CN110008288B - 用于网络故障分析的知识图谱库的构建方法及其应用 - Google Patents
用于网络故障分析的知识图谱库的构建方法及其应用 Download PDFInfo
- Publication number
- CN110008288B CN110008288B CN201910129278.1A CN201910129278A CN110008288B CN 110008288 B CN110008288 B CN 110008288B CN 201910129278 A CN201910129278 A CN 201910129278A CN 110008288 B CN110008288 B CN 110008288B
- Authority
- CN
- China
- Prior art keywords
- ontology
- library
- knowledge
- entity
- network fault
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了用于网络故障分析的知识图谱库的构建方法及应用,涉及网络通信技术领域。本发明先采用智能方法对通信网络数据进行数据采集,构建不同领域内的本体库,再根据不同领域的本体库,采用数据融合和映射技术构建全局本体库,最后依次通过实体对齐、实体链接和知识计算,来构建各种数据源语义关系一致的知识图谱库。利用构建的知识图谱库对引发网络故障可能的原因进行检索,为用户提供故障解决方案的意见,有利于网络故障的快速定位和解决,提高故障处理的效率,同时还减少人为因素的影响。
Description
技术领域
本发明涉及网络通信技术领域,具体涉及用于网络故障分析的知识图谱库的构建方法及其应用。
背景技术
计算机网络是现代计算机技术和通信技术密切结合的产物,是随社会对信息的共享和信息传递的要求而发展起来的。所谓的计算机网络是利用通信设备和线路将地理位置不同的、功能独立的多个计算机系统相互连起来,以功能完善的网络软件(如网络通信协议、信息交换方式以及网络操作系统等)来实现网络中信息传递和资源共享的系统。
知识图谱是由谷歌公司提出的,其初衷是为了在计算机网络内容的大规模、异质多元、组织结构松散的特点下,提高检索引擎的能力,改善用户的检索质量以及检索体验。随着人工智能的技术发展和应用,旨在描述现实世界中存在的实体以及实体之间关系的知识图谱以其强大的语义处理能力和开放组织能力,为互联网时代的知识化组织和智能应用奠定了基础,现已被广泛应用于语义检索、机器问答、情报检索、电子阅读、在线学习等领域。
随着计算机科学技术的飞速发展,网络规模的日益增大,管理庞杂的网络变得日益困难,网络技术在故障管理方面已面临新的挑战。当网络故障发生后,由于一个网络故障现象出现的原因有很多,针对不同原因有不同的解决方案。目前,网络故障主要依靠技术人员及时排查解决,网络故障处理的结果和时间受人为因素的影响很大,经验不足的技术人员难以及时根据故障现象分析出全部可能的原因,导致排查解决故障耗费较长时间,影响客户的体验。
发明内容
针对现有技术中存在的缺陷,本发明解决的技术问题为:如何构建能用于诊断网络故障的知识图谱库,以提高网络故障的处理效率,同时减少人为因素的影响。
为达到以上目的,本发明提供的用于网络故障分析的知识图谱库的构建方法,包括以下步骤:
S1:采集所需领域中结构化、半结构化和非结构化的网络故障数据源,网络故障数据源包括表、文本和字段,转到S2;
S2:从每个领域的网络故障数据源中,抽取出数据源中表与字段、表与表的关系模式,并根据关系模式中涉及的字段建立本体模型;对同一领域的所有本体模型进行校验,根据校验合格的本体模型建立领域本体库,转到S3;
S3:根据多个不同的领域本体库,构建一个多数据融合的全局本体库,转到S4;
S4:先将全局本体库中指向同一实体的不同名称进行合并,并采用唯一标识对同一实体进行标识,再将唯一标识添加到相应的领域本体库中;从网络故障数据源的文本中抽取得到实体对象,将其链接到全局本体库中对应的实体对象,用于预测全局本体库中实体之间缺失的关系,转到S5;
S5:利用本体或者规则推理技术获取全局本体库中数据存在的隐含知识,采用不一致检测技术发现全局本体库中数据的噪声和缺陷。
在上述技术方案的基础上,S3的具体流程包括:
S301:采用相似性检测规则对多个领域本体库进行检测,对不同领域内相同或相似的本体进行统一,转到S302;
S302:采用冲突解决规则对多个领域本体库进行检测,对多个领域本体库中存在一些相同或相似的概念和属性等进行处理,以消除概念的歧义,剔除冗余和错误概念,转到S303;
S303:将未处理的领域本体映射到全局本体库,与经过处理后的各领域本体库相融合,构建一个全局本体库。
