权重矩阵可见，节点A、B、C、D、E的重要性排序为A＞B＞C＞D＞E。
本实施例中公开了PCDN节点重要性排名装置，装置中的各个单元的具体工作内容，请参见上述方法实施例的内容
下面对本发明实施例提供的PCDN节点重要性排名装置进行描述，下文描述的PCDN节点重要性排名装置与上文描述的PCDN节点重要性排名方法可相互对应参照。
参见图6，本申请实施例公开的PCDN节点重要性排名装置可以包括：
数据监控单元A，用于获取目标PCDN网络内所有节点对其他节点的分享数据量；
矩阵构建单元B，用于构建所述目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，并将所述第一矩阵中所有为0的元素设置为非零值；构建所述目标PCDN网络内所有节点的初始权重矩阵，所述初始权重矩阵中各个元素的值相同；
计算单元C，用于计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；
判断单元D，用于将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛，如果收敛，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果；当不收敛时，将所述修正权重矩阵作为所述初始权重矩阵，并触发所述计算单元，直至当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛为止；当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
与上述方法相对应，所述判断单元在将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛时，具体用于：
判断所述修正权重矩阵与所述初始权重矩阵之差是否在预设范围内，如果在预设范围内，表明所述修正权重矩阵收敛，否则，表明所述修正权重矩阵未收敛；
所述判断单元在判断当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比是否出现收敛时，具体用于：
当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵的差值在预设范围内时，表明前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛。
与上述方法相对应，所述判断单元在基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果时，具体用于：
获取当前周期计算得到的修正权重矩阵中的各个元素值的大小，对所述目标PCDN网络内所有节点的重要性的排序，元素值越大，则该元素对应的节点的重要性越高。
与上述方法相对应，所述数据监控单元在获取目标PCDN网络内所有节点对其他节点的分享数据量时，具体用于：
获取预设时间周期内目标PCDN网络内所有节点对其他节点的分享数据量。
图7为本发明实施例提供的PCDN节点重要性排名装置的硬件结构图，参见图7所示，可以包括：至少一个处理器100，至少一个通信接口200，至少一个存储器300和至少一个通信总线400；
在本发明实施例中，处理器100、通信接口200、存储器300、通信总线400的数量为至少一个，且处理器100、通信接口200、存储器300通过通信总线400完成相互间的通信；显然，图7所示的处理器100、通信接口200、存储器300和通信总线400所示的通信连接示意仅是可选的；
可选的，通信接口200可以为通信模块的接口，如GSM模块的接口；
处理器100可能是一个中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器300可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。
其中，处理器100具体用于执行本申请上述任意一项实施例公开的PCDN节点重要性排名方法的各个步骤。
例如，所述处理器100具体用于执行：
获取目标PCDN网络内所有节点对其他节点的分享数据量；
构建所述目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，并将所述第一矩阵中所有为0的元素设置为非零值；
构建所述目标PCDN网络内所有节点的初始权重矩阵，所述初始权重矩阵中各个元素的值相同；
计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；
将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛，如果收敛，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果；
当不收敛时，将所述修正权重矩阵作为所述初始权重矩阵，并执行动作：计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；直至当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛为止；
当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
为了描述的方便，描述以上系统时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种PCDN节点重要性排名方法，其特征在于，包括：
获取目标PCDN网络内所有节点对其他节点的分享数据量；
构建所述目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，并将所述第一矩阵中所有为0的元素设置为非零值；
构建所述目标PCDN网络内所有节点的初始权重矩阵，所述初始权重矩阵中各个元素的值相同；
计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；
将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛，如果收敛，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果；
当不收敛时，将所述修正权重矩阵作为所述初始权重矩阵，并执行动作：计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；直至当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛为止；
当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
2.根据权利要求1所述的PCDN节点重要性排名方法，其特征在于，将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛，包括：
判断所述修正权重矩阵与所述初始权重矩阵之差是否在预设范围内，如果在预设范围内，表明所述修正权重矩阵收敛，否则，表明所述修正权重矩阵未收敛；
判断当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比是否出现收敛，包括：
