[发明专利]线程的运行控制方法及其系统

权利要求书

1.一种线程的运行控制方法，其特征在于，包括：

获取各个待指派线程的描述，所述待指派线程的描述为与所述待指派线程相关的零星任务参数匹配的调度上下文；

将所述各个待指派线程的描述分别通过包含嵌入层的上下文编码器以得到多个线程描述语义特征向量；

计算所述多个线程描述语义特征向量中每两个线程描述语义特征向量之间的欧式距离以得到距离拓扑矩阵；

将所述距离拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到距离拓扑特征矩阵；

将所述多个线程描述语义特征向量进行二维排列以得到全局线程描述语义特征矩阵；

将所述全局线程描述语义特征矩阵和所述距离拓扑特征矩阵通过图神经网络模型以得到拓扑全局线程描述语义特征矩阵；

基于所述全局线程描述语义特征矩阵，对所述拓扑全局线程描述语义特征矩阵进行小尺度特征关联表达强化以得到优化拓扑全局线程描述语义特征矩阵；

将所述优化拓扑全局线程描述语义特征矩阵中各个行向量分别通过分类器以得到多个概率值；以及

基于所述多个概率值的排序，确定所述各个待指派线程的优先级；

其中，所述基于所述全局线程描述语义特征矩阵，对所述拓扑全局线程描述语义特征矩阵进行小尺度特征关联表达强化以得到优化拓扑全局线程描述语义特征矩阵，包括：

计算所述拓扑全局线程描述语义特征矩阵和所述全局线程描述语义特征矩阵之间的小尺度局部衍生矩阵；以及

以所述小尺度局部衍生矩阵作为加权特征矩阵对所述拓扑全局线程描述语义特征矩阵进行按位置点乘以得到所述优化拓扑全局线程描述语义特征矩阵；

其中，所述计算所述拓扑全局线程描述语义特征矩阵和所述全局线程描述语义特征矩阵之间的小尺度局部衍生矩阵，包括：

以如下公式计算所述拓扑全局线程描述语义特征矩阵和所述全局线程描述语义特征矩阵之间的所述小尺度局部衍生矩阵；

其中，所述公式为：

，

其中、和分别是所述拓扑全局线程描述语义特征矩阵、所述全局线程描述语义特征矩阵和所述小尺度局部衍生矩阵的第位置的特征值。

2.根据权利要求1所述的线程的运行控制方法，其特征在于，所述将所述各个待指派线程的描述分别通过包含嵌入层的上下文编码器以得到多个线程描述语义特征向量，包括：

使用所述上下文编码器的嵌入层分别将所述各个待指派线程的描述转化为嵌入向量以得到对应于各个待指派线程的描述的嵌入向量的序列；

使用所述上下文编码器的基于转换器的Bert模型对所述对应于各个待指派线程的描述的嵌入向量的序列进行基于全局的上下文语义编码以得到对应于各个待指派线程的描述的多个特征向量；以及

将所述对应于各个待指派线程的描述的多个特征向量进行级联以得到所述多个线程描述语义特征向量。

3.根据权利要求2所述的线程的运行控制方法，其特征在于，所述计算所述多个线程描述语义特征向量中每两个线程描述语义特征向量之间的欧式距离以得到距离拓扑矩阵，包括：以如下公式计算所述多个线程描述语义特征向量中每两个线程描述语义特征向量之间的欧式距离以得到多个欧式距离；

，

其中，和分别表示所述多个线程描述语义特征向量中任意两个线程描述语义特征向量，表示计算所述多个线程描述语义特征向量中每两个线程描述语义特征向量之间的欧式距离，和分别表示所述多个线程描述语义特征向量中任意两个线程描述语义特征向量的各个位置的特征值。

4.根据权利要求3所述的线程的运行控制方法，其特征在于，所述将所述距离拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到距离拓扑特征矩阵，包括：进一步用于：所述卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：

使用所述卷积神经网络模型的各层的卷积单元对所述输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；

使用所述卷积神经网络模型的各层的池化单元对所述卷积特征图进行沿通道维度的池化处理以得到池化特征图；以及

使用所述卷积神经网络模型的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；

其中，所述卷积神经网络模型的第一层的输入为所述距离拓扑矩阵，所述卷积神经网络模型的最后一层的输出为所述距离拓扑特征矩阵。