首页 / 专利库 / 企业组织 / 流程图 / 基于提前收敛重复平方的限定域矩阵乘法距离积计算方法

基于提前收敛重复平方的限定域矩阵乘法距离积计算方法

阅读:1007发布:2020-05-08

专利汇可以提供基于提前收敛重复平方的限定域矩阵乘法距离积计算方法专利检索,专利查询,专利分析的服务。并且本 发明 提出一种基于矩阵乘法的大规模图全 节点 对最 短路 径计算方法,属于图计算领域和 机器学习 领域。该方法在预处理阶段,通过指数变换方法对图的邻接矩阵进行预处理,接着利用计算 机体 系架构中缓存分层设计,来 加速 矩阵乘法运算,最后对结果矩阵进行取对数处理,得到一轮结果。在加速训练阶段,考虑到矩阵乘法结合律性质,避免了将所得结果矩阵反复与邻接矩阵相乘的矩阵乘法计算,采用重复平方的矩阵乘法技术,对结果矩阵进行自乘计算,从而对计算过程加速。在判定阶段,利用矩阵乘法的中间矩阵收敛至结果矩阵的比例,确定则计算完毕;或者根据计算轮数达到图直径对数,确定则计算完毕;未计算完毕则进入预处理阶段继续计算。该发明基于矩阵乘法方法,能够根据图直径或收敛判定矩阵收敛比例调整计算次数,节省资源使用开销。,下面是基于提前收敛重复平方的限定域矩阵乘法距离积计算方法专利的具体信息内容。

1.一种基于提前收敛重复平方的限定域矩阵乘法距离积计算方法,其特征在于,包括以下步骤:
1.准备阶段;具体步骤如下:
1-1)全局计数器赋值为1;
1-2)将图中的关注关系转为邻接矩阵;将乘数矩阵与被乘数矩阵赋值为邻接矩阵;
1-3)将收敛判定矩阵赋值为邻接矩阵。
2.预处理阶段;具体步骤如下:
2-1)计算乘数矩阵中的最大值;
2-2)预估图最短路径距离上限值,根据图的不同性质,如社交网络具有小世界现象,则可以预估一个小整数值;或者选择一个比乘数矩阵最大值大的值作为距离上限值;或者利用乘数矩阵的最大值与最小值的差作为距离上限值;
2-3)将邻接矩阵原值,进行指数变换得到新值,转化方法为:以节点数作为底,距离上限值减去原值为指数,进行指数运算;
2-4)用指数转化后的矩阵,进行自乘计算,可利用矩阵计算库加速矩阵乘法运算时间;
矩阵计算库利用计算机体系架构中缓存分层设计,优化了矩阵运算的计算效率;
2-5)将乘法结果矩阵原值,进行对数变换得到新值,转化方法为:以节点数作为底,对原值取对数,进行取对数运算;
2-6)全局计数器乘二。
3.判定阶段;具体步骤如下:
3-1)统计全局计数器是否达到了图直径,到达则计算完毕;未到达则继续;
3-2)统计结果矩阵与收敛判定矩阵数值变化占比是否达到某一限定阈值,到达则计算完毕;未到达则继续;
3-3)将收敛判定矩阵赋值为结果矩阵。
4.加速训练阶段;具体步骤如下:
4-1)将乘数矩阵赋值为结果矩阵后,进入步骤2预处理阶段。
表1 基于提前收敛重复平方的限定域矩阵乘法距离积算法流程图

说明书全文

基于提前收敛重复平方的限定域矩阵乘法距离积计算方法

技术领域

[0001] 本发明提出一种基于矩阵乘法的大规模图全节点对最短路径计算方法,属于图计算领域和机器学习领域。

背景技术

[0002] 近年来,在中国、印度等亚洲电影产业的带动下,全球电影票房保持了稳定增长态势,并且随着社交网络应用的快速发展,越来越多的演员使用社交网络进行工作沟通,社交网络上宣传推广日渐成为了电影发行方营销的重要工具,社交网络也成为了演员与电影粉丝间互动的重要媒介。
[0003] 社交媒体的出现,使得演员影响粉丝的方式发生了巨大改变。从报刊、户外、通信、广播、电视在内的传统传播方式,过渡到了以社交媒体为代表的网络新媒体传播方式,如网站搜索引擎、微博、推荐引擎等。随着互联网,尤其是移动互联网的发展,在线社交网络应用也不断发展,社交网络作为对传统人际关系网络在互联网上的一种映射和扩展,衍生出更宽泛的人际互动维度;明星通过转发或者分享个人感想和照片,给粉丝们提供大量话题,并可以对粉丝评论进行回应,大多数影视明星都乐于使用微博这样的社交媒体,来展现自我、宣传作品、与粉丝互动聚拢人气,以期待提升自己的商业价值。
[0004] 人们用虚拟、仿真的方式不断扩张并构建新的世界版图,消解了现实社会与数字环境之间的距离。如今社交网络呈现出新的人际交往和信息传播的形态,去中心化的社会网络使得个体以碎片化、叙事化、人际化的方式,组成了网络中一个又一个具有扩展的节点。
[0005] 在社交网络影响力计算方面,已有的社交网络影响力算法如 PageRank(网页排名)在评估节点影响力效果和计算效率上具有缺点。对于社交网络影响力计算的已有算法,经典的PageRank影响力算法具有收敛慢、难以快速计算的缺点;对于全节点对最短路径计算方法,近年来也较少有人提出突破性算法,最短路径计算的时间代价仍很高。社交网络特征中与结构特征相关的特征,如网络介数、紧密度均与结构特征最短路径计算有关,正因如此,高效计算最短路径结果是高效测量社交网络的关键技术之一。

