CN115665783A - 一种异常指标溯源方法、装置、电子设备及存储介质 - Google Patents
一种异常指标溯源方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115665783A CN115665783A CN202211337516.6A CN202211337516A CN115665783A CN 115665783 A CN115665783 A CN 115665783A CN 202211337516 A CN202211337516 A CN 202211337516A CN 115665783 A CN115665783 A CN 115665783A
- Authority
- CN
- China
- Prior art keywords
- path
- abnormal
- nodes
- anchor point
- point set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种异常指标溯源方法、装置、电子设备及存储介质。通过获取与待溯源的异常指标对应的异常节点,并加入初始化后的锚点集合中;在预先构建的无线通信网络内生因素知识图谱中,确定出与异常节点基于锚点集合的可达节点;根据路径评分算法计算各关系路径对应的路径评分,并选取路径评分最高的可达节点作为新增节点加入锚点集合中并更新;确定出与异常节点基于锚点集合且经过新增节点的可达节点,并返回计算路径评分的操作,直至锚点集合不存在新增节点;根据各关系路径对应的路径分类和路径评分,得到异常指标溯源结果。解决了无线通信网络的故障源头难以定位、运维投入大和时效性差的问题,提高了对网络运维的效率,提高了客户体验感。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种异常指标溯源方法、装置、电子设备及存储介质。
背景技术
随着无线通信网络的发展,5G网络逐渐走向多样化业务,网络切片业务管理有效解决了无线业务的动态性和复杂性问题,同时也让无线网络运维面临诸多新挑战。例如,NFV(Network Functions Virtualization,网络功能虚拟化)和微服务架构等技术的不断引入,网络实现了分层解耦,按需部署,但同时也带来了网络运维复杂化。非自动化的网络运维流程大大提高了对运维人员能力的要求。此外,用户对网络运维质量的要求也有了显著的提升,对延迟容忍度大幅降低。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:人工智能技术的快速发展,为无线网络智能运维提供了新的方向。如何利用人工智能的自学习和深度学习能力,从复杂的网络结构海量的运维数据中抽取。学习到影响网络性能或者用户体验质量的关键因素及相互间的隐藏关系,成为追溯引起网络异常的根本原因、及对网络进行诊断和故障定位分析,为运维人员提供智能网络运维和决策方案的关键。目前,传统烟囱式的运维团队和流程模式难以解决当前无线网络运维存在的故障通知时延高、故障分析定位及溯源困难、运维效率低、和客户体验差等问题。
发明内容
本发明提供了一种异常指标溯源方法、装置、电子设备及存储介质,以解决智能网络运维的效率低、故障溯源困难的问题,提高客户的体验感。
根据本发明的一方面,提供了一种异常指标溯源方法,其中,包括:
在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化后的锚点集合中;
在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;
根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;
根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入的新增节点;
根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
根据本发明的另一方面,提供了一种异常指标溯源装置,其中,包括:
异常节点加入模块,用于在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化后的锚点集合中;
可达节点确定模块,用于在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;
锚点集合更新模块,用于根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;
路径评分返回计算模块,用于根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回锚点集合更新模块,直至所述锚点集合不再加入新增节点;
异常指标溯源结果确定模块,用于根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
根据本发明的另一方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现本发明任一实施例所述的异常指标溯源方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的异常指标溯源方法。