当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵的差值在预设范围内时，表明前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛。
3.根据权利要求1所述的PCDN节点重要性排名方法，其特征在于，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果，包括：
获取当前周期计算得到的修正权重矩阵中的各个元素值的大小，对所述目标PCDN网络内所有节点的重要性的排序，元素值越大，则该元素对应的节点的重要性越高。
4.根据权利要求1所述的PCDN节点重要性排名方法，其特征在于，获取目标PCDN网络内所有节点对其他节点的分享数据量，包括：
获取预设时间周期内目标PCDN网络内所有节点对其他节点的分享数据量。
5.根据权利要求1所述的PCDN节点重要性排名方法，其特征在于，将所述第一矩阵中所有为0的元素设置为非零值，包括：
将所述第一矩阵中所有为0的元素设置为1。
6.一种PCDN节点重要性排名装置，其特征在于，包括：
数据监控单元，用于获取目标PCDN网络内所有节点对其他节点的分享数据量；
矩阵构建单元，用于构建所述目标PCDN网络内所有节点对其他节点分享数据的第一矩阵，并将所述第一矩阵中所有为0的元素设置为非零值；构建所述目标PCDN网络内所有节点的初始权重矩阵，所述初始权重矩阵中各个元素的值相同；
计算单元，用于计算所述第一矩阵与所述初始权重矩阵之积，并对乘积结果进行开根号处理，得到修正权重矩阵；
判断单元，用于将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛，如果收敛，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果；当不收敛时，将所述修正权重矩阵作为所述初始权重矩阵，并触发所述计算单元，直至当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛为止；当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛时，基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果。
7.根据权利要求6所述的PCDN节点重要性排名装置，其特征在于，所述判断单元在将所述修正权重矩阵与所述初始权重矩阵进行对比，判断所述修正权重矩阵是否收敛时，具体用于：
判断所述修正权重矩阵与所述初始权重矩阵之差是否在预设范围内，如果在预设范围内，表明所述修正权重矩阵收敛，否则，表明所述修正权重矩阵未收敛；
所述判断单元在判断当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比是否出现收敛时，具体用于：
当前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵的差值在预设范围内时，表明前周期计算得到的修正权重矩阵与上一周期计算得到的修正权重矩阵相比出现收敛。
8.根据权利要求6所述的PCDN节点重要性排名装置，其特征在于，所述判断单元在基于当前周期计算得到的修正权重矩阵输出所述目标PCDN网络内所有节点的重要性的排序结果时，具体用于：
获取当前周期计算得到的修正权重矩阵中的各个元素值的大小，对所述目标PCDN网络内所有节点的重要性的排序，元素值越大，则该元素对应的节点的重要性越高。
9.根据权利要求6所述的PCDN节点重要性排名装置，其特征在于，所述数据监控单元在获取目标PCDN网络内所有节点对其他节点的分享数据量时，具体用于：
获取预设时间周期内目标PCDN网络内所有节点对其他节点的分享数据量。
10.一种PCDN节点重要性排名设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1-5中任一项所述的PCDN节点重要性排名方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310366517.1A CN116094943B (zh) | 2023-04-07 | 2023-04-07 | 一种pcdn节点重要性排名方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310366517.1A CN116094943B (zh) | 2023-04-07 | 2023-04-07 | 一种pcdn节点重要性排名方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116094943A true CN116094943A (zh) | 2023-05-09 |
| CN116094943B CN116094943B (zh) | 2023-06-06 |
Family
ID=86206767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310366517.1A Active CN116094943B (zh) | 2023-04-07 | 2023-04-07 | 一种pcdn节点重要性排名方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116094943B (zh) |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6711584B1 (en) * | 1998-07-30 | 2004-03-23 | Alcatel | Method terminal device, node, program module, and user interface for the determination of features required for a communication relation |
| US20050027685A1 (en) * | 2003-03-28 | 2005-02-03 | Kamvar Sepandar D. | Adaptive computation of ranking |
| US20050033742A1 (en) * | 2003-03-28 | 2005-02-10 | Kamvar Sepandar D. | Methods for ranking nodes in large directed graphs |
| US20080075014A1 (en) * | 2006-09-22 | 2008-03-27 | The Hong Kong Polytechnic University | Methods and apparatus for ranking a node in a network having a plurality of interconnecting nodes |
| US7363386B1 (en) * | 2003-11-06 | 2008-04-22 | Sprint Communications Company L.P. | Method for estimating a traffic matrix in a communication network using non-stationary data |