在上述技术方案的基础上,S5之后还包括以下步骤:
S6:定期更新采集的网络故障数据源,将更新的数据同步到知识图谱库中,并根据用户的反馈意见对知识图谱库进行调整。
在上述技术方案的基础上,S2中对本体模型进行校验的方式包括:查看是否满足本体库的构建原则、本体模型中的术语是否正确、本体模型中的概念及其关系是否完整。
在上述技术方案的基础上,包括以下步骤:
A:在知识图谱库的基础上,创建一个可提供实体查询接口的检索界面,用于根据用户输入的关键词在知识图谱库中进行实体查询;
B:根据用户在检索界面中输入的网络故障现象的关键词,解析关键词中包含的实体信息或实体属性信息,用于在知识图谱库中检索与该网络故障现象有关的原因;
C:根据解析出的实体信息及实体属性信息,在知识图谱库中检索与之相关的知识图谱数据,检索出同一网络故障现象的所有相同或相似CASE信息,并以知识图谱的形式向用户显示;
D:根据显示的CASE信息,并结合相关监控、日志等信息推断出导致故障现象发生的原因,并通过点击原因链接到网络故障的解决方案。
在上述技术方案的基础上,步骤B中在检索界面可输入多个关键词进行检索,不同关键词之间以逗号、空格或分号隔开,检索结果为多个关键词分别进行检索的交集。
在上述技术方案的基础上,步骤C中当同一个网络故障现象对应有多个原因时,按照各原因引发网络故障的概率进行排序显示。
在上述技术方案的基础上,步骤C中用于显示检索结果的知识图谱包括静态图谱、单实体关系图谱和组合实体关系图谱,并通过图形的嵌套关系来表示知识图谱中的包含关系,通过图形之间的连线来表示图谱中的关联关系。
与现有技术相比,本发明的优点在于:
1)先采用智能方法对通信网络数据进行数据采集,构建不同领域内的本体库,再根据不同领域的本体库,采用数据融合和映射技术构建全局本体库,最后依次通过实体对齐、实体链接和知识计算,将网络运维故障分析领域的非结构化知识进行清洗、提取,然后整理成结构化的数组形式,并以图结构形式存储,来构建各种数据源语义关系一致的知识图谱库,用于对网络故障的根因分析;
2)利用构建的知识图谱库对引发网络故障可能的原因进行检索,为用户提供故障解决方案的意见,有利于网络故障的快速定位和解决,提高故障处理的效率,同时还减少人为因素的影响;
3)根据用户在不同应用场景的反馈,对构建的知识图谱库进行修正或数据更新,用于优化完善知识图谱库,便于对网络运维场景出现的网络故障和异常进行智能诊断分析定位,提高网络故障处理的效率,进一步提升用户的体验;
4)网络故障诊断分析是根据知识图谱进行离线和/或在线运算,不仅能快速诊断网络故障发生的原因,通过关联不同网络故障的原因,还便于推理出网络频繁故障的根本原因,为通信产品的设计优化提供支撑。
附图说明
图1为本发明中构建知识图谱库的流程示意图。
图2为本发明中知识图谱库的构建流程示意图。
图3为本发明中领域本体库的构建流程示意图。
图4为本发明中全局本体库的构建流程示意图。
具体实施方式
本发明中知识图谱是现有技术,以下结合附图对本发明的实施例作进一步详细说明。
实施例1:一种用于网络故障诊断的知识图谱库的构建方法,参见图1和2所示,包括以下流程,
S1:对接企业OA系统、问题管理系统、知识库、故障信息管理系统、统一监控系统、文件共享系统、网络管理平台、大数据平台、在线学习平台资料库,以获取各领域中结构化、半结构化和非结构化的数据源,数据源包含不同网络故障现象、及其原因分析和解决方案等相关信息;其中,结构化数据主要是指关系数据库中的表、excel表以及其它具有结构的数据;半结构化数据主要指介于结构化数据和无结构化数据之间,常见的XML、HTML等相关网页属于半结构化数据;非结构化数据主要指纯文本资料、图像和声音等数据。
网络故障诊断知识存在于各类结构化、半结构化和非结构化的数据源(例如诊断报表或案例库)中,需要将这些数据统一搜集整理作为知识构建的基础。网络故障诊断的相关知识包括反映网络端口、接口的参数(或标准)、工作状态、运行参数等,数据越准确越完整越全面,则诊断的结果越准确,因此需要对不同领域的数据源进行细致的收集整理,将其中关键的内容抽取出来作为构建知识库的基础。
S2:参见图3所示,对每一个领域的数据源进行分析,分析该数据源(关系数据库)中表的信息和字段信息,通过表的主键(即相同的概念)抽取出数据源中表与字段、表与表的关系模式,关系模式包括表与字段之间的关系,以及表与表之间的联系;根据该领域专家确认所抽取的关系模式后,对涉及的字段进行语义分析及关系映射,进而建立本体模型(本体是一个格式规范的,对领域概念的描述),本体模型包括概念与概念之间的关系、概念与属性间的联系;对建立的本体模型进行评估和校验,以建立领域本体库;评估和校验的方式包括查看是否满足本体库的构建原则,本体模型中的术语是否正确,本体模型中的概念及其关系是否完整等。