本发明实施例的技术方案,在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化后的锚点集合中;在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入的新增节点;根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。通过锚点集合的更新,能够更加准确地确定出可能存在异常的溯源路径节点,更加便利了对异常指标进行溯源操作。当确定完成更新锚点集合之后,根据锚点集合中的节点进行路径分类,计算得到路径类评分,通过对各关系路径进行分类并计算路径类评分,这样可以更加准确的定位异常指标溯源结果,提高了对智能网络运维的效率,提高了异常指标溯源的准确率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是根据本发明实施例一提供的一种异常指标溯源方法的流程图;
图1b是根据本发明实施例一提供的方法中的一个具体应用场景的结构示意图;
图2是根据本发明实施例二提供的另一种异常指标溯源方法的流程图;
图3是根据本发明实施例三提供的一种异常指标溯源装置的结构示意图;
图4是根据本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“当前”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1a为本发明实施例一提供了一种异常指标溯源方法的流程图,本实施例可适用于在在无线通信网络中,故障源头难以定位、运维投入大和时效性差的情况,该方法可以由异常指标溯源装置来执行,该异常指标溯源装置可以采用硬件和/或软件的形式实现。
相应的,如图1a所示,该方法包括:
S110、在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化后的锚点集合中。
其中,待溯源的异常指标可以是在无线通信网络中,监测到的出现异常的数据指标。异常节点可以是根据异常指标确定出的节点,可以理解的是,在无线通信网络中出现异常的起始节点。
锚点集合是此次溯源过程中异常节点s至任意节点vi∈CV{s}已找到最高评分路径中所有节点构成的集合。假设锚点集合为U,CV{s}代表除异常节点s外的所有节点,初始化后的锚点集合U={s}。可以理解的是,在锚点集合中,需要首先将异常节点加入锚点集合中,随着路径评分的计算,在锚点集合中不断加入新增节点。具体的,初始化后的锚点集合中只存在异常节点一个节点。
S120、在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点。
其中,无线通信网络内生因素知识图谱可以是利用无线通信网络协议和专家知识构建的一种能够直观展现网络协议和性能相关数据字段及指标间关系的语义网络。
具体的,无线通信网络内生因素知识图谱中的各节点表征数据字段及指标,节点之间的边表征数据字段及指标间的关系。可达节点可以是从异常节点出发进行溯源,结合锚点集合所能抵达的节点。
在本实施例中,假设将异常节点加入初始化后的锚点集合之后,在锚点集合中只存在异常节点A,直接在无线通信网络内生因素知识图谱中确定所述异常节点A所能到达的可达节点。假设在无线通信网络内生因素知识图谱中存在节点B和节点C能够从异常节点A直接可达,节点D和节点E不能够从异常节点A直接可达,因此,可以将节点B和节点C确定为可达节点。
S130、根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合。
其中,关系路径可以是通过在无线通信网络内生因素知识图谱中,将异常节点作为起点,与其他可达节点连接而成的路径。可以理解的是,从异常节点到各可达节点,可以构成多条路径,需要分别计算多条路径对应的路径评分,保留从异常节点到目标可达节点对应的最高路径评分。当得到最高路径评分之后,可以确定最高路径评分对应的目标可达节点,并将其确定为新增节点加入至锚点集合中并更新锚点集合。
路径评分可以是描述关系路径状态好坏的评分,路径评分越高,该关系路径所关联的节点存在异常的可能性越大,能够更加合理地进行异常指标的溯源操作,得到更加准确的溯源结果。
路径评分最高可以是通过路径评分的计算,通过比较从异常节点到倒数第二个可达节点关系路径一致的,但是最后一个可达节点不同的各关系路径对应的路径评分的大小,确定出各关系路径的最大评分。
可以理解的是,当锚点集合中只存在异常节点A时,需要在预先构建的无线通信网络内生因素知识图谱中,确定出与异常节点A直接相连的一个或者多个节点,将该节点确定为可达节点。
续前例的,因为将节点B和节点C确定为异常节点A的可达节点,需要分别计算异常节点A到节点B、异常节点A到节点C之间的各关系路径对应的路径评分,假设分别计算得到路径评分b和路径评分c(假设路径评分b大于路径评分c),则选取路径评分最高的路径评分b对应的节点B作为新增节点加入锚点集合中,并更新锚点集合,此时的锚点集合中有异常节点A和节点B。
这样设置的好处在于:解决无线网络异常根因难以定位、网络运维投入大且时效性差的问题,实现及时消除隐患、提高服务质量和用户满意度的目标。
S140、根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入的新增节点。
续前例的,假设通过路径评分的计算,确定出节点B为可达节点,因此需要将可达节点B加入锚点集合中。
