图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系...图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系的多视图多粒度图表示学习框架(multi-view and multi-granularity graph representation learning based on partial order relationships,MVMGr-PO),它通过从节点特征视图、图结构视图以及全局视图对节点进行综合评分,进而基于节点之间的偏序关系进行下采样操作。相比于其他图表示学习方法,MVMGr-PO可以有效地提取多粒度图结构信息,从而可以更全面地表征图的内在结构和属性。此外,MVMGr-PO可以集成多种图神经网络架构,包括GCN(graph convolutional network)、GAT(graph attention network)以及GraphSAGE(graph sample and aggregate)等。通过在6个数据集上进行实验评估,与现有基线模型相比,MVMGr-PO在分类准确率上有明显提升。展开更多
SaaS(Software as a Service)应用是以云计算资源为基础,以按需定制及按需付费的服务模式向用户提供云计算软件服务的应用系统.云中的SaaS应用一般为多层多节点部署的大型软件应用系统,对于云计算SaaS服务提供商来说,往往需要在云数据...SaaS(Software as a Service)应用是以云计算资源为基础,以按需定制及按需付费的服务模式向用户提供云计算软件服务的应用系统.云中的SaaS应用一般为多层多节点部署的大型软件应用系统,对于云计算SaaS服务提供商来说,往往需要在云数据中心中同时快速交付和部署多个不同的SaaS应用,需要满足不同租户对于不同的SaaS应用多样化性能、网络、存储和操作系统需求,即多维异构的性能环境需求.因此,如何快速选择合适的云资源来部署大规模SaaS应用系统,满足大规模不同租户的多维异构性能需求,同时节省云服务提供商的成本,是实现SaaS应用敏捷交付部署的关键.传统的按照等级和供需的云资源匹配方法已经很难满足云数据中心大规模SaaS应用敏捷化交付部署要求.为此,提出一种基于图匹配的SaaS应用云资源放置方法,将大规模SaaS应用的个性化云服务放置问题映射为云资源节点拓扑图的子图查询匹配问题,即SaaS应用的多节点多维性能需求和云资源节点拓扑均表示为带多维属性标签的异构图,基于偏序异构图查询匹配方法得到一组满足用户需求的云资源节点集合,用于放置SaaS应用及其数据,从而实现大规模SaaS应用的敏捷化交付部署.实验结果表明该方法能有效提高大规模复杂SaaS应用多维异构云资源放置的执行效率.展开更多
文摘图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系的多视图多粒度图表示学习框架(multi-view and multi-granularity graph representation learning based on partial order relationships,MVMGr-PO),它通过从节点特征视图、图结构视图以及全局视图对节点进行综合评分,进而基于节点之间的偏序关系进行下采样操作。相比于其他图表示学习方法,MVMGr-PO可以有效地提取多粒度图结构信息,从而可以更全面地表征图的内在结构和属性。此外,MVMGr-PO可以集成多种图神经网络架构,包括GCN(graph convolutional network)、GAT(graph attention network)以及GraphSAGE(graph sample and aggregate)等。通过在6个数据集上进行实验评估,与现有基线模型相比,MVMGr-PO在分类准确率上有明显提升。
文摘SaaS(Software as a Service)应用是以云计算资源为基础,以按需定制及按需付费的服务模式向用户提供云计算软件服务的应用系统.云中的SaaS应用一般为多层多节点部署的大型软件应用系统,对于云计算SaaS服务提供商来说,往往需要在云数据中心中同时快速交付和部署多个不同的SaaS应用,需要满足不同租户对于不同的SaaS应用多样化性能、网络、存储和操作系统需求,即多维异构的性能环境需求.因此,如何快速选择合适的云资源来部署大规模SaaS应用系统,满足大规模不同租户的多维异构性能需求,同时节省云服务提供商的成本,是实现SaaS应用敏捷交付部署的关键.传统的按照等级和供需的云资源匹配方法已经很难满足云数据中心大规模SaaS应用敏捷化交付部署要求.为此,提出一种基于图匹配的SaaS应用云资源放置方法,将大规模SaaS应用的个性化云服务放置问题映射为云资源节点拓扑图的子图查询匹配问题,即SaaS应用的多节点多维性能需求和云资源节点拓扑均表示为带多维属性标签的异构图,基于偏序异构图查询匹配方法得到一组满足用户需求的云资源节点集合,用于放置SaaS应用及其数据,从而实现大规模SaaS应用的敏捷化交付部署.实验结果表明该方法能有效提高大规模复杂SaaS应用多维异构云资源放置的执行效率.
