CN111124816B - 一种基于hdp算法的服务器日志分析方法及系统 - Google Patents
一种基于hdp算法的服务器日志分析方法及系统 Download PDFInfo
- Publication number
- CN111124816B CN111124816B CN201911242030.2A CN201911242030A CN111124816B CN 111124816 B CN111124816 B CN 111124816B CN 201911242030 A CN201911242030 A CN 201911242030A CN 111124816 B CN111124816 B CN 111124816B
- Authority
- CN
- China
- Prior art keywords
- log
- server
- theme
- tested
- standard
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 50
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本申请公开了一种基于HDP算法的服务器日志分析方法及系统，该方法首先获取待测服务器日志的日志文件，其次将该日志文件构造为N/k行、k列的矩阵，根据日志字典将该矩阵转换为特征矩阵，然后利用HDP算法对特征矩阵进行主题分析，获取待测服务器日志的主题个数和概率分布；最后根据主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常。该系统包括：日志文件获取模块、构造模块、特征矩阵获取模块、主题分析模块和判断模块。通过本申请，能够大大提高服务器日志分析的效率和日志分析结果的准确性。
Description
技术领域
本申请涉及服务器日志技术领域，特别是涉及一种基于HDP(HierarchicalDirichlet Process，层次狄利克雷过程)算法的服务器日志分析方法及系统。
背景技术
在服务器运行过程中，经常需要对服务器日志进行分析，定期的对服务器进行日志分析，不仅可以帮助用户了解服务器的运行状况，还可以大大减少服务器故障。
目前，对服务器日志进行分析的方法，通常是人工对日志进行结构化整理。具体地，收集当前所有的待分析日志，并指定主题个数，利用手工标注的方法对这些待分析日志进行整理。
然而，目前对服务器日志进行分析的方法中，由于需要采用手工标注，自动化程度较低，日志分析效率较低。而且，由于采用手工进行标注，日志分析结果依赖于用户所输入的参数，因此，日志分析结果的准确性较低。
发明内容
本申请提供了一种基于HDP算法的服务器日志分析方法及系统，以解决现有技术中的服务器日志分析效率较低和日志分析结果的准确性较低的问题。
为了解决上述技术问题，本申请实施例公开了如下技术方案：
一种基于HDP算法的服务器日志分析方法，所述方法包括：
获取待测服务器日志的日志文件，所述日志文件的长度为N，时间戳为毫秒、秒或者分钟，所述日志文件对应的时间段为所述时间戳的k倍，其中，N为自然数，k为自然数，且N为k的整数倍；
将所述日志文件构造为N/k行、k列的矩阵；
根据日志字典，对所述矩阵进行数字特征转换，获取N/k行、q列的特征矩阵，其中，q为日志字典的长度；
利用HDP算法对所述特征矩阵进行主题分析，获取待测服务器日志的主题个数和概率分布；
根据所述服务器日志的主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常。
可选地，根据所述服务器日志的主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常的方法，包括：
获取与当前时间段等长时间内的标准日志；
对所述标准日志运行HDP算法，获取标准主题结果；
获取当前时间段内的待测服务器日志；
对所述待测服务器日志运行HDP算法，获取待测主题结果；
根据所述标准主题结果和待测主题结果，利用KL散度的方法，计算所述标准日志和待测服务器日志的相似度数值；
判断所述相似度数值是否大于设定的阈值；
如果是，判定当前时间段内的待测服务器日志异常；
如果否，判定当前时间段内的待测服务器日志正常。
可选地，根据所述标准主题结果和待测主题结果，利用KL(Kullback–LeiblerDivergence，KL距离，相对熵)散度的方法，计算所述标准日志和待测服务器日志的相似度数值之前，所述方法还包括：