| US20140222748A1 (en) * | 2013-02-05 | 2014-08-07 | Cisco Technology, Inc. | Traffic-based inference of influence domains in a network by using learning machines |
| JP2014182753A (ja) * | 2013-03-21 | 2014-09-29 | Nippon Telegr & Teleph Corp <Ntt> | Ｐｐｒ演算装置、方法、及びプログラム |
| CN104376015A (zh) * | 2013-08-15 | 2015-02-25 | 腾讯科技（深圳）有限公司 | 关系网络中节点的处理方法及装置 |
| GB201523224D0 (en) * | 2015-12-31 | 2016-02-17 | Murphy Dominic F | Defining edges and their weights between nodes in a network |
| CN105337773A (zh) * | 2015-11-19 | 2016-02-17 | 南京邮电大学 | 基于ReciprocityRank算法的微博网络影响力节点发现方法 |
| CN105550191A (zh) * | 2015-07-10 | 2016-05-04 | 成都信息工程大学 | 一种多层网络节点重要性排序的方法 |
| CN108009710A (zh) * | 2017-11-19 | 2018-05-08 | 国家计算机网络与信息安全管理中心 | 基于相似度和TrustRank算法的节点测试重要度评估方法 |
| KR20180077717A (ko) * | 2016-12-29 | 2018-07-09 | 서울대학교산학협력단 | 정점 분류 장치 및 정점 분류 방법 |
| CN108512765A (zh) * | 2017-02-28 | 2018-09-07 | 中国科学院声学研究所 | 一种基于网络节点分布式Pagerank的网络内容扩散方法 |
| CN110188473A (zh) * | 2019-05-30 | 2019-08-30 | 国网甘肃省电力公司经济技术研究院 | 一种电力骨干通信网节点重要度识别方法 |
| WO2019231185A1 (ko) * | 2018-05-29 | 2019-12-05 | 연세대학교 산학협력단 | 무선 네트워크에서 노드 사이의 신뢰도 파라미터 산출 방법, 신뢰도 파라미터를 이용한 라우팅 경로 설정 방법 및 장치 |
| CN110807009A (zh) * | 2019-11-06 | 2020-02-18 | 湖南快乐阳光互动娱乐传媒有限公司 | 文件处理方法及装置 |
| CN111478854A (zh) * | 2020-04-01 | 2020-07-31 | 中国人民解放军国防科技大学 | 基于流量数据的实时网络节点重要性排序方法 |
| CN111598615A (zh) * | 2020-05-11 | 2020-08-28 | 北京庭宇科技有限公司 | 一种pcdn网络节点的调价方法及系统 |
| CN111985845A (zh) * | 2020-09-02 | 2020-11-24 | 浙江工业大学 | 一种异构Spark集群的节点优先级调优方法 |
| CN112068798A (zh) * | 2020-08-14 | 2020-12-11 | 合肥本源量子计算科技有限责任公司 | 一种实现网络节点重要性排序的方法及装置 |
| CN112135193A (zh) * | 2020-09-24 | 2020-12-25 | 湖南快乐阳光互动娱乐传媒有限公司 | 视频推荐方法及装置 |
| CN112700124A (zh) * | 2020-12-29 | 2021-04-23 | 长安大学 | 多层交通网络mrwc节点重要性排序方法、系统、电子设备及计算机可读存储介质 |
-
2023
- 2023-04-07 CN CN202310366517.1A patent/CN116094943B/zh active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6711584B1 (en) * | 1998-07-30 | 2004-03-23 | Alcatel | Method terminal device, node, program module, and user interface for the determination of features required for a communication relation |
| US20050027685A1 (en) * | 2003-03-28 | 2005-02-03 | Kamvar Sepandar D. | Adaptive computation of ranking |
| US20050033742A1 (en) * | 2003-03-28 | 2005-02-10 | Kamvar Sepandar D. | Methods for ranking nodes in large directed graphs |
| US7363386B1 (en) * | 2003-11-06 | 2008-04-22 | Sprint Communications Company L.P. | Method for estimating a traffic matrix in a communication network using non-stationary data |
| US20080075014A1 (en) * | 2006-09-22 | 2008-03-27 | The Hong Kong Polytechnic University | Methods and apparatus for ranking a node in a network having a plurality of interconnecting nodes |
| US20140222748A1 (en) * | 2013-02-05 | 2014-08-07 | Cisco Technology, Inc. | Traffic-based inference of influence domains in a network by using learning machines |
| JP2014182753A (ja) * | 2013-03-21 | 2014-09-29 | Nippon Telegr & Teleph Corp <Ntt> | Ｐｐｒ演算装置、方法、及びプログラム |
| CN104376015A (zh) * | 2013-08-15 | 2015-02-25 | 腾讯科技（深圳）有限公司 | 关系网络中节点的处理方法及装置 |
| CN105550191A (zh) * | 2015-07-10 | 2016-05-04 | 成都信息工程大学 | 一种多层网络节点重要性排序的方法 |
| CN105337773A (zh) * | 2015-11-19 | 2016-02-17 | 南京邮电大学 | 基于ReciprocityRank算法的微博网络影响力节点发现方法 |