发明内容

[0006] 本发明的目的是为克服已有技术的不足之处,提出一种基于矩阵乘法的大规模图全节点对最短路径计算方法。该发明基于矩阵乘法,能够根据图直径或收敛判定矩阵收敛比例调整计算次数,节省资源使用开销。
[0007] 本发明提出一种基于提前收敛重复平方的限定域矩阵乘法距离积计算方法,其特征在于,包括以下步骤:
[0008] 1.准备阶段;具体步骤如下:
[0009] 1-1)全局计数器赋值为1;
[0010] 1-2)将图中的关注关系转为邻接矩阵;将乘数矩阵与被乘数矩阵赋值为邻接矩阵;
[0011] 1-3)将收敛判定矩阵赋值为邻接矩阵。
[0012] 2.预处理阶段;具体步骤如下:
[0013] 2-1)计算乘数矩阵中的最大值;
[0014] 2-2)预估图最短路径距离上限值,根据图的不同性质,如社交网络具有小世界现象,则可以预估一个小整数值;或者选择一个比乘数矩阵最大值大的值作为距离上限值;或者利用乘数矩阵的最大值与最小值的差作为距离上限值;
[0015] 2-3)将邻接矩阵原值,进行指数变换得到新值,转化方法为:以节点数作为底,距离上限值减去原值为指数,进行指数运算;
[0016] 2-4)用指数转化后的矩阵,进行自乘计算,可利用矩阵计算库加速矩阵乘法运算时间;矩阵计算库利用计算机体系架构中缓存分层设计,优化了矩阵运算的计算效率;
[0017] 2-5)将乘法结果矩阵原值,进行对数变换得到新值,转化方法为:以节点数作为底,对原值取对数,进行取对数运算;
[0018] 2-6)全局计数器乘二。
[0019] 3.判定阶段;具体步骤如下:
[0020] 3-1)统计全局计数器是否达到了图直径,到达则计算完毕;未到达则继续;
[0021] 3-2)统计结果矩阵与收敛判定矩阵数值变化占比是否达到某一限定阈值,到达则计算完毕;未到达则继续;
[0022] 3-3)将收敛判定矩阵赋值为结果矩阵。
[0023] 4.加速训练阶段;具体步骤如下:
[0024] 4-1)将乘数矩阵与被乘数矩阵赋值为结果矩阵后,进入步骤2)。
[0025] 本发明的特点及有益效果在于:
[0026] 本发明采用矩阵乘法技术,利用指数运算矩阵相乘预处理和对数运算矩阵相乘后处理的方法,将距离积转化为矩阵乘法运算,并利用矩阵算法库进行计算加速优化;另外,设计了重复平方、提前收敛至图直径以及收敛判定矩阵等方法来动态判断计算完毕条件,优化了计算资源。附图说明
[0027] 图1为本发明方法的整体流程图
[0028] 图2为本发明基于提前收敛重复平方的预处理阶段流程图。
[0029] 图3为本发明基于提前收敛重复平方的判定阶段流程图。
[0030] 图4为本发明基于提前收敛重复平方的加速阶段流程图。
[0031] 图5为本发明算法流程图。

具体实施方式

[0032] 本发明提出一种基于提前收敛重复平方的限定域矩阵乘法距离积计算方法,下面结合附图和具体实施例对本发明进一步详细说明。
[0033] 整体流程如图1所示,包括以下步骤:
[0034] 1.准备阶段;具体步骤如下:
[0035] 1-1)全局计数器赋值为1;
[0036] 1-2)将图中的关注关系转为邻接矩阵;将乘数矩阵与被乘数矩阵赋值为邻接矩阵;
[0037] 1-3)将收敛判定矩阵赋值为邻接矩阵。
[0038] 2.预处理阶段;算法流程如图2所示;具体步骤如下:
[0039] 2-1)计算乘数矩阵中的最大值;
[0040] 2-2)预估图最短路径距离上限值,根据图的不同性质,如社交网络具有小世界现象,则可以预估一个小整数值;或者选择一个比乘数矩阵最大值大的值作为距离上限值;或者利用乘数矩阵的最大值与最小值的差作为距离上限值;
[0041] 2-3)将邻接矩阵原值,进行指数变换得到新值,转化方法为:以节点数作为底,距离上限值减去原值为指数,进行指数运算;
[0042] 2-4)用指数转化后的矩阵,进行自乘计算,可利用矩阵计算库加速矩阵乘法运算时间;矩阵计算库利用计算机体系架构中缓存分层设计,优化了矩阵运算的计算效率;
[0043] 2-5)将乘法结果矩阵原值,进行对数变换得到新值,转化方法为:以节点数作为底,对原值取对数,进行取对数运算;
[0044] 2-6)全局计数器乘二。
[0045] 3.判定阶段;算法流程如图3所示;具体步骤如下:
[0046] 3-1)统计全局计数器是否达到了图直径,到达则计算完毕;未到达则继续;
[0047] 3-2)统计结果矩阵与收敛判定矩阵数值变化占比是否达到某一限定阈值,到达则计算完毕;未到达则继续;
[0048] 3-3)将收敛判定矩阵赋值为结果矩阵。
[0049] 4.加速训练阶段;算法流程如图4所示;具体步骤如下:
[0050] 4-1)利用矩阵乘积的结合律,将结果矩阵自乘,而非将结果矩阵与邻接矩阵相乘,这样加速了计算过程,节约了计算时间;具体过程为,将乘数矩阵与被乘数矩阵赋值为结果矩阵后,进入步骤2)。
[0051] 如图5所示,算法流程简明易懂,计算过程高效,大大提升了图计算中重要特征——全节点最短路径的计算效率。
[0052] 由此可见,本发明达到了预期目的。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