进一步的,由于节点B的加入,此时的锚点集合中有异常节点A和节点B,因此需要获取异常节点A结合锚点集合中的其他节点(也即节点B)所能抵达的全部可达节点。假设获取到的全部可达节点为节点C和节点D。
相应的,需要接着计算各关系路径的路径评分,可以理解的是,各关系路径包括:“异常节点A-节点B-节点C”和“异常节点A-节点B-节点D”,分别计算这两条关系路径的评分,假设节点C对应的关系路径的路径评分c小于节点D对应的关系路径的路径评分d。因此,将节点D加入至锚点集合中,更新锚点集合。
同理,不断更新锚点集合,并计算从异常节点A出发,并且结合新增节点,确定新的可达节点,并计算该关系路径的路径评分,更新锚点集合,直至锚点集合不再加入的新增节点则停止局部搜索。
S150、根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
其中,路径分类可以是描述各关系路径的类型。具体的,各关系路径中自异常节点至倒数第二个可达节点所经过的可达节点均一致的关系路径划归为一类。可以理解的是,关系路径属于同一路径分类的情况下,可以确定异常指标属于具体某一分类的故障,可以更加准确地进行溯源操作。
路径概率可以是在无线通信网络内生因素知识图谱中,每条路径都可以确定对应的概率的大小,路径概率描述的是各关系路径发生故障的概率的大小。可以理解的是,在一个路径分类中的各目标分类路径都对应各自的路径概率,并且路径概率相加之和等于1。异常指标溯源结果可以是描述异常指标通过溯源操作,得到的溯源结果,可以将溯源结果进行反馈操作,进行及时的维修操作。
如图1b所示,为一个具体应用场景的结构示意图。异常节点为v1,其余节点为锚点集合中的可达节点。从异常节点出发,由于从异常节点到倒数第二个可达节点所经过的可达节点均一致的关系路径划归为一类,因此可以确定v1→v2→v4→v8和v1→v2→v4→v9为一个路径分类,设为路径分类1。同理可得,可以确定v1→v3→v5→v6和v1→v3→v5→v7为一个路径分类,设为路径分类2。
假设路径分类1中的v1→v2→v4→v8对应的路径评分为90,路径分类1中的v1→v2→v4→v9对应的路径评分为100,由于将类内所有路径评分的和作为该路径类的总评分,路径分类1的路径类总评分为90+100=190;以类内所有路径评分的平均值作为这个路径类的评分,路径分类1的路径类评分为190/2=95;以每条路径的评分与路径类的总评分的比值表示该条路径对此节点指标出现异常关联的概率,路径v1→v2→v4→v8对应的路径概率为90/190=0.47,路径v1→v2→v4→v9对应的路径概率为100/190=0.53。
同理,假设路径分类2中的v1→v3→v5→v6对应的路径评分为80,路径分类2中的v1→v3→v5→v7对应的路径评分为90。路径分类2的路径类总评分为80+90=170;路径分类2的路径类评分为170/2=85;路径v1→v3→v5→v6对应的路径概率为80/170=0.47,路径v1→v3→v5→v7对应的路径概率为90/170=0.53。
相应的,可以通过最高路径类评分和所述路径概率,得到异常指标溯源结果。
可选的,根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分,包括:获取更新完成的锚点集合中的各所述关系路径对应的路径分类和路径评分;分别对所述路径分类中各目标分类路径对应的路径评分进行相加处理,确定出各目标分类路径对应的总路径评分;获取目标分类路径中关系路径的总数量,根据所述总路径评分和总数量确定出所述路径类评分。
在本实施例中,在无线通信网络内生因素知识图谱中,通过计算确定出各关系路径对应的路径分类,以及每条关系路径对应的路径概率的大小。
具体的,在路径分类确定之后,分别获取在每个路径分类对应的各关系路径的路径评分,将在目标路径分类中的各路径评分进行相加处理,得到该目标路径分类的总路径评分。
进一步的,获取目标路径分类中的每个关系路径对应的路径评分,分别计算各路径评分与总路径评分的比值的大小,确定出各关系路径对出现异常指标的相关联程度。
另外的,在计算出目标路径分类的总路径评分,根据求均值的方法,计算出目标路径分类对应的路径类评分。
可选的,所述分别对所述路径分类中各目标分类路径对应的路径评分进行相加处理,确定出各目标分类路径对应的总路径评分,包括:依次在各所述路径分类获取一个目标分类路径;获取所述目标分类路径中各所述关系路径对应的路径评分;根据所述路径评分进行相加处理,确定出所述目标分类路径对应的总路径评分;判断在各所述路径分类中是否存在新的目标分类路径,若是,则返回执行依次在各所述路径分类获取一个目标分类路径的操作,直至在各所述路径分类中不存在新的目标分类路径;若否,则确定计算完成各目标分类路径对应的总路径评分。
其中,目标分类路径可以是在各路径分类中获取到的一个分类路径。
续前例的,假设路径分类存在分类路径1和分类路径2。需要首先在路径分类获取一个目标分类路径,假设目标分类路径为分类路径1,需要计算目标分类路径1中各关系路径对应的总路径评分。
进一步的,在计算完成目标分类路径1对应的总路径评分之后,需要判断在各路径分类中是否存在新的目标分类路径,由于还存在分类路径2,则需要计算目标分类路径2对应的总路径评分。
相应的,当在各路径分类中不存在新的目标分类路径之后,则可以确定计算完成各目标分类路径对应的总路径评分。