判断所述待测主题结果和标准主题结果中的主题个数是否一致；
如果是，执行下一步；
如果否，对主题个数较少的主题结果进行补零操作，使所述待测主题结果和标准主题结果中的主题个数一致。
可选地，所述待测主题结果和标准主题结果中的主题均按照相同的顺序排列。
可选地，所述当前时间段包括：1小时，或者1天。
一种基于HDP算法的服务器日志分析系统，所述系统包括：
日志文件获取模块，用于获取待测服务器日志的日志文件，所述日志文件的长度为N，时间戳为毫秒、秒或者分钟，所述日志文件对应的时间段为所述时间戳的k倍，其中，N为自然数，k为自然数，且N为k的整数倍；
构造模块，用于将所述日志文件构造为N/k行、k列的矩阵；
特征矩阵获取模块，用于根据日志字典，对所述矩阵进行数字特征转换，获取N/k行、q列的特征矩阵，其中，q为日志字典的长度；
主题分析模块，用于利用HDP算法对所述特征矩阵进行主题分析，获取待测服务器日志的主题个数和概率分布；
判断模块，用于根据所述服务器日志的主题个数和概率分布，利用HDP算法，判断当前时间段内待测服务器日志的主题是否异常。
可选地，所述判断模块包括：
标准日志获取单元，用于获取与当前时间段等长时间内的标准日志；
第一HDP运算单元，用于对所述标准日志运行HDP算法，获取标准主题结果；
待测服务器日志获取单元，用于获取当前时间段内的待测服务器日志；
第二HDP运算单元，用于对所述待测服务器日志运行HDP算法，获取待测主题结果；
KL散度计算单元，用于根据所述标准主题结果和待测主题结果，利用KL散度的方法，计算所述标准日志和待测服务器日志的相似度数值；
第一判断单元，用于判断所述相似度数值是否大于设定的阈值，如果是，判定当前时间段内的待测服务器日志异常，否则，判定当前时间段内的待测服务器日志正常。
可选地，所述判断模块中还包括：
第二判断单元，用于判断所述待测主题结果和标准主题结果中的主题个数是否一致；
主题个数控制单元，用于当所述待测主题结果和标准主题结果中的主题个数不一致时，对主题个数较少的主题结果进行补零操作，使所述待测主题结果和标准主题结果中的主题个数一致。
可选地，所述当前时间段包括：1小时，或者1天。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请提供一种基于HDP算法的服务器日志分析方法，该方法首先获取待测服务器日志的日志文件，然后将该日志文件构造为相应的矩阵，其次根据日志字典对该矩阵进行数字特征转换，获取特征矩阵，利用HDP算法对特征矩阵进行主题分析，获取待测服务器日志的主题个数和概率分布，最后根据服务器日志的主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常。该方法利用HDP算法对日志相关的特征矩阵进行主题分析，通过HDP算法能够自动获取服务器日志的主题，避免用户指定主题个数，所获取的主题个数和概率分布更加准确，有利于提高服务器日志分析结果的准确性。而且，由于本实施例通过HDP算法能够自动获取服务器主题个数和分布，还有利于提高服务器日志分析的效率。
本申请还提供一种基于HDP算法的服务器日志分析系统，该系统主要包括：日志文件获取模块、构造模块、特征矩阵获取模块、主题分析模块和判断模块五部分。通过日志文件获取模块首先获取到待测服务器日志的日志文件，然后通过构造模块和特征矩阵获取模块分别获取到日志文件相关的矩阵和特征矩阵，其次通过主题分析模块，利用HDP算法对特征矩阵进行主题分析获取到待测服务器日志的主题个数和概率分布，最后通过判断模块判断当前时间段内待测服务器日志的主题是否异常。主题分析模块的设置，能够利用HDP算法自动计算得出服务器日志的主题，避免用户指定主题个数，所获取的主题个数和概率分布更加准确，有利于提高服务器日志分析结果的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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1为本申请实施例所提供的一种基于HDP算法的服务器日志分析方法的流程示意图；
图2为本申请实施例所提供的一种基于HDP算法的服务器日志分析系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
为了更好地理解本申请，下面结合附图来详细解释本申请的实施方式。
实施例一
参见图1，图1为本申请实施例所提供的一种基于HDP算法的服务器日志分析方法的流程示意图。由图1可知，本实施例中的服务器日志分析方法，主要包括如下过程：
S1：获取待测服务器日志的日志文件。
其中，日志文件的长度为N，时间戳为毫秒、秒或者分钟，日志文件对应的时间段为时间戳的k倍。N为自然数，k为自然数，且N为k的整数倍。
本实施例中，日志文件的长度N为采集总时间，总时间是时间戳的k倍。
S2：将日志文件构造为N/k行、k列的矩阵。
本实施例中矩阵的基本元素表示日志条目出现的频率，该矩阵的横行是样本，纵行是特征，也就是日志条目，每个日志条目为一个特征。
S3：根据日志字典，对矩阵进行数字特征转换，获取N/k行、q列的特征矩阵。其中，q为日志字典的长度。
日志字典是日志中能出现的所有日志条目的总集合，根据这个总集合，一段时间的日志就能被表达成0,1的向量，即出现在日志字典中为1，没有出现在日志字典中为0。
由以上步骤S1-S3可知，在执行HDP算法之前，首先采集待测服务日志的日志文件，也就是待测服务器日志的原始数据，然后将其构造为N/k行、k列的矩阵，再将构造的矩阵进行数字特征转换，获取特征矩阵。例如：采集待测服务器日志的总时间N为1小时，k取值为5分钟，每五分钟作为一次采集的观测时间段，即样本。五分钟可以产生300日志条目，一个日志条目为日志的一个最小单元。本实施例中假设日志字典总长度为1万，也就是日志中可能出现的不同的日志条目的个数为1万，则这5分钟的信息可以被转化成为一个长度为1万的0,1向量，1小时的日志可以被转化成为12x10000的矩阵，该矩阵用于表达每条日志在5分钟内出现的次数。
继续参见图1可知，获取到N/k行、q列的特征矩阵之后，执行步骤S4：利用HDP算法对特征矩阵进行主题分析，获取待测服务器日志的主题个数和概率分布。
本实施例中待测服务器日志的各个主题的概率分布为离散概率分布，这些离散概率分布的加和为1。
本实施例采用HDP算法对特征矩阵进行主题分析，能够直接获取服务器日志的主题个数和这些主题的概率分布，相比于现有技术中的用户自行设定主题个数，本实施例能够根据当前时间段内服务器日志的具体参数，通过HDP算法获取更加准确的主题个数，有利于提高服务器日志分析结果的准确性，由于避免人工设定主题个数，还有利于提高服务器日志分析的效率。
S5：根据服务器日志的主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常。
本实施例中当前时间段的选取，根据用户需求来设定，可以为1小时，也可以为1天获取其他时间长度。
具体地，步骤S5又包括如下过程：
S50：获取与当前时间段等长时间内的标准日志。
标准日志可以根据用户需求进行选择，例如：可以选择服务器开始运行时的日志为标准日志。标准日志的时间段与待测服务器日志的时间段长度相等。
S51：对标准日志运行HDP算法，获取标准主题结果。
S52：获取当前时间段内的待测服务器日志。
S53：对待测服务器日志运行HDP算法，获取待测主题结果。
通过以上步骤S51-S53获取到标准主题结果和待测主题结果之后，执行步骤S56：根据标准主题结果和待测主题结果，利用KL散度的方法，计算标准日志和待测服务器日志的相似度数值。
S57：判断相似度数值是否大于设定的阈值。
如果相似度数值大于设定的阈值，则执行步骤S58：判定当前时间段内的待测服务器日志异常。
如果相似度数值小于或等于设定的阈值，则执行步骤S59：判定当前时间段内的待测服务器日志正常。
本实施例中比较两种日志分布的相似性时，待测主题结果和标准主题结果中的主题均按照相同的顺序排列。假设待测服务器日志和标准日志都是k个主题，且两个日志的主题都按照服务器运行性主题、服务器报警主题……等相同的顺序进行排列，这种顺序排列的方式，能够确保获取更加准确的相似度数值，从而提高服务器日志分析结果的准确性。
本实施例通过计算KL散度的方法来比较两种日志的相似性，KL散度计算相似性时，能够同时参考主题个数和各主题的概率分布，对概率分布的参考，能够更加准确地获取相同时间段内待测服务器日志与标准日志之间的相似性，有利于提高服务器日志分析结果的准确性。
进一步地，本实施例中步骤S56之前，还包括如下过程：
S54：判断待测主题结果和标准主题结果中的主题个数是否一致；
如果待测主题结果和标准主题结果中的主题个数一致，执行下一步，即执行步骤S56；
如果待测主题结果和标准主题结果中的主题个数不一致，则执行步骤S55：对主题个数较少的主题结果进行补零操作，使待测主题结果和标准主题结果中的主题个数一致。然后再执行步骤S56，利用KL散度的方法，计算标准日志和待测服务器日志的相似度数值。
由以上步骤S54和S55可知，当标准日志的主题个数与待测服务器日志的主题个数不同时，对主题个数较少的日志进行补零操作，补零操作后，两个日志的主题个数相同，然后进行相似度判断。
实施例二
在图1所示实施例的基础之上参见图2，图2为本申请实施例所提供的一种基于HDP算法的服务器日志分析系统的结构示意图。由图2可知，本实施例中服务器日志分析系统主要包括：日志文件获取模块、构造模块、特征矩阵获取模块、主题分析模块和判断模块五部分。
其中，日志文件获取模块，用于获取待测服务器日志的日志文件，日志文件的长度为N，时间戳为毫秒、秒或者分钟，日志文件对应的时间段为时间戳的k倍，其中，N为自然数，k为自然数，且N为k的整数倍。构造模块用于将日志文件构造为N/k行、k列的矩阵。特征矩阵获取模块，用于根据日志字典，对矩阵进行数字特征转换，获取N/k行、q列的特征矩阵，其中，q为日志字典的长度。主题分析模块，用于利用HDP算法对特征矩阵进行主题分析，获取待测服务器日志的主题个数和概率分布。判断模块，用于根据服务器日志的主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常。
本实施例中当前时间段可以设置为1小时或者1天。
进一步地，判断模块包括：标准日志获取单元、第一HDP运算单元、待测服务器日志获取单元、第二HDP运算单元、KL散度计算单元和第一判断单元。其中，标准日志获取单元，用于获取与当前时间段等长时间内的标准日志。第一HDP运算单元，用于对标准日志运行HDP算法，获取标准主题结果。待测服务器日志获取单元，用于获取当前时间段内的待测服务器日志。第二HDP运算单元，用于对待测服务器日志运行HDP算法，获取待测主题结果。KL散度计算单元，用于根据标准主题结果和待测主题结果，利用KL散度的方法，计算标准日志和待测服务器日志的相似度数值。第一判断单元，用于判断相似度数值是否大于设定的阈值，如果是，判定当前时间段内的待测服务器日志异常，否则，判定当前时间段内的待测服务器日志正常。
进一步地，判断模块中还包括：第二判断单元和主题个数控制单元。其中，第二判断单元，用于判断待测主题结果和标准主题结果中的主题个数是否一致。主题个数控制单元，用于当待测主题结果和标准主题结果中的主题个数不一致时，对主题个数较少的主题结果进行补零操作，使待测主题结果和标准主题结果中的主题个数一致。
该实施例中基于HDP算法的服务器日志分析系统的工作原理和工作方法，在图1所示的实施例中已经详细阐述，在此不再赘述。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种基于HDP算法的服务器日志分析方法，其特征在于，所述方法包括：
获取待测服务器日志的日志文件，所述日志文件的长度为N，时间戳为毫秒、秒或者分钟，所述日志文件对应的时间段为所述时间戳的k倍，其中，N为自然数，k为自然数，且N为k的整数倍；
将所述日志文件构造为N/k行、k列的矩阵；
根据日志字典，对所述矩阵进行数字特征转换，获取N/k行、q列的特征矩阵，其中，q为日志字典的长度；
利用HDP算法对所述特征矩阵进行主题分析，获取待测服务器日志的主题个数和概率分布；
根据所述服务器日志的主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常；
其中，根据所述服务器日志的主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常的方法，包括：
获取与当前时间段等长时间内的标准日志；
对所述标准日志运行HDP算法，获取标准主题结果；
获取当前时间段内的待测服务器日志；
对所述待测服务器日志运行HDP算法，获取待测主题结果；
根据所述标准主题结果和待测主题结果，利用KL散度的方法，计算所述标准日志和待测服务器日志的相似度数值；
判断所述相似度数值是否大于设定的阈值；
如果是，判定当前时间段内的待测服务器日志异常；
如果否，判定当前时间段内的待测服务器日志正常；
根据所述标准主题结果和待测主题结果，利用KL散度的方法，计算所述标准日志和待测服务器日志的相似度数值之前，所述方法还包括：