| GB201523224D0 (en) * | 2015-12-31 | 2016-02-17 | Murphy Dominic F | Defining edges and their weights between nodes in a network |
| KR20180077717A (ko) * | 2016-12-29 | 2018-07-09 | 서울대학교산학협력단 | 정점 분류 장치 및 정점 분류 방법 |
| CN108512765A (zh) * | 2017-02-28 | 2018-09-07 | 中国科学院声学研究所 | 一种基于网络节点分布式Pagerank的网络内容扩散方法 |
| CN108009710A (zh) * | 2017-11-19 | 2018-05-08 | 国家计算机网络与信息安全管理中心 | 基于相似度和TrustRank算法的节点测试重要度评估方法 |
| WO2019231185A1 (ko) * | 2018-05-29 | 2019-12-05 | 연세대학교 산학협력단 | 무선 네트워크에서 노드 사이의 신뢰도 파라미터 산출 방법, 신뢰도 파라미터를 이용한 라우팅 경로 설정 방법 및 장치 |
| CN110188473A (zh) * | 2019-05-30 | 2019-08-30 | 国网甘肃省电力公司经济技术研究院 | 一种电力骨干通信网节点重要度识别方法 |
| CN110807009A (zh) * | 2019-11-06 | 2020-02-18 | 湖南快乐阳光互动娱乐传媒有限公司 | 文件处理方法及装置 |
| CN111478854A (zh) * | 2020-04-01 | 2020-07-31 | 中国人民解放军国防科技大学 | 基于流量数据的实时网络节点重要性排序方法 |
| CN111598615A (zh) * | 2020-05-11 | 2020-08-28 | 北京庭宇科技有限公司 | 一种pcdn网络节点的调价方法及系统 |
| CN112068798A (zh) * | 2020-08-14 | 2020-12-11 | 合肥本源量子计算科技有限责任公司 | 一种实现网络节点重要性排序的方法及装置 |
| CN111985845A (zh) * | 2020-09-02 | 2020-11-24 | 浙江工业大学 | 一种异构Spark集群的节点优先级调优方法 |
| CN112135193A (zh) * | 2020-09-24 | 2020-12-25 | 湖南快乐阳光互动娱乐传媒有限公司 | 视频推荐方法及装置 |
| CN112700124A (zh) * | 2020-12-29 | 2021-04-23 | 长安大学 | 多层交通网络mrwc节点重要性排序方法、系统、电子设备及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 陈诗 等: "时序网络中关键节点的识别方法研究进展", 电子科技大学学报 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116094943B (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Csóka et al. | Invariant Gaussian processes and independent sets on regular graphs of large girth | |
| US20130326028A1 (en) | Server migration | |
| US8954910B1 (en) | Device mismatch contribution computation with nonlinear effects | |
| Pauli et al. | A fault tolerant implementation of multi-level Monte Carlo methods | |
| Wang et al. | On the marginal standard error rule and the testing of initial transient deletion methods | |
| Blunt | A hybrid approach to extending selected configuration interaction and full configuration interaction quantum Monte Carlo | |
| CN113902118B (zh) | 量子测量设备校准方法及装置、电子设备和介质 | |
| CN115994582A (zh) | 量子测量设备性能比较方法及装置、电子设备和介质 | |
| Zhu et al. | 2-hop+ sampling: Efficient and effective influence estimation | |
| CN116094943B (zh) | 一种pcdn节点重要性排名方法、装置和设备 | |
| CN110580307A (zh) | 一种快速统计的处理方法及装置 | |
| Fu et al. | Option pricing for a jump-diffusion model with general discrete jump-size distributions | |
| CN114117999A (zh) | 一种互连线数学模型的降阶方法、装置、电子设备及存储介质 | |
| Gokhale et al. | Performance and availability analysis of an e-commerce site | |
| WO2016085443A1 (en) | Application management based on data correlations | |
| CN115329972B (zh) | 量子计算机性能确定方法及装置、电子设备和介质 | |
| WO2014084820A1 (en) | Regulating application task development | |
| EP3345344B1 (en) | Evaluation of network condition | |
| Arnold et al. | Inference for Pareto data subject to hidden truncation | |
| CN110489460B (zh) | 一种快速统计的优化方法及系统 | |
| CN109347691B (zh) | 一种用于Web服务的数据采样方法、装置及设备 | |
| CN115509678A (zh) | 一种虚拟机调度方法、装置、设备和计算机可读存储介质 | |
| CN114461390A (zh) | 结合多维度分析和关键路径法的评估方法及相关装置 | |
| Down | Open problem—size-based scheduling with estimation errors | |
| CN108958902B (zh) | 图计算方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |