[發明專利]計算機中任務數據處理方法、裝置、計算機設備和介質

在審

• 申請號: 202210620730.6
• 申請日: 2022-06-02
• 公開（公告）號: CN114996651A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 羅輝章;孫澄宇;李肯立;陽王東;唐卓;劉楚波;劉剛
• 申請（專利權）人: 湖南大學
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06F8/30
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 黃恕

本申請涉及一種計算機中任務數據處理方法、裝置、計算機設備和介質。該方法包括：獲取計算任務對應的SK算法矩陣；基于SK算法矩陣中每一行的元素和，對SK算法矩陣中的每一行的元素進行行縮放，并將縮放后的行元素緩存至預設數組；根據預設數組中緩存的元素，得到對行縮放后的SK算法矩陣進行列縮放的縮放因子；基于縮放因子，對行縮放后的SK算法矩陣進行列縮放，得到縮放后的SK算法矩陣；根據縮放后的SK算法矩陣進行SK算法處理，得到任務數據處理結果。采用本方法能夠提高任務數據處理效率。

技術領域

本申請涉及計算機技術領域，特別是涉及一種計算機中任務數據處理方法、裝置、計算機設備、存儲介質以及程序產品。

背景技術

隨著計算機技術的發展，出現了大數據技術。在大數據技術應用中，計算機需要對海量的任務數據進行處理，針對這些任務數據處理，目前已有學者提出了不少的任務數據處理算法，而Sinkhorn-Knopp(SK)算法就是其中極具代表性的算法。

簡單來說，Sinkhorn-Knopp(SK)算法是一種迭代算法，SK算法在人工智能(artificial intelligence，AI)領域中獲得了越來越多的關注，通常地，SK算法可以應用于計算機中，以處理最優傳輸問題、計算機視覺、詞移動距離等對應的計算任務。通常地，計算機先將計算任務對應的矩陣以行形式存儲在緩存中，通過SK算法對矩陣中的每一行的元素進行求和后，在基于得到的和對矩陣中的每一行的元素進行行縮放，進而，對行縮放后的矩陣進行每一列的元素求和后，基于每一列的元素的和，對行縮放后的矩陣進行列縮放，從而可以得到滿足迭代需求的任務處理結果。

然而，SK算法對行縮放后的矩陣進行列縮放時，需要重復讀取進行行縮放后的矩陣中的所有行元素后，才能得到列縮放所需要的列元素，進而在求和后才能對行縮放后的矩陣中的列元素進行列縮放，這使得任務數據處理效率極低。

發明內容

基于此，有必要針對上述技術問題，提供一種高效的計算機中任務數據處理方法、裝置、計算機設備、存儲介質以及程序產品。

第一方面，本申請提供一種計算機中任務數據處理方法，所述方法包括：

獲取計算任務對應的SK算法矩陣；

基于所述SK算法矩陣中每一行的元素和，對所述SK算法矩陣中的每一行的元素進行行縮放，并將縮放后的行元素緩存至預設數組；

根據所述預設數組中緩存的元素，得到對行縮放后的所述SK算法矩陣進行列縮放的縮放因子；

基于所述縮放因子，對行縮放后的所述SK算法矩陣進行列縮放，得到縮放后的所述SK算法矩陣；

根據所述縮放后的所述SK算法矩陣進行SK算法處理，得到任務數據處理結果。

在其中一個實施例中，所述根據所述預設數組中緩存的元素，得到對行縮放后的所述SK算法矩陣進行列縮放的縮放因子，包括：

累加所述預設數組中每一列的元素，并分別計算預設元素與所述預設數組中每一列元素的和的比值，得到所述行縮放后的所述SK算法矩陣中每一列的元素的縮放因子。

在其中一個實施例中，所述基于所述縮放因子，對行縮放后的所述SK算法矩陣進行列縮放，得到縮放后的所述SK算法矩陣，包括：

對所述行縮放后的所述SK算法矩陣按照預設行維度以及預設列維度進行分塊處理后，得到多個子矩陣；

分別計算所述縮放因子和每個所述子矩陣中的元素的乘積，得到每個所述子矩陣對應的列縮放后的元素；

組合多個所述子矩陣對應的列縮放后的元素，得到縮放后的所述SK算法矩陣。

在其中一個實施例中，所述分別計算所述縮放因子和每個所述子矩陣中的元素的乘積，得到每個所述子矩陣對應的列縮放后的元素，包括：