判断所述待测主题结果和标准主题结果中的主题个数是否一致；
如果是，执行下一步；
如果否，对主题个数较少的主题结果进行补零操作，使所述待测主题结果和标准主题结果中的主题个数一致。
2.根据权利要求1所述的一种基于HDP算法的服务器日志分析方法，其特征在于，所述待测主题结果和标准主题结果中的主题均按照相同的顺序排列。
3.根据权利要求1或2所述的一种基于HDP算法的服务器日志分析方法，其特征在于，所述当前时间段包括：1小时，或者1天。
4.一种基于HDP算法的服务器日志分析系统，其特征在于，所述系统包括：
日志文件获取模块，用于获取待测服务器日志的日志文件，所述日志文件的长度为N，时间戳为毫秒、秒或者分钟，所述日志文件对应的时间段为所述时间戳的k倍，其中，N为自然数，k为自然数，且N为k的整数倍；
构造模块，用于将所述日志文件构造为N/k行、k列的矩阵；
特征矩阵获取模块，用于根据日志字典，对所述矩阵进行数字特征转换，获取N/k行、q列的特征矩阵，其中，q为日志字典的长度；
主题分析模块，用于利用HDP算法对所述特征矩阵进行主题分析，获取待测服务器日志的主题个数和概率分布；
判断模块，用于根据所述服务器日志的主题个数和概率分布，判断当前时间段内待测服务器日志的主题是否异常；
其中，所述判断模块包括：
标准日志获取单元，用于获取与当前时间段等长时间内的标准日志；
第一HDP运算单元，用于对所述标准日志运行HDP算法，获取标准主题结果；
待测服务器日志获取单元，用于获取当前时间段内的待测服务器日志；
第二HDP运算单元，用于对所述待测服务器日志运行HDP算法，获取待测主题结果；
KL散度计算单元，用于根据所述标准主题结果和待测主题结果，利用KL散度的方法，计算所述标准日志和待测服务器日志的相似度数值；
第一判断单元，用于判断所述相似度数值是否大于设定的阈值，如果是，判定当前时间段内的待测服务器日志异常，否则，判定当前时间段内的待测服务器日志正常；
所述判断模块中还包括：
第二判断单元，用于判断所述待测主题结果和标准主题结果中的主题个数是否一致；
主题个数控制单元，用于当所述待测主题结果和标准主题结果中的主题个数不一致时，对主题个数较少的主题结果进行补零操作，使所述待测主题结果和标准主题结果中的主题个数一致。
5.根据权利要求4所述的一种基于HDP算法的服务器日志分析系统，其特征在于，所述当前时间段包括：1小时，或者1天。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911242030.2A CN111124816B (zh) | 2019-12-06 | 2019-12-06 | 一种基于hdp算法的服务器日志分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911242030.2A CN111124816B (zh) | 2019-12-06 | 2019-12-06 | 一种基于hdp算法的服务器日志分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111124816A CN111124816A (zh) | 2020-05-08 |
| CN111124816B true CN111124816B (zh) | 2023-01-06 |
Family
ID=70497669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911242030.2A Active CN111124816B (zh) | 2019-12-06 | 2019-12-06 | 一种基于hdp算法的服务器日志分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111124816B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114707911B (zh) * | 2022-05-25 | 2023-05-12 | 深圳赛盒科技有限公司 | 一种结合云计算的跨境电商信息风险分析方法及服务器 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104536979A (zh) * | 2014-12-05 | 2015-04-22 | 百度在线网络技术（北京）有限公司 | 主题模型的生成方法及装置、主题分布的获取方法及装置 |
