【技术实现步骤摘要】
【国外来华专利技术】
本专利技术的实施例涉及网络结构学习，具体来说，涉及贝叶斯网络结构学习的并行化。
技术介绍
大量信息、特别是相关信息可组织成网络结构。贝叶斯网络是这样一种网络结构的一个共同实例。贝叶斯网络的使用在生物信息学、模式识别、统计计算等方面不断增长。贝叶斯网络结构的学习在计算上非常密集，且用于寻找真实的“最佳”结构的解决方案可能是NP完全的，并且可能是不切实际或者无法确定的。甚至当贝叶斯网络结构的学习在计算上非常密集时，具有更大数据集的网络也被研究，它可能增加计算强度，并且可能包含计算强度的指数增加。启发式方法往往集中在改进结构学习的性能效率，例如减少执行时间。性能效率在提供对现代网络的可接受的实际解决方案方面越来越重要。并行学习方法被认为包括执行结构学习算法中的多个计算机器和/或处理核心的资源。这些方法的并行性质试图在多个资源之间分配工作，以便减少任一系统用来寻找解决方案的时间。传统的并行学习以基本自然的方式分配计算任务，它通常仅考虑在并行计算资源之间分配计算任务中分配给各并行计算资源的任务数量，但未能考虑任务复杂性。例如，在邻居分数计算中，主或控制节点可将邻居计算分...
【技术保护点】
一种用于网络结构学习的方法，包括：确定分数高速缓存是否包括多个网络节点家族的每个的分数，所述家族分数提供用以计算多个邻居的分数的值；在并行计算装置之间分配所述分数高速缓存没有包含其分数的节点家族以便记分；从所述并行计算装置将已记分节点家族的所得分数加载到主分数高速缓存中；以及使所述并行计算装置与所述主分数高速缓存同步，以使所述所得分数可用于所述并行计算装置，以便对所述邻居记分。
【技术特征摘要】
【国外来华专利技术】1.一种用于网络结构学习的方法，包括确定分数高速缓存是否包括多个网络节点家族的每个的分数，所述家族分数提供用以计算多个邻居的分数的值；在并行计算装置之间分配所述分数高速缓存没有包含其分数的节点家族以便记分；从所述并行计算装置将已记分节点家族的所得分数加载到主分数高速缓存中；以及使所述并行计算装置与所述主分数高速缓存同步，以使所述所得分数可用于所述并行计算装置，以便对所述邻居记分。2.如权利要求1所述的方法，其中所述多个网络节点家族包括贝叶斯网络的家族结构。3.如权利要求1所述的方法，还包括将确定为所述主分数高速缓存中缺少的节点家族放入队列中，并且其中在所述并行计算装置之间分配待记分的各节点家族包括将出自所述列队的多个节点家族分配给各并行计算装置以便记分。4.如权利要求3所述的方法，其中在所述并行计算装置之间分配所述节点家族包括将整数值[M/N]的节点家族分配给各并行计算装置，其中M是表示要记分的节点家族的数量的整数，N是表示并行计算装置的数量的整数，并且如果M除以N产生余数，则所述整数值[M/N]不包含小数成分。5.如权利要求1所述的方法，其中同步所述并行计算装置包括分配加载有所述家族分数的所述分数高速缓存。6.如权利要求5所述的方法，其中对所述邻居记分包括搜索所述分数高速缓存以获得与邻居关联的节点家族的分数；如果所述搜索导致高速缓存命中，则加载所述节点家族分数；及如果所述搜索导致高速缓存未中，则计算所述节点家族分数；其中所述搜索导致没有高速缓存未中。7.如权利要求1所述的方法，还包括给所述并行计算装置分配待记分的邻居。8.一种制品，包括机器可存取介质，所述机器可存取介质具有提供使机器执行操作的指令的内容，所述操作包括对于要记分的多个邻居，标识与所述邻居关联的多个网络家族结构；对于各标识的家族结构确定所述家族结构的分数是否在分数高速缓存中可得到，并且如果否，则在任务队列中对所述家族结构排队，以表明所述家族将被记分；在并行计算装置之间分配排队的家族结构以便记分；用来自所述并行计算装置的所述家族结构的所得计算分数更新所述分数高速缓存；以及将所述分数高速缓存分配给所述并行计算装置，供对所述邻居记分使用。9.如权利要求8所述的制品，其中所述多个网络家族结构包括贝叶斯网络的结构。10.如权利要求8所述的制品，其中提供使所述机器在所述任务队列中对所述家族结构排队的指令的内容包括提供使所述机器生成引用所述家族结构的索引的指令的内容。11.如权利要求8所述的制品，其中提供使所述机器在并行计算装置之间分配所述排队的家族结构以便记分的指令的内容还包括提供使主计算节点将所述排队的家族结构分配给包括所述主计算节点的计算节点群集中的节点的指令的内容。12.一种设备，包括存储器，具有定义操作的数据，所述操作包括搜索分数高速缓存以获得与网络结构学习算法的邻居记分关联的贝叶斯网络家族结构；对所述分数高速缓存中缺少的所述家族结构排队以便...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。