这样设置的好处在于:通过将各关系路径进行路径分类处理操作,对每个路径分类分别计算对应的总路径评分和路径类评分,从而可以更加合理准确地确定出发生异常的指标的位置,及时地进行维修处理操作,减少由于维修不及时而造成的财产损失,节约了维修的时间成本。
可选的,所述根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果,包括:对各所述路径类评分进行排序处理,确定出最高路径类评分;根据所述最高路径类评分和所述路径概率,确定出最高评分分类路径对应的异常指标溯源结果。
其中,最高路径类评分可以通过对各路径类评分进行比较,确定出相对来说评分数值最高的路径类评分。
在本实施例中,通过对路径类评分进行排序处理,获取路径类评分最高的最高路径类评分,接着根据该路径类中各路径的概率大小确定出最可能的溯源路径,得到相应的溯源结果。
续前例的,由于路径分类1的路径类评分为95,路径分类2的路径类评分为85。
通过路径类评分进行排序处理,确定出最大路径类评分为95,对应的路径分类为路径分类1。进一步的,根据路径分类1中各路径的概率,获取最高概率对应的路径v1→v2→v4→v9。因此,可以确定出异常指标溯源结果为:路径分类1中的v1→v2→v4→v9。
另外的,通过计算无线通信网络内生因素知识图谱中节点间的路径评分来定位造成节点表征的指标出现异常的最大关联因素,具体指路径概率及溯源路径。当影响网络性能或者用户体验质量的指标出现异常时,通过对溯源路径的分析与对路径概率的配置修改,能够有效地消除异常,完成对网络的修复。
本发明实施例的技术方案,在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化后的锚点集合中;在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入的新增节点;根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。通过锚点集合的更新,能够更加准确地确定出可能存在异常的溯源路径节点,更加便利了对异常指标进行溯源操作。当确定完成更新锚点集合之后,根据锚点集合中的节点进行路径分类,计算得到路径类评分,通过对路径类各路径进行概率计算,这样可以更加准确的定位异常指标溯源结果,提高了对智能网络运维的效率,提高了异常指标溯源的准确率。
实施例二
图2为本发明实施例二提供的另一种异常指标溯源方法的流程图,本实施例以上述各实施例为基础进行细化,在本实施例中,将根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作进行进一步细化。
其中,如图2所示,该方法包括:
S210、在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并使用异常节点加入初始化后的锚点集合。
S220、在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点。
S230、根据路径评分算法,计算得到所述异常节点和所述可达节点之间的各关系路径对应的向量相似度和关联向量。
其中,路径评分算法可以是能够对每条关系路径进行评分计算的算法。向量相似度可以是描述异常节点对应的第一特征向量和可达节点对应的第二特征向量之间的相似度的大小。关联向量可以是描述各关系路径的关联程度的向量的大小。
可选的,所述根据路径评分算法,计算得到各所述关系路径对应的向量相似度,包括:获取所述异常节点对应的第一特征向量和所述可达节点对应的各第二特征向量;根据公式计算得到所述第一特征向量和所述第二特征向量之间的向量相似度其中,xs为第一特征向量;为第二特征向量;d为第一特征向量和第二特征向量的维度;k为维度参数,并且1≤k≤d;xs,k为在第k维度对应的第一特征向量;为在第k维度对应的第二特征向量。
在本实施例中,通过获取异常节点对应的第一特征向量,以及获取可达节点对应的第二特征向量,分别在各个维度上,计算第一特征向量和第二特征向量之间的相似度的大小。通过计算向量相似度,进一步地计算出路径评分的大小。
可选的,所述根据路径评分算法,计算得到各所述关系路径对应的关联向量,包括:计算所述第一特征向量和所述第二特征向量之间的欧氏距离;根据公式计算得到关联向量fassoc(s);其中,为与所述异常节点s具有边连接关系的锚点集合;η为可调参数;为所述欧式距离;表示所述异常节点s到所述可达节点vi的单位向量。
在本实施例中,通过计算第一特征向量和第二特征向量之间的欧氏距离,异常节点s到可达节点vi的单位向量,以及第一特征向量和第二特征向量之间的向量相似度,计算得到关联向量的大小。
S240、通过欧式距离计算所述关联向量对应的关联向量欧氏距离。
其中,关联向量欧氏距离可以是对计算出的关联向量进行欧式距离的计算得到的。
在本实施例中,通过向量相似度和关联向量欧氏距离计算得到异常节点和可达节点之间的路径评分。
S260、根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合。
S270、根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,返回执行S230,直至所述锚点集合不再加入新增节点。
S280、根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
