针对车载边缘计算(vehicular edge computing,VEC)中路侧单元(road side unit,RSU)资源受限和高负载的难题,以及现有的任务卸载优化方案局限于降低时延或能耗,忽视了边缘节点所面临的安全问题,提出一种基于信任感知和近端策略优化算法(P...针对车载边缘计算(vehicular edge computing,VEC)中路侧单元(road side unit,RSU)资源受限和高负载的难题,以及现有的任务卸载优化方案局限于降低时延或能耗,忽视了边缘节点所面临的安全问题,提出一种基于信任感知和近端策略优化算法(PPO)的任务卸载方案.首先,构建VEC网络架构,利用周围空闲车辆的计算资源,将任务在本地执行或卸载至RSU、空闲服务车辆进行计算处理,以降低系统整体时延与能耗.其次,构建一种基于多源赋权和奖惩机制的动态反馈信任评估模型,实现对边缘节点可信度的量化评估.最后,利用基于深度强化学习的PPO算法对任务卸载策略进行优化.实验结果表明,相较于DQN、D3QN和TASACO算法,所提方案具有更好的收敛性和稳定性,而且在任务执行时延和能耗等方面优于现有方案.展开更多
【目的/意义】利用图书文本内容实现相似图书推荐,海量图书数据环境下提高图书相似度计算效率。【方法/过程】构建了一种基于图结构的相似图书内容推荐方法,在图书的文本内容进行短语抽取后计算短语网络中的TextRank值获得图书关键词,...【目的/意义】利用图书文本内容实现相似图书推荐,海量图书数据环境下提高图书相似度计算效率。【方法/过程】构建了一种基于图结构的相似图书内容推荐方法,在图书的文本内容进行短语抽取后计算短语网络中的TextRank值获得图书关键词,进而建立图书向量并结合层次可导航小世界算法(Hierarchcal Navigable Small World,HNSW)得到目标图书和推荐图书之间的相似度。【结果/结论】利用基于内容的相似图书推荐方法得到的用户评价平均准确率达到0.807,客观平均准确率显著高于TF-IDF和TextRank的文本表示方法,可以实现较好的图书推荐效果,HNSW算法将计算效率缩小到对数级别,对大数据环境下的相似图书计算效率起到一定的优化作用。【创新/局限】本研究创新性地结合图结构和HNSW算法提高了图书推荐的准确性和计算效率,但受限于对腾讯词典的依赖,影响了向量表达的普适性和跨语言适应性。展开更多
文摘针对车载边缘计算(vehicular edge computing,VEC)中路侧单元(road side unit,RSU)资源受限和高负载的难题,以及现有的任务卸载优化方案局限于降低时延或能耗,忽视了边缘节点所面临的安全问题,提出一种基于信任感知和近端策略优化算法(PPO)的任务卸载方案.首先,构建VEC网络架构,利用周围空闲车辆的计算资源,将任务在本地执行或卸载至RSU、空闲服务车辆进行计算处理,以降低系统整体时延与能耗.其次,构建一种基于多源赋权和奖惩机制的动态反馈信任评估模型,实现对边缘节点可信度的量化评估.最后,利用基于深度强化学习的PPO算法对任务卸载策略进行优化.实验结果表明,相较于DQN、D3QN和TASACO算法,所提方案具有更好的收敛性和稳定性,而且在任务执行时延和能耗等方面优于现有方案.
文摘【目的/意义】利用图书文本内容实现相似图书推荐,海量图书数据环境下提高图书相似度计算效率。【方法/过程】构建了一种基于图结构的相似图书内容推荐方法,在图书的文本内容进行短语抽取后计算短语网络中的TextRank值获得图书关键词,进而建立图书向量并结合层次可导航小世界算法(Hierarchcal Navigable Small World,HNSW)得到目标图书和推荐图书之间的相似度。【结果/结论】利用基于内容的相似图书推荐方法得到的用户评价平均准确率达到0.807,客观平均准确率显著高于TF-IDF和TextRank的文本表示方法,可以实现较好的图书推荐效果,HNSW算法将计算效率缩小到对数级别,对大数据环境下的相似图书计算效率起到一定的优化作用。【创新/局限】本研究创新性地结合图结构和HNSW算法提高了图书推荐的准确性和计算效率,但受限于对腾讯词典的依赖,影响了向量表达的普适性和跨语言适应性。