S3:为了构建多数据融合的知识图谱库,参见图4所示,在领域本体库的基础上,采用相似性检测和冲突解决等规则,将多个领域本体库进行知识融合,构建一个全局本体库。
其步骤如下:
S301:采用相似性检测规则对多个领域本体库进行检测,例如:语义相似性检测、概念相似性检测、属性相似性检测、数据格式相似性检测等,对不同领域内相同或相似的本体进行统一;
S302:采用冲突解决规则对多个领域本体库进行检测,对多个领域本体库中存在一些相同或相似的概念和属性等进行处理,以消除概念的歧义,剔除冗余和错误概念,进而保证全局本体库的质量;
S303:将剩余的领域本体映射到全局本体库,与经过处理后的各领域本体库相结合,从而实现全局本体库的构建。
S4:对构建的全局本体库进行实体对齐和实体链接;实体对齐也称为实体匹配或实体解析,是判断相同或不同数据集中的两个实体是否指向真实世界同一对象的过程。实体对齐用于发现全局本体库中指向同一实体的不同名称,并将不同名称进行合并,且用具有唯一标识对该实体进行标识,最后将唯一标识添加到相应的领域本体库中。
实体链接是从文本中抽取得到的实体对象,将其链接到全局本体库中对应的实体对象的操作;实体链接用于预测全局本体库中实体之间缺失的关系,进而丰富和拓展全局本体库。
S5:对全局本体库进行知识计算,来构建用于网络故障原因分析的知识图谱库;利用本体或者规则推理技术获取全局本体库中数据存在的隐含知识,通过网络故障发生时产生的不同现象,获取单个现象发生的原因,从而推理多现象发生时的根本原因,在此基础上对知识图谱进行拓展扩充,并采用不一致检测技术发现全局本体库中数据的噪声和缺陷,从而进一步优化图谱库。
在本发明实施例中,先构建不同领域内的本体库,再根据不同领域的本体库,采用数据融合和映射技术构建全局本体库,最后依次通过实体对齐、实体链接和知识计算,将网络运维故障分析领域的非结构化知识进行清洗、提取,然后整理成结构化的数组形式,并以图结构形式存储,来构建各种数据源语义关系一致的知识图谱库,用于实现网络故障的根因分析。
实施例2:在实施例1的基础上,参见图1所示,本发明在步骤S5之后还包括S6:将构建的知识图谱库应用于实际工作场景,根据用户的反馈对知识图谱库进行调整,若有其它并发现象或原因,则将相关信息更新到知识图谱库中;同时定期从对接的系统中更新数据,同步更新到知识图谱库的各部分,进一步优化完善知识图谱库。
在本发明实施例中,一方面根据用户在不同应用场景的反馈,在网络故障解决后对知识图谱库的不足进行修正,另一方面定期从对接的系统中更新数据,用于优化完善知识图谱库,进一步提升用户的体验。
实施例3:按照实施例1的方法构建的知识图谱库在网络故障根因分析方面的应用,具体由技术人员通过关键词(自然语言)进行检索,知识图谱库根据输入的关键词,对引发网络故障可能的原因进行自动匹配,并对这些原因导致该故障发生的概率进行排序,为用户提供故障解决方案的意见,有利于网络故障的快速定位和解决,提高故障处理的效率,同时还减少人为因素的影响。详细流程如下:
S1:在前述实施例1所构建的知识图谱库的基础上,系统为用户提供图谱库查询检索界面。
S2:用户在检索界面中输入网络故障关键词(比如故障现象描述、故障代码、关键日志行等)进行检索,系统将对输入的关键词进行解析。识别其包含的实体信息或属性信息。
S3:根据解析出的实体及实体属性信息,在知识图谱库中检索与之相关的知识图谱数据,并将检索结果以知识图谱的形式。比如用户检索“xx网络流量异常下降的原因是什么”,通过关键词提取(“xx网络”、“流量”、“异常”)并对知识库上历史数据进行匹配,从而检索出知识库中具备同样表征现象的所有相同CASE及相近CASE。
S4:用户根据显示的相同或相似CASE信息,参照每个CASE所关联的故障现象、故障原因、核查列表、解决方案等信息。并结合相关监控、日志等信息推断出导致故障现象发生的原因,并通过点击该原因链接到网络故障的解决方案,便于及时解决相应的网络故障。
在本发明实施例中,用户通过检索界面,在知识图谱库中检索与网络故障相关的知识图谱数据,并将检索结果以知识图谱的形式向用户显示,便于用户及时分析网络故障的根因,有利于网络故障的快速定位和解决,提高故障处理的效率,同时还避免人为因素的影响。
实施例4:在实施例3的基础上,步骤S2中用户可以输入多个关键词进行同时检索,多个关键词之间以逗号、空格或分号隔开,检索结果为多个关键词分别进行检索的交集,不仅便于快速检索出网络故障发生的唯一原因(知识图谱的第一层关系),及时解决网络故障,还有利于关联不同网络故障的原因,推理出网络频繁故障的根本原因(知识图谱的第二层关系)。