本发明实施例的技术方案,在无线通信网络中,通过获取与待溯源的异常指标对应的异常节点,并初始化后的锚点集合;在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;根据路径评分算法计算所述异常节点和所述可达节点之间的各所述关系路径对应的向量相似度和关联向量;通过欧式距离计算所述关联向量对应的关联向量欧氏距离;根据公式 计算得到路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入新增节点;根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。能够更加准确及时地进行异常指标的溯源,提高了对智能网络运维的效率,也能够提高客户的体验感,帮助运维人员完成网络修复和维护,实现无线通信网络的智能运维。
实施例三
图3为本发明实施例三提供的一种异常指标溯源装置的结构示意图。本实施例所提供的一种异常指标溯源装置可以通过软件和/或硬件来实现,可配置于服务器或者终端设备中来实现本发明实施例中的一种异常指标溯源方法。如图3所示,该装置包括:异常节点加入模块310、可达节点确定模块320、锚点集合更新模块330、路径评分返回计算模块340和异常指标溯源结果确定模块350。
其中,异常节点加入模块310,用于在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化锚点集合中;
可达节点确定模块320,用于在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;
锚点集合更新模块330,用于根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;
路径评分返回计算模块340,用于根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回锚点集合更新模块,直至所述锚点集合不再加入的新增节点;
异常指标溯源结果确定模块350,用于根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
本发明实施例的技术方案,在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化后的锚点集合中;在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入新增节点;根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。通过锚点集合的更新,能够更加准确地确定出可能存在异常的溯源路径节点,更加便利了对异常指标进行溯源操作。当确定完成更新锚点集合之后,根据锚点集合中的节点进行路径分类,计算得到路径类评分,通过对路径类中各路径计算概率,这样可以更加准确的定位异常指标溯源结果,提高了对智能网络运维的效率,提高了异常指标溯源的准确率。
可选的,锚点集合更新模块330,可以具体包括:向量相似度和关联向量计算单元,用于所述根据路径评分算法,计算得到所述异常节点和所述可达节点之间的各关系路径对应的向量相似度和关联向量;关联向量欧氏距离计算单元,用于通过欧式距离计算所述关联向量对应的关联向量欧氏距离;路径评分计算单元,用于根据公式 计算得到路径评分score(s,vi);其中,为向量相似度;‖fassoc(s)‖为关联向量欧氏距离;xs为所述异常节点s对应的第一特征向量;为所述可达节点vi对应的第二特征向量。
可选的,向量相似度和关联向量计算单元,可以具体用于:获取所述异常节点对应的第一特征向量和所述可达节点对应的各第二特征向量;根据公式计算得到所述第一特征向量和所述第二特征向量之间的向量相似度其中,xs为第一特征向量;为第二特征向量;d为第一特征向量和第二特征向量的维度;k为维度参数,并且1≤k≤d;xs,k为在第k维度对应的第一特征向量;为在第k维度对应的第二特征向量。
可选的,向量相似度和关联向量计算单元,可以具体用于:计算所述第一特征向量和所述第二特征向量之间的欧氏距离;根据公式 计算得到关联向量fassoc(s);其中,为与所述异常节点s具有边连接关系的锚点集合;η为可调参数;为所述欧式距离;表示所述异常节点s到所述可达节点vi的单位向量。
可选的,异常指标溯源结果确定模块350,可以具体包括:路径分类和路径评分获取单元,用于获取更新完成的锚点集合中的各所述关系路径对应的路径分类和路径评分;分别对所述路径分类中各目标分类路径对应的路径评分进行相加处理,确定出各目标分类路径对应的总路径评分;获取目标分类路径中关系路径的总数量,根据所述总路径评分和总数量确定出所述路径类评分。
可选的,总路径评分确定单元,可以具体用于:依次在各所述路径分类获取一个目标分类路径;获取所述目标分类路径中各所述关系路径对应的路径评分;根据所述路径评分进行相加处理,确定出所述目标分类路径对应的总路径评分;判断在各所述路径分类中是否存在新的目标分类路径,若是,则返回执行依次在各所述路径分类获取一个目标分类路径的操作,直至在各所述路径分类中不存在新的目标分类路径;若否,则确定计算完成各目标分类路径对应的总路径评分。
可选的,异常指标溯源结果确定模块350,可以具体用于:对各所述路径类评分进行排序处理,确定出最高路径类评分;根据所述最高路径类评分和所述路径概率,确定出最高评分分类路径对应的异常指标溯源结果。