| CN104679743A (zh) * | 2013-11-26 | 2015-06-03 | 阿里巴巴集团控股有限公司 | 一种确定用户的偏好模式的方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI571756B (zh) * | 2015-12-11 | 2017-02-21 | 財團法人工業技術研究院 | 用以分析瀏覽記錄及其文件之方法及其系統 |
-
2019
- 2019-12-06 CN CN201911242030.2A patent/CN111124816B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104679743A (zh) * | 2013-11-26 | 2015-06-03 | 阿里巴巴集团控股有限公司 | 一种确定用户的偏好模式的方法及装置 |
| CN104536979A (zh) * | 2014-12-05 | 2015-04-22 | 百度在线网络技术（北京）有限公司 | 主题模型的生成方法及装置、主题分布的获取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111124816A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107478455B (zh) | 一种适用于威布尔分布型产品的定时截尾可靠性试验方法 | |
| CN112857669B (zh) | 压力传感器的故障检测方法、装置、设备及存储介质 | |
| CN111861023A (zh) | 基于统计学的混合风电功率预测方法、装置 | |
| CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
| CN116308963B (zh) | 一种政务数据分析方法及系统 | |
| CN112181706A (zh) | 一种基于对数区间隔离的电力调度数据异常检测方法 | |
| CN111124816B (zh) | 一种基于hdp算法的服务器日志分析方法及系统 | |
| CN111611146A (zh) | 一种微服务故障预测方法和装置 | |
| CN116739829A (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
| CN113098912B (zh) | 用户账户异常的识别方法、装置、电子设备及存储介质 | |
| CN113792940A (zh) | 基于深度学习的水轮发电机组振摆数据预测方法及装置 | |
| CN112039907A (zh) | 一种基于物联网终端评测平台的自动测试方法及系统 | |
| CN112242929B (zh) | 日志检测方法及装置 | |
| CN115759263A (zh) | 一种基于因果推断的策略效果评估方法及装置 | |
| CN113115107A (zh) | 一种基于5g网络的手持视频采集终端系统 | |
| CN111859296B (zh) | 一种基于装备使用期间的测试性指标评估方法及系统 | |
| CN115757365A (zh) | 多维时序数据异常检测方法、模型训练方法及装置 | |
| CN117289075B (zh) | 电缆性能检测方法及系统 | |
| CN116671867B (zh) | 一种针对水下作业人员的睡眠质量评测方法及系统 | |
| CN113033607B (zh) | 非侵入式负荷监测事件提取方法及存储介质 | |
| CN115774677B (zh) | 一种基于多参数输入的模糊测试方法及装置 | |
| CN114665986B (zh) | 一种蓝牙钥匙的测试系统及方法 | |
| CN116453437B (zh) | 显示屏模组的测试方法、装置、设备及存储介质 | |
| CN117354053B (zh) | 一种基于大数据的网络安全保护方法 | |
| CN117596190B (zh) | 变电站二次信号传输延时特性测试系统及方法 |
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 |