例如A网络故障现象出现的原因可能有a1、a2、a3,B网络故障现象出现的原因可能有b1、b2、b3,当A、B现象同时出现时,利用A、B现象对应的多个关键词进行检索,以快速确定网络故障的原因为a3,获取知识图谱的第一层关系。
当A、B网络故障现象频繁同时出现,经公司ITSS(信息技术服务标准)小组共同确认:a3发生的原因关联的字段表明,其根本原因之一是X类设备的Y部件过度磨损导致;同时频繁发生的C、D网络故障现象出现的原因c5,也指向X类设备的Y部件过度磨损导致的情况;根据这些原因的关联,推理出网络频繁故障的根本原因是X类设备的Y部件容易磨损,获取知识图谱的第二层关系;现场技术人员将该原因反馈给产品部门,为产品本身的设计优化提供支撑,获取知识图谱的第三层关系。
实施例5:在实施例3的基础上,步骤S3中当同一个网络故障现象对应有多个原因时,按照各原因引发网络故障的概率进行排序显示。
在本发明实施例中,当引发某一个网络故障的原因有多个时,根据知识图谱库中该网络故障的相关性分析,确定各原因导致该网络故障发生的概率,并按照由高到低进行排序,为用户提供故障解决方案的意见,有利于网络故障的快速定位和解决,提高故障处理的效率,同时还避免人为因素的影响。
实施例6:在实施例3的基础上,步骤S3中用于显示检索结果的知识图谱包括静态图谱、单实体关系图谱和组合实体关系图谱,并通过图形的嵌套关系来表示知识图谱中的包含关系,通过图形之间的连线来表示图谱中的关联关系。
本发明不仅局限于上述最佳实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是具有与本发明相同或相近似的技术方案,均在其保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (7)
1.一种用于网络故障分析的知识图谱库的构建方法,其特征在于,包括以下步骤:
S1:采集所需领域中结构化、半结构化和非结构化的网络故障数据源,网络故障数据源包括表、文本和字段,转到S2;
S2:从每个领域的网络故障数据源中,抽取出数据源中表与字段、表与表的关系模式,并根据关系模式中涉及的字段建立本体模型;对同一领域的所有本体模型进行校验,根据校验合格的本体模型建立领域本体库,转到S3;
S3:根据多个不同的领域本体库,构建一个多数据融合的全局本体库,转到S4;
S4:先将全局本体库中指向同一实体的不同名称进行合并,并采用唯一标识对同一实体进行标识,再将唯一标识添加到相应的领域本体库中;从网络故障数据源的文本中抽取得到实体对象,将其链接到全局本体库中对应的实体对象,用于预测全局本体库中实体之间缺失的关系,转到S5;
S5:利用本体模型或者规则推理技术获取全局本体库中数据存在的隐含知识,采用不一致检测技术发现全局本体库中数据的噪声和缺陷;
S3的具体流程包括:
S301:对多个领域本体库进行检测,将不同领域内相同或相似的本体模型进行统一,转到S302;
S302:对多个领域本体库中存在一些相同或相似的概念和属性进行处理,以消除概念的歧义,剔除冗余和错误概念,转到S303;
S303:将未处理的本体模型映射到全局本体库,与经过处理后的各领域本体库相融合,构建一个全局本体库。
2.如权利要求1所述的用于网络故障分析的知识图谱库的构建方法,其特征在于,S5之后还包括以下步骤:
S6:定期更新采集的网络故障数据源,将更新的数据同步到知识图谱库中,并根据用户的反馈意见对知识图谱库进行调整。
3.如权利要求1所述的用于网络故障分析的知识图谱库的构建方法,其特征在于,S2中对本体模型进行校验的方式包括:查看是否满足本体库的构建原则、本体模型中的术语是否正确、本体模型中的概念及其关系是否完整。
4.一种采用如权利要求1所述的方法构建的知识图谱库在诊断网络故障的应用,其特征在于,包括以下步骤:
A:在知识图谱库的基础上,创建一个可提供实体查询接口的检索界面,用于根据输入的关键词在知识图谱库中进行实体查询;
B:根据在检索界面中输入的网络故障现象的关键词,解析关键词中包含的实体信息或实体属性信息,用于在知识图谱库中检索与该网络故障现象有关的原因;
C:根据解析出的实体信息及实体属性信息,在知识图谱库中检索与之相关的知识图谱数据,检索出同一网络故障现象的所有相同或相似CASE信息,并以知识图谱的形式向用户显示;
D:根据显示的CASE信息,并结合相关监控、日志信息推断出导致故障现象发生的原因,并通过点击原因链接到网络故障的解决方案。
5.一种如权利要求4所述的知识图谱库在诊断网络故障的应用,其特征在于:步骤B中在检索界面可输入多个关键词进行检索,不同关键词之间以逗号、空格或分号隔开,检索结果为多个关键词分别进行检索的交集。