本发明实施例所提供的异常指标溯源装置可执行本发明任意实施例所提供的异常指标溯源方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如异常指标溯源方法。
在一些实施例中,异常指标溯源方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的异常指标溯源方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行异常指标溯源方法。
该方法包括:在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化锚点集合中;在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入新增节点;根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
实施例五
本发明实施例五还提供一种包含计算机可读存储介质,所述计算机可读指令在由计算机处理器执行时用于执行一种异常指标溯源方法,该方法包括:在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化锚点集合中;在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入新增节点;根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
当然,本发明实施例所提供的一种包含计算机可读存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的异常指标溯源方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述异常指标溯源装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种异常指标溯源方法,其特征在于,包括:
在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化后的锚点集合中;
在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;
根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;
根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分的操作,直至所述锚点集合不再加入新增节点;
根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
5.根据权利要求1所述的方法,其特征在于,所述根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分,包括:
获取更新完成的锚点集合中的各所述关系路径对应的路径分类和路径评分;
分别对所述路径分类中各目标分类路径对应的路径评分进行相加处理,确定出各目标分类路径对应的总路径评分;
获取目标分类路径中关系路径的总数量,根据所述总路径评分和总数量确定出所述路径类评分。
6.根据权利要求5所述的方法,其特征在于,所述分别对所述路径分类中各目标分类路径对应的路径评分进行相加处理,确定出各目标分类路径对应的总路径评分,包括:
依次在各所述路径分类获取一个目标分类路径;
获取所述目标分类路径中各所述关系路径对应的路径评分;
根据所述路径评分进行相加处理,确定出所述目标分类路径对应的总路径评分;
判断在各所述路径分类中是否存在新的目标分类路径,若是,则返回执行依次在各所述路径分类获取一个目标分类路径的操作,直至在各所述路径分类中不存在新的目标分类路径;
若否,则确定计算完成各目标分类路径对应的总路径评分。
7.根据权利要求1所述的方法,其特征在于,所述根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果,包括:
对各所述路径类评分进行排序处理,确定出最高路径类评分;
根据所述最高路径类评分和所述路径概率,确定出最高评分分类路径对应的异常指标溯源结果。
8.一种异常指标溯源装置,其特征在于,包括:
异常节点加入模块,用于在无线通信网络中,获取与待溯源的异常指标对应的异常节点,并将所述异常节点加入初始化后的锚点集合中;
可达节点确定模块,用于在预先构建的无线通信网络内生因素知识图谱中,确定出与所述异常节点基于锚点集合的可达节点;
锚点集合更新模块,用于根据路径评分算法计算所述异常节点和所述可达节点之间的各关系路径对应的路径评分,并根据所述路径评分,选取路径评分最高的可达节点作为新增节点加入锚点集合中,并更新锚点集合;
路径评分返回计算模块,用于根据所述锚点集合中的所述异常节点和所述新增节点,确定出与所述异常节点基于锚点集合且经过新增节点的可达节点,并返回锚点集合更新模块,直至所述锚点集合不再加入新增节点;
异常指标溯源结果确定模块,用于根据更新完成的锚点集合中的各关系路径对应的路径分类和路径评分,确定出路径分类中各目标分类路径的路径类评分和路径概率,并根据所述路径类评分确定出最高路径类评分,通过最高路径类评分和所述路径概率确定异常指标溯源结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的异常指标溯源方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的异常指标溯源方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211337516.6A CN115665783A (zh) | 2022-10-28 | 2022-10-28 | 一种异常指标溯源方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211337516.6A CN115665783A (zh) | 2022-10-28 | 2022-10-28 | 一种异常指标溯源方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115665783A true CN115665783A (zh) | 2023-01-31 |
Family
ID=84994275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211337516.6A Pending CN115665783A (zh) | 2022-10-28 | 2022-10-28 | 一种异常指标溯源方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115665783A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881870A (zh) * | 2023-09-05 | 2023-10-13 | 齐鲁工业大学(山东省科学院) | 一种基于科研成果分析的数据溯源方法和系统 |
-
2022
- 2022-10-28 CN CN202211337516.6A patent/CN115665783A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881870A (zh) * | 2023-09-05 | 2023-10-13 | 齐鲁工业大学(山东省科学院) | 一种基于科研成果分析的数据溯源方法和系统 |
CN116881870B (zh) * | 2023-09-05 | 2024-02-27 | 齐鲁工业大学(山东省科学院) | 一种基于科研成果分析的数据溯源方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113792154B (zh) | 故障关联关系的确定方法、装置、电子设备及存储介质 | |
CN114444619B (zh) | 样本生成方法、训练方法、数据处理方法以及电子设备 | |
CN112559631B (zh) | 分布式图数据库的数据处理方法、装置以及电子设备 | |
CN115665783A (zh) | 一种异常指标溯源方法、装置、电子设备及存储介质 | |
CN112784102B (zh) | 视频检索方法、装置和电子设备 | |
CN116975081A (zh) | 一种日志诊断集更新方法、装置、设备及存储介质 | |
CN116228301A (zh) | 一种目标用户的确定方法、装置、设备及介质 | |
CN116229211A (zh) | 样本生成方法、模型训练方法、对象检测方法及装置 | |
CN113408280B (zh) | 负例构造方法、装置、设备和存储介质 | |
CN112860811B (zh) | 数据血缘关系的确定方法、装置、电子设备和存储介质 | |
CN113590774A (zh) | 事件查询方法、装置以及存储介质 | |
CN116127948B (zh) | 待标注文本数据的推荐方法、装置及电子设备 | |
CN115511014B (zh) | 信息匹配方法、装置、设备及存储介质 | |
CN115329748B (zh) | 一种日志解析方法、装置、设备及存储介质 | |
CN114037057B (zh) | 预训练模型的生成方法、装置、电子设备以及存储介质 | |
CN116167978A (zh) | 一种模型更新方法、装置、电子设备及存储介质 | |
CN116127948A (zh) | 待标注文本数据的推荐方法、装置及电子设备 | |
CN117851598A (zh) | 一种大语言模型辅助分类方法、装置、设备及介质 | |
CN116304796A (zh) | 一种数据分类方法、装置、设备及介质 | |
CN117670554A (zh) | 确定数据资产标签的方法、装置、电子设备及存储介质 | |
CN118035445A (zh) | 一种工单分类方法、装置、电子设备和存储介质 | |
CN116090704A (zh) | 一种商业租户的用能管理方法、装置、设备及介质 | |
CN115017145A (zh) | 数据扩展方法、装置及存储介质 | |
CN114936547A (zh) | 一种实体对齐方法、装置、存储介质及电子设备 | |
CN117851599A (zh) | 投资监督其他要素文本抽取方法、装置、设备以及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |