[发明专利]贝叶斯网络结构学习的并行化

说明书

技术领域

本发明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。

背景技术

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配给两个并行计算资源或节点的每一个。节点可检查分数高速缓存，以便确定家族分数是否对于结构为已知。如果分数为已知(导致高速缓存命中)，则计算资源可能只要加载该分数，并将其用来计算邻居分数(所关注的有向无环图(DAG)或结构的分数)。如果分数不是已知的(导致高速缓存未中)，则可能需要计算资源在计算邻居分数之前计算家族分数。如果第一节点具有高速缓存命中，则它在确定邻居分数中的计算时间将远远小于第二节点计算其邻居分数的时间。因此，可能存在一段时间，在其中具有高速缓存命中的计算资源和/或主或控制节点处于空闲(例如没有执行有用工作)，同时在更多任务的执行/分配之前等待具有高速缓存未中的第二节点完成计算。这导致并行执行的顺序化。因此，结构学习的当前或传统的并行方法可能无法对于不断增加大小和复杂性的网络提供结构学习的期望性能，并且可能无法提供并行节点之间的适当负荷平衡和系统可缩放性的工具。

发明内容

根据本发明的第一方面，提供了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贝叶斯网络中的多个网络节点家族的每个的家族分数，所述家族分数提供用以计算所述贝叶斯网络中的节点家族的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家族分数的节点家族以便记分，所述并行计算装置为所述点家族产生家族分数，所述分数高速缓存能够由所述并行计算装置访问；

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分数高速缓存中；以及

使所述并行计算装置与所述分数高速缓存同步，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。

根据本发明的第二方面，提供了一种用于网络结构学习的装置，包括：

标识部件，用于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；

确定部件，用于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；

用于在并行计算装置之间分配排队的家族结构以便记分的部件；

更新部件，用于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

分配部件，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。

根据本发明的第三方面，提供了一种用于网络结构学习的设备，包括：

多个部件，所述多个部件还包括：

搜索部件，用于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；

排队部件，用于对所述分数高速缓存中缺少的所述家族结构排队，以便在并行计算节点之间计算；

第一分配部件，用于给所述并行计算节点分配计算任务，以便对所述缺少的家族结构记分，从而计算所述缺少的家族结构的分数；

第二分配部件，用于在所述并行计算节点之间分配所得计算分数和所述分数高速缓存，以向所述并行计算节点提供所述分数高速缓存的分数和所述所得计算分数，用于与所述贝叶斯网络家族结构关联的邻居的分数计算；以及

第三分配部件，用于给所述并行计算节点分配计算所述邻居的分数的任务；以及

处理器，耦合到所述多个部件，以使所述多个部件执行相应操作。

根据本发明的第四方面，提供了一种用于网络结构学习的系统，包括：