6.一种如权利要求4所述的知识图谱库在诊断网络故障的应用,其特征在于:步骤C中当同一个网络故障现象对应有多个原因时,按照各原因引发网络故障的概率进行排序显示。
7.一种如权利要求4所述的知识图谱库在诊断网络故障的应用,其特征在于:步骤C中用于显示检索结果的知识图谱包括静态图谱、单实体关系图谱和组合实体关系图谱,并通过图形的嵌套关系来表示知识图谱中的包含关系,通过图形之间的连线来表示图谱中的关联关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910129278.1A CN110008288B (zh) | 2019-02-19 | 2019-02-19 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910129278.1A CN110008288B (zh) | 2019-02-19 | 2019-02-19 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110008288A CN110008288A (zh) | 2019-07-12 |
CN110008288B true CN110008288B (zh) | 2021-06-29 |
Family
ID=67165762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910129278.1A Active CN110008288B (zh) | 2019-02-19 | 2019-02-19 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110008288B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110611651B (zh) * | 2019-07-19 | 2022-05-27 | 中国工商银行股份有限公司 | 网络监控方法、网络监控装置和电子设备 |
CN110516120A (zh) * | 2019-08-27 | 2019-11-29 | 北京明略软件系统有限公司 | 信息处理方法及装置、存储介质、电子装置 |
CN112491636B (zh) * | 2019-09-11 | 2023-04-18 | 华为技术有限公司 | 数据处理方法及装置、计算机存储介质 |
CN110727741A (zh) * | 2019-09-29 | 2020-01-24 | 全球能源互联网研究院有限公司 | 一种电力系统的知识图谱构建方法及系统 |
CN110795567A (zh) * | 2019-09-29 | 2020-02-14 | 北京远舢智能科技有限公司 | 一种知识图谱平台 |
CN111427968A (zh) * | 2019-10-28 | 2020-07-17 | 青岛海信网络科技股份有限公司 | 一种基于知识图谱的重点人员全息档案构建方法及装置 |
CN112787841B (zh) * | 2019-11-11 | 2022-04-05 | 华为技术有限公司 | 故障根因定位方法及装置、计算机存储介质 |
CN110888755B (zh) * | 2019-11-15 | 2023-04-11 | 亚信科技(中国)有限公司 | 一种微服务系统异常根因节点的查找方法及装置 |
CN110837566B (zh) * | 2019-11-15 | 2022-05-13 | 北京邮电大学 | 一种针对cnc机床故障诊断的知识图谱的动态构建方法 |
CN111209472B (zh) * | 2019-12-24 | 2023-08-18 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种铁路事故故障关联和事故故障原因分析方法及系统 |
CN113051403A (zh) * | 2019-12-27 | 2021-06-29 | 北京国双科技有限公司 | 数据库故障处理知识图谱构建方法、装置和计算机设备 |
CN111177322A (zh) * | 2019-12-30 | 2020-05-19 | 成都数之联科技有限公司 | 一种领域知识图谱的本体模型构建方法 |
CN111078949A (zh) * | 2019-12-31 | 2020-04-28 | 北京明略软件系统有限公司 | 产品知识存储方法、装置、计算机设备和可读存储介质 |
CN111291132B (zh) * | 2020-01-14 | 2024-04-02 | 常州大学 | 面向智慧旅游的文物领域本体构建及分析方法 |
CN111311059B (zh) * | 2020-01-16 | 2023-08-29 | 成都大汇物联科技有限公司 | 基于知识图谱的水车室故障诊断方法 |
CN113553420B (zh) * | 2020-04-22 | 2023-11-24 | 国网电力科学研究院有限公司 | 基于知识图谱的电网故障处理规程推荐方法和系统 |
CN111682960A (zh) * | 2020-05-14 | 2020-09-18 | 深圳市有方科技股份有限公司 | 一种物联网网络及设备的故障诊断方法及装置 |
CN111722058A (zh) * | 2020-06-17 | 2020-09-29 | 国网甘肃省电力公司信息通信公司 | 基于知识图谱的电力信息系统故障检测方法、装置及介质 |
CN111985653B (zh) * | 2020-06-24 | 2022-08-26 | 国网江苏省电力有限公司 | 基于知识图谱的电网故障知识推荐与知识管理系统及方法 |
CN112183773A (zh) * | 2020-08-25 | 2021-01-05 | 珠海格力电器股份有限公司 | 一种故障数据处理方法、装置、设备及存储介质 |
CN114430355A (zh) * | 2020-10-15 | 2022-05-03 | 华为技术有限公司 | 路径确定方法及装置、计算机存储介质 |
CN112241424A (zh) * | 2020-10-16 | 2021-01-19 | 中国民用航空华东地区空中交通管理局 | 一种基于知识图谱的空管设备应用系统及方法 |
CN112445801A (zh) * | 2020-11-27 | 2021-03-05 | 杭州海康威视数字技术股份有限公司 | 数据表的元信息管理方法、装置及存储介质 |
CN112445918A (zh) * | 2020-11-27 | 2021-03-05 | 杭州海康威视数字技术股份有限公司 | 一种知识图谱生成方法、装置、电子设备及存储介质 |
CN112559766B (zh) * | 2020-12-08 | 2022-08-26 | 杭州互仲网络科技有限公司 | 一种法律知识图谱构建系统 |
CN112395430A (zh) * | 2020-12-14 | 2021-02-23 | 广州汇通国信科技有限公司 | 一种基于知识图谱的电力设备缺陷检索方法及系统 |
CN113283704B (zh) * | 2021-04-23 | 2024-05-14 | 内蒙古电力(集团)有限责任公司乌兰察布电业局 | 基于知识图谱的电网故障智能处置系统及方法 |
CN113359664B (zh) * | 2021-05-31 | 2023-07-07 | 海南文鳐科技有限公司 | 故障诊断与维护系统、方法、设备及存储介质 |
CN113254673B (zh) * | 2021-06-28 | 2021-11-19 | 明品云(北京)数据科技有限公司 | 一种基于知识图谱的数据管理方法、系统、设备和介质 |
CN114118483A (zh) * | 2021-12-08 | 2022-03-01 | 北京鼎兴达信息科技股份有限公司 | 一种铁路维修作业指导方法及系统 |
CN114430365B (zh) * | 2022-04-06 | 2022-07-29 | 北京宝兰德软件股份有限公司 | 故障根因分析方法、装置、电子设备和存储介质 |
CN115225457B (zh) * | 2022-06-24 | 2023-09-26 | 南京邮电大学 | 一种基于知识和数据双驱动的网络故障分析方法 |
CN116091045A (zh) * | 2023-02-28 | 2023-05-09 | 武汉烽火技术服务有限公司 | 一种基于知识图谱的通信网络运维方法和运维装置 |
CN116340414A (zh) * | 2023-05-31 | 2023-06-27 | 北京华云安信息技术有限公司 | 基于知识图谱的攻击面可视化建模方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844368A (zh) * | 2015-12-03 | 2017-06-13 | 华为技术有限公司 | 用于人机对话的方法、神经网络系统和用户设备 |
CN107248937A (zh) * | 2017-06-30 | 2017-10-13 | 北京百度网讯科技有限公司 | 一种基于物联网的与用户进行交互的方法与系统 |
CN108021718A (zh) * | 2017-12-29 | 2018-05-11 | 中国电子科技集团公司信息科学研究院 | 物联网能力知识图谱及其构建方法 |
