买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北大学申请的专利基于组合嵌入图Transformer的新兴应用工作流分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117171411B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311148477.X，技术领域涉及：G06F16/906；该发明授权基于组合嵌入图Transformer的新兴应用工作流分类方法是由王学毅;张欣妍;王志同;马连博;王兴伟;吴东阔设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本基于组合嵌入图Transformer的新兴应用工作流分类方法在说明书摘要公布了：本发明提供一种基于组合嵌入图Transformer的新兴应用工作流分类方法，涉及云际计算技术领域。首先，明确定义工作流的整体结构，任务节点的特征以及任务节点之间的依赖关系边特征。然后，构建一个模型，它能够融合学习节点特征和依赖关系边特征。通过采用不同的组合嵌入方式，将任务节点特征和关系特征相结合。经过网络的学习，得到关于工作流任务节点特征和任务间依赖关系的丰富信息。最后，将这些学习到的信息应用于下游的分类任务，即能够准确分类出不同的任务存算类型。本发明增强了模型的学习能力，可以对未知的工作流节点进行分类处理，对于不同任务存算类型的分类精度有了明显提高。

本发明授权基于组合嵌入图Transformer的新兴应用工作流分类方法在权利要求书中公布了：1.一种基于组合嵌入图Transformer的新兴应用工作流分类方法，其特征在于：包括以下步骤： 步骤1：设定工作流相关信息，包括工作流的整体结构、任务节点特征、任务节点间的依赖关系边特征、获取工作流数据；具体方法为： 步骤1.1：定义工作流的整体结构； 设表示具有各种节点类型的工作流的集合，其中表示一个工作流，是工作流的任务，n是节点数量，表示任务和之间的依赖关系边，是依赖关系边的集合，其中任务和是父任务与子任务的关系，任务依赖于任务，即父任务执行完才能执行子任务；没有父任务的任务是初始任务，表示为，没有子任务的任务是结束任务，表示为； 步骤1.2：定义任务节点特征向量； 工作流的任务节点的特征向量包括工作流任务执行度量，具体包括：任务运行时数据大小、输入和输出数据大小、使用的内存、CPU利用率、任务节点类型、任务节点的父节点、总读入字节、总写入字节、运行时间； 步骤1.3：定义任务节点间的依赖关系边的特征向量； 对于任务和，任务依赖于任务，和之间的依赖关系边定义为；任务在机器执行后会将产生的数据传输给接下来的任务节点，其中产生的数据量定义为；任务节点间的依赖关系边的特征向量包括任务节点之间的边的方向和数据量； 模型将边的方向也视为依赖关系边特征中的一种，将有向边通道增加到两个，编码为：，分别表示正向、反向，从这两种不同类型的邻域聚合节点信息，将方向信息包含在内；任务节点到任务节点的有向边通道编码为，任务节点到任务节点的有向边通道编码为； 步骤1.4：获取工作流数据； 使用基于工作流管理系统的分布式平台Pegasus，获取科学工作流的实际执行日志来构建工作流实例；使用WfCommons工具对开放访问的生产工作流实例，按照步骤1.2和1.3的定义方式进行解析，得到以JSON格式表示的工作流数据； 步骤2：将工作流数据送入模型学习； 所述模型由多个相同的层堆叠而成，每一层都包括两个子层：带有有向边特征的GraphTransformer层和前馈神经网络；将输入任务节点和边嵌入传递到GraphTransformer层，计算位置编码和中心编码； 其中，带有有向边特征的GraphTransformer层的定义如下： 首先，将输入工作流中的任务节点经过三个线性映射，然后与预先计算好的任务节点位置编码结合，分别得到查询、键和值的表示；对于每个查询，使用点积操作计算其与图中所有的键之间的相似度，即将查询与所有的键进行点积运算，然后进行归一化处理，得到注意力权重，利用注意力权重对值进行加权求和，得到每个任务节点的特征表示；权重越大，则该任务节点对其他节点的影响越大；多头自注意力机制中引入多组独立的注意力计算，每组注意力计算都是独立的，使用不同的查询、键和值进行计算；最后，将每组注意力计算的结果进行拼接，然后通过线性变换得到最终的多头注意力表示； 所述前馈神经网络包括两层线性变换和一个激活函数；前馈神经网络将每个位置的表示映射到一个更高维度的空间，然后再映射回原始维度； 将依赖关系边的特征也融入到模型的节点特征的学习中去，在计算注意力时增加一个边的权重矩阵；当一个任务节点在查询和键特征投影的乘法和缩放后，得到一个注意力分数看作是关于这条边的注意力权重，与边的特征进行点积； 步骤3：学习节点特征，对节点进行更新； 步骤4：组合节点特征与依赖关系边特征； 在模型的结尾，利用任务节点嵌入和依赖关系边嵌入进行组合，将二者的信息作为整体，通过任务节点嵌入和依赖关系边嵌入的组合操作来共同决定节点属于的类型； 步骤5：根据节点特征任务节点分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。