CN108595449A (zh) * | 2017-11-23 | 2018-09-28 | 北京科东电力控制系统有限责任公司 | 调度自动化系统知识图谱的构建与应用方法 |
CN108647791A (zh) * | 2018-03-30 | 2018-10-12 | 中国标准化研究院 | 一种多源汽车安全信息的处理方法、装置及系统 |
CN108932340A (zh) * | 2018-07-13 | 2018-12-04 | 华融融通(北京)科技有限公司 | 一种不良资产经营领域下金融知识图谱的构建方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8495004B2 (en) * | 2006-03-27 | 2013-07-23 | International Business Machines Corporation | Determining and storing at least one results set in a global ontology database for future use by an entity that subscribes to the global ontology database |
US20130218872A1 (en) * | 2012-02-16 | 2013-08-22 | Benzion Jair Jehuda | Dynamic filters for data extraction plan |
CN104182454B (zh) * | 2014-07-04 | 2018-03-27 | 重庆科技学院 | 基于领域本体构建的多源异构数据语义集成的模型及方法 |
US11137987B2 (en) * | 2016-08-22 | 2021-10-05 | Oracle International Corporation | System and method for automated mapping of data types for use with dataflow environments |
US11003716B2 (en) * | 2017-01-10 | 2021-05-11 | International Business Machines Corporation | Discovery, characterization, and analysis of interpersonal relationships extracted from unstructured text data |
CN108452526B (zh) * | 2017-11-28 | 2020-12-25 | 腾讯科技(上海)有限公司 | 游戏故障原因的查询方法和装置、存储介质、电子装置 |
CN108549731A (zh) * | 2018-07-11 | 2018-09-18 | 中国电子科技集团公司第二十八研究所 | 一种基于本体模型的知识图谱构建方法 |
CN109189866A (zh) * | 2018-08-22 | 2019-01-11 | 北京大学 | 一种构建装备故障诊断领域知识本体知识库的方法和系统 |
-
2019
- 2019-02-19 CN CN201910129278.1A patent/CN110008288B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844368A (zh) * | 2015-12-03 | 2017-06-13 | 华为技术有限公司 | 用于人机对话的方法、神经网络系统和用户设备 |
CN107248937A (zh) * | 2017-06-30 | 2017-10-13 | 北京百度网讯科技有限公司 | 一种基于物联网的与用户进行交互的方法与系统 |
CN108595449A (zh) * | 2017-11-23 | 2018-09-28 | 北京科东电力控制系统有限责任公司 | 调度自动化系统知识图谱的构建与应用方法 |
CN108021718A (zh) * | 2017-12-29 | 2018-05-11 | 中国电子科技集团公司信息科学研究院 | 物联网能力知识图谱及其构建方法 |
CN108647791A (zh) * | 2018-03-30 | 2018-10-12 | 中国标准化研究院 | 一种多源汽车安全信息的处理方法、装置及系统 |
CN108932340A (zh) * | 2018-07-13 | 2018-12-04 | 华融融通(北京)科技有限公司 | 一种不良资产经营领域下金融知识图谱的构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110008288A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110008288B (zh) | 用于网络故障分析的知识图谱库的构建方法及其应用 | |
CN112612902A (zh) | 一种电网主设备的知识图谱构建方法及设备 | |
Shvaiko et al. | Ontology matching: state of the art and future challenges | |
CN107147639A (zh) | 一种基于复杂事件处理的实时安全预警方法 | |
EP3671526B1 (en) | Dependency graph based natural language processing | |
Li et al. | Fault diagnosis expert system of semiconductor manufacturing equipment using a Bayesian network | |
CN101093559A (zh) | 一种基于知识发现的专家系统构造方法 | |
US20200356726A1 (en) | Dependency graph based natural language processing | |
Arzamasova et al. | Cleaning antipatterns in an SQL query log | |
CN112559237A (zh) | 运维系统排障方法、装置、服务器和存储介质 | |
CN112241424A (zh) | 一种基于知识图谱的空管设备应用系统及方法 | |
CN116771576A (zh) | 水电机组故障综合诊断方法 | |
CN115857469A (zh) | 工业设备故障知识库构建方法、装置及故障诊断方法与系统 | |
CN117312281A (zh) | 一种多源异构数据自动融合方法、系统、设备及存储介质 | |
CN109634949B (zh) | 一种基于多数据版本的混合数据清洗方法 | |
CN116894152A (zh) | 一种多源数据调研与实时分析方法 | |
El Qutaany et al. | A technique for mutual inconsistencies detection and resolution in virtual data integration environment | |
US20220247620A1 (en) | Identification of Clusters of Elements Causing Network Performance Degradation or Outage | |
Tibermacine et al. | A process to identify relevant substitutes for healing failed WS-* orchestrations | |
Grambau et al. | Reference Architecture framework for enhanced social media data analytics for Predictive Maintenance models | |
Van Laere et al. | A method for detecting behavior-based user profiles in collaborative ontology engineering | |
CN113380414A (zh) | 基于大数据的数据采集方法及系统 | |
Ma et al. | Data management of salt cavern gas storage based on data model | |
FENG et al. | Research on the Technology of Data Cleaning in Big Data | |
Mörzinger | Accessing manufacturing data through virtual knowledge graphs: on the value and semantic peculiarities of time series data |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |