CN111914859A - 一种服务复用方法、计算设备及计算机可读存储介质 - Google Patents
一种服务复用方法、计算设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111914859A CN111914859A CN201910376184.4A CN201910376184A CN111914859A CN 111914859 A CN111914859 A CN 111914859A CN 201910376184 A CN201910376184 A CN 201910376184A CN 111914859 A CN111914859 A CN 111914859A
- Authority
- CN
- China
- Prior art keywords
- service
- similarity
- segmentation
- services
- word
- 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
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种服务复用方法、计算设备及计算机可读存储介质,该服务复用方法包括:从服务调用日志中提取服务的服务特征;分别确定两项服务之间各类所述服务特征的特征相似度;对所述特征相似度进行处理得到两项服务之间的服务相似度,确定所述服务相似度大于设定阈值,对所述服务相似度对应的两项服务进行复用处理。本发明实施例能够准确、客观地完成服务之间的比较,实现服务的高复用率,从而减少了SOA架构的构建成本和维护成本。
Description
技术领域
本发明涉及网络技术领域中的服务复用技术,尤其涉及一种服务复用方法、计算设备及计算机可读存储介质。
背景技术
面向服务的架构(SOA,Service-Oriented Architecture)是一个将不同功能单元、即服务进行拆分,并通过定义良好的接口和契约将这些服务联系起来的组件模型,通过SOA架构,不同业务系统中的服务可以以一种统一和通用的方式进行交互。在SOA架构的构建过程中,需要采用服务治理的技术手段,对业务功能以标准化的服务形态进行设计、开发和组合,实现服务资源的可共享和重复利用,这其中就包括发掘识别现网中的相似服务,并对相似服务进行合并收敛,实现服务复用。
现阶段,在服务复用的实施过程中,对可进行复用的服务的识别存在不准确性,导致服务的复用率不高,从而进一步使得SOA架构的构建及维护成本增加。
发明内容
为解决上述技术问题,本发明实施例期望提供一种服务复用方法、计算设备及计算机可读存储介质,能够在服务治理过程中提高服务的复用率,降低SOA架构的构建及维护成本。
本发明的技术方案是这样实现的:
本发明实施例的第一方面提供了一种服务复用方法,包括:
从服务调用日志中提取服务的服务特征;
分别确定两项服务之间各类所述服务特征的特征相似度;
对所述特征相似度进行处理得到两项服务之间的服务相似度,确定所述服务相似度大于设定阈值,对所述服务相似度对应的两项服务进行复用处理。
作为本发明实施例第一方面的第一种可能的实现方式,所述服务特征包括服务标识,所述分别确定两项服务之间各类所述服务特征的特征相似度,包括:
对第一服务的所述服务标识和第二服务的所述服务标识进行分词处理,分别得到第一分词结果和第二分词结果;
确定所述第一分词结果与所述第二分词结果之间的第一分词相似度和第二分词相似度,所述第一分词相似度为以所述第二分词结果为比较基准的分词相似度,所述第二分词相似度为以所述第一分词结果为比较基准的分词相似度;
根据所述第一分词相似度和所述第二分词相似度,计算所述服务标识的所述特征相似度。
结合本发明实施例第一方面的第一种可能的实现方式,作为第二种可能的实现方式,所述确定所述第一分词结果与所述第二分词结果之间的分词相似度,包括:
通过计算以分词结果A为比较基准的分词结果B的分词相似度PA_B,其中,NB为所述分词结果B中的分词个数,PA_B(n)为将所述分词结果B中的第n个分词分别与所述分词结果A中的每个分词进行比较,得到的相似度的最大值。
结合本发明实施例第一方面的第一种可能的实现方式,作为第三种可能的实现方式,所述确定所述第一分词结果与所述第二分词结果之间的第一分词相似度和第二分词相似度,包括:
将进行比较的两个分词输入至相似词库中进行检索,所述相似词库中存储有相似词组合;
若在所述相似词库中检索到所述两个分词位于同一所述相似词组合,则将所述两个分词的相似度确定为u,所述u大于0且小于1。
结合本发明实施例第一方面的第一种可能的实现方式或第二种可能的实现方式,作为第四种可能的实现方式,所述确定所述第一分词结果与所述第二分词结果之间的分词相似度之前,所述服务复用方法还包括:
分别在所述第一分词结果和所述第二分词结果中滤除冗余分词,所述冗余分词为存储于冗余词库的分词。
作为本发明实施例第一方面的第五种可能的实现方式,所述服务特征包括输入参数和输出参数,所述分别确定两项服务之间各类所述服务特征的特征相似度,包括:
分别确定第一服务与第二服务之间关于输入参数在各设定维度的相似度,根据所述相似度及所述各设定维度对应的权重,计算所述第一服务与所述第二服务的输入参数相似度;
分别确定所述第一服务与所述第二服务之间关于输出参数在所述各设定维度的相似度,根据所述输出参数在所述各设定维度的相似度及所述各设定维度对应的权重,计算所述第一服务与所述第二服务的输出参数相似度;
根据所述输入参数相似度和所述输出参数相似度,确定所述第一服务和所述第二服务的出入参数相似度。
作为本发明实施例第一方面的第六种可能的实现方式,所述对所述特征相似度进行处理得到两项服务之间的服务相似度,包括:
分别配置各类所述服务特征对应的权重;
根据所述权重对所述特征相似度进行加权计算,得到两项服务之间的所述服务相似度。
本发明实施例的第二方面提供了一种计算设备,包括:
提取单元,用于从服务调用日志中提取服务的服务特征;
确定单元,用于分别确定两项服务之间各类所述服务特征的特征相似度;
处理单元,用于对所述特征相似度进行处理得到两项服务之间的服务相似度,确定所述服务相似度大于设定阈值,对所述服务相似度对应的两项服务进行复用处理。
本发明实施例的第三方面提供了一种计算设备,包括:
接收器、发送器、处理器以及存储有所述处理器可执行指令、所述接收器的接收的数据和所述发送器发送的数据的存储介质,所述接收器、所述发送器和存储介质通过通信总线依赖所述处理器执行操作,当所述指令被处理器执行时,执行上述的服务复用方法。
本发明实施例的第四方面提供了一种计算机可读存储介质,存储有机器指令,当所述机器指令被一个或多个处理器执行的时候,所述处理器执行所述服务复用方法。
本发明实施例提供的服务复用方法、服务复用装置、计算设备及计算机可读存储介质,从服务的服务调用日志中进行服务特征的提取,以确定出服务之间不同服务特征对应的特征相似度,并处理得到服务之间的服务相似度,以服务相似度为依据确定服务之间是否可以进行复用处理。上述技术实现方案利用了服务调用日志具有信息完整性和准确性的特点,能够准确、全面地提取到服务特征,在此基础之上来确定服务之间的相似度,从而能够准确、客观地完成服务之间的比较,实现服务的高复用率,从而减少了SOA架构的构建成本和维护成本。
附图说明
图1为本发明实施例提供的服务复用方法的实现流程图;
图2为本发明另一实施例提供的服务复用方法的实现流程图;
图3为本发明实施例提供的服务复用方法中计算服务标识的特征相似度的实现流程图;
图4为本发明实施例提供的服务复用方法中确定两个分词之间的相似度的实现流程图;
图5为本发明实施例提供的服务复用方法中计算服务的输入输出参数的特征相似度的实现流程图;
图6为本发明实施例提供的一种计算设备的组成结构示意图
图7为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
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。
图1为本发明实施例提供的服务复用方法的实现流程图,该服务复用方法的执行主体可以为终端、服务器等计算设备,实现流程主要包括如图1中所示出的S101~S103。
S101:从服务调用日志中提取服务的服务特征。
在对系统中的服务进行调用时,服务的调用方或被调用方会产生对应的事件记录,即服务调用日志(log),在服务调用日志中记录有服务调用动作的相关描述。相比于服务的描述文档来说,服务调用日志由于是在实际服务调用动作执行过程中的真实记录,因此在信息完整性和真实性上会更加有优势,从服务调用日志中提取服务的服务特征,能够提取到更为准确及全面的服务特征,为服务相似度判断提供良好的数据基础。
在本发明实施例中,从服务调用日志中提取的服务特征包括但不限于以下至少一种类别或任意的组合:服务的中文名称、服务的英文编码、服务的输入输出参数、服务请求方式和服务数据格式。其中:
服务的中文名称:通常由能够明确服务的业务含义的名词和动词构成,以便于服务调用方进行检索和访问该服务,因此,服务的中文名称通常以最大易用性为目标,例如:客户信息查询,其由名词“客户信息”和动词“查询”构成,能够直观地表达查询客户信息这一业务功能。
服务的英文编码:通常由能够直观展示服务的业务含义的动词和名词构成,且用于标识服务在服务资源库中的唯一维码,例如:CustomerInfoQuery,其由名词“Customer”(客户)和“Info”(信息的英文简写)以及动词“Query”(查询)构成,能够直观地表达查询客户信息这一业务功能。
服务的输入输出参数:包括服务的输入参数和服务的输出参数。
服务请求方式:其指定了客户端请求对服务进行的操作,包括查询(GET)、增加(POST)、改动(PUT)和删除(DELETE)。
服务数据格式:为客户端在请求对服务进行操作时,使用请求接口传输服务数据时所采用的数据格式,通常包括JSON(JavaScript Object Notation)格式和可扩展标记语言(eXtensible Markup Language,XML)格式。
以上服务特征均会在服务调用时被记录于服务调用日志中,由于服务调用日志是根据真实的服务调用行为所生成的,因此,通过读取日志,便可较为准确、全面地获取到服务特征。
S102:分别确定两项服务之间各类服务特征的特征相似度。
对于服务治理范畴内的任意两项服务,关于每一类服务特征,均确定出这两项服务关于该类服务特征的特征相似度。因此,若S101中提取出了N类服务特征,那么就分别确定出这两项服务关于其中每一类服务特征的特征相似度,最终确定出与这N类服务特征一一对应的N个特征相似度。
在本发明实施例中,不同的服务特征所对应的特征相似度的确定方法是不同的,具体的确定方法将在下文实施例中逐一进行详细阐述。
S103:对特征相似度进行处理得到两项服务之间的服务相似度,确定该服务相似度大于设定阈值,对服务相似度对应的两项服务进行复用处理。
在确定出两项服务之间每一类服务特征对应的特征相似度之后,对确定出的各特征相似度进行综合处理,最终处理得到两项服务之间的服务相似度。在本发明实施例中,服务相似度为一数值,因此,技术人员可预先在服务相似度的可取值范围内设置一设定阈值,用于作为判断两项服务是否相似的评价标准,若处理得到的服务相似度大于该设定阈值,那么便认定该服务相似度对应的两项服务为相似服务,则对这两项服务进行复用处理。
在本发明实施例中,服务复用,即通过修改服务调用接口等方式,将不同系统或应用中功能相同或相似的服务整合为一项服务,以实现不同系统或应用对同一服务的共享和重复利用。例如,通过服务相似度的计算,可以确定“余额查询”和“查看余额”这两项服务为相似服务,那么可以将这两项服务整合为一项服务,以实现服务资源的共享和重复利用。服务复用的具体实现方式在本发明实施例中不进行限定。
本发明实施例中,从服务的服务调用日志中进行服务特征的提取,以确定出服务之间不同服务特征对应的特征相似度,并处理得到服务之间的服务相似度,以服务相似度为依据确定服务之间是否可以进行复用处理。上述技术实现方案利用了服务调用日志的信息完整性和准确性,从而能够准确、全面地提取到服务特征,在此基础之上来确定服务之间的相似度,能够准确、客观地完成服务之间的比较,实现服务的高复用率,从而减少了SOA架构的构建成本和维护成本。
在图1对应的实施例中,对确定出的两项服务的所有特征相似度进行处理,以得到两项服务之间的服务相似度,图2示出了对特征相似度进行处理的一种实现方式,其是在图1对应的实施例的基础之上,将S103细化为图2所示的S1031和S1032。参照图2:
S101:从服务调用日志中提取服务的服务特征。
S102:分别确定两项服务之间各类所述服务特征的特征相似度。
S1031:分别配置各类服务特征对应的权重。
在本发明实施例中,在对两项服务之间不同类别的服务特征对应的特征相似度进行处理时,可根据实际的应用需求对各类别的服务特征进行权重配置。例如,相比于中文名称,服务的英文编码能够更加准确地描述一项服务,那么可以为英文编码设置一个高于中文名称的权重;又例如,在现有的系统中,对服务的输入参数和输出参数的设置较为完整,则可以将输入参数及输出参数对应的权重提升。
S1032:根据权重对特征相似度进行加权计算得到两项服务之间的服务相似度,确定该服务相似度大于设定阈值,对所述服务相似度对应的两项服务进行复用处理。
在配置完各类服务特征对应的权重之后,便可根据权重对确定出的特征相似度进行加权处理,最终输出的处理结果便被配置为两项服务之间的服务相似度。
例如,服务特征类别包括服务的中文名称、服务的英文编码、服务的输入输出参数、服务请求方式和服务数据格式,则对服务A和服务B的服务相似度P(A,B)的计算如下:
P(A,B)=Pname×p%+Qcode×q%+Rpara×r%+Smethod×s%+Tformat
×t%
其中,Pname为中文名称相似度,Qcode为英文编码相似度,Rpara为输入输出参数相似度,Smethod为请求方式相似度,Tformat为数据格式相似度;p%为中文名称相似度所占的权重,q%为英文编码相似度所占的权重,r%为出入参数相似度所占的权重,s%为请求方式相似度所占的权重,t%为数据格式相似度所占的权重,p%+q%+r%+s%+t%=100%,在满足该约束条件的前提下,可以根据系统实际情况自行配置权重占比,满足定制化需求。
下文对本发明实施例中不同类别的服务特征所涉及到的特征相似度的计算实现方式进行详细阐述,首先,在本发明实施例中,服务的中文名称和服务的英文编码可以采用相同的特征相似度计算思路。图3示出了服务特征为服务的中文名称或英文编码时,对特征相似度的计算实现方式,在此,为了方便描述,将服务的中文名称或英文编码统称为服务标识。该计算实现方式包括:
S301:对第一服务的服务标识和第二服务的服务标识进行分词处理,分别得到第一分词结果和第二分词结果。
第一服务和第二服务,在这里指服务治理范畴内的任意两项服务,“第一”和“第二”仅用于区分这是两项不同的服务。首先,对这两项服务的服务标识分别进行分词处理,以分别得到第一服务对应的第一分词结果和第二服务对应的第二分词结果。服务标识可以是服务的中文名称或服务的英文编码。
对服务的中文名称来说,由于在命名时尚没有统一的命名规则,因此服务的中文名称在词序上会存在一定的差异性。例如:“余额查询”、“查询余额”这两项服务的功能应该是相同的,但是如果是直接对两个中文名称进行文字比对,则“余额查询”和“查询余额”相似度为0,因此,要对中文名称进行语义化的分析,首先需要对中文名称进行分词,经过分词处理,“余额查询”被分为“余额”和“查询”、“查询余额”被分为“查询”和“余额”,再执行后续的比对过程。在进行分词操作时,可以采用的分词算法包括但不限于MMAnalyzer、MMSeg4j或Paoding等。
对服务的英文编码来说也是如此,与中文名称的分词策略略微不同的是,由于现网服务的英文编码通常使用驼峰命名法(例如,CustomerInfomationQuery)或者下划线分隔法(例如,customer_infomation_query),因此在分词时可以直接将大写字母或下划线作为分词依据。
S302:确定第一分词结果与第二分词结果之间的第一分词相似度和第二分词相似度,其中,第一分词相似度为以第二分词结果为比较基准的分词相似度,第二分词相似度为以第一分词结果为比较基准的分词相似度。
在此,分词相似度指的是两个分词结果之间的相似度,由于每个分词结果是由多个分词所构成的,因此,分词相似度可以理解为是两个分词组合之间的相似程度,而非两个分词之间的相似程度。在本发明实施例中,分词相似度具备方向性,第一分词相似度指的是以第二分词结果为比较基准得到的关于第一分词结果的分词相似度,同样地,第二分词相似度指的是以第一分词结果为比较基准得到的关于第二分词结果的分词相似度。在本发明实施例中,分词相似度的计算结果是建立在对两个分词结果中的分词进行两两比对相似度的基础之上的,即,若以分词结果A为比较基准,那么是将另一个分词结果B中的每一个分词分别输入至分词结果A中,与分词结果A中的每一个分词逐一进行比对,在所有比对结果的基础上确定出的分词相似度。例如,分词结果A为{a,b,c},分词结果B为{e,f},那么以分词结果A为比较基准,则需要执行以下比对过程:将分词结果B中的分词“e”分别与分词结果A中的“a”、“b”、“c”进行比对,对应得到分词“e”与分词“a”之间的相似度P1,分词“e”与分词“b”之间的相似度P2,分词“e”与分词“c”之间的相似度P3,以及,将分词结果B中的分词“f”分别与分词结果A中的“a”、“b”、“c”进行比对,对应得到分词“f”与分词“a”之间的相似度P4,分词“f”与分词“b”之间的相似度P5,分词“f”与分词“c”之间的相似度P6,再基于以上P1~P6这六个相似度,计算得到以分词结果A为比较基准,分词结果B的分词相似度。
进一步地,作为本发明的一个实施例,对分词相似度的确定可以采用以下方式实现:
通过计算以分词结果A为比较基准的分词结果B的分词相似度PA_B,其中,NB为所述分词结果B中的分词个数,PA_B(n)为将所述分词结果B中的第n个分词分别与所述分词结果A中的每个分词进行比较,得到的相似度的最大值。
还是以上文的示例为例,分词“e”分别与分词结果A中的“a”、“b”、“c”进行比对,得到的三个相似度{P1,P2,P3}中,P2为最大值,则代表分词“e”与分词结果A中的分词“b”最相似。分词“f”分别与分词结果A中的“a”、“b”、“c”进行比对,得到的三个相似度{P4,P5,P6}中,P4为最大值,则代表分词“f”与分词结果A中的“a”最相似,那么基于上文中的公式,以分词结果A为比较基准,分词结果B的分词相似度PA_B=(P2+P4)/2。
S303:根据第一分词相似度和第二分词相似度,计算服务标识的特征相似度。
对于服务A和服务B,其中文名称或英文编码对应的特征相似度计算公式为:
Pname=(PA_B+PB_A)/2
其中,Pname即服务A和服务B的中文名称或英文编码的特征相似度,PA_B为以服务A的分词结果为比较基准,服务B的分词结果的分词相似度,PB_A为以服务B的分词结果为比较基准,服务A的分词结果A的分词相似度。
其中,NB为服务B的分词结果中的分词个数,PA_B(n)指的是:在服务A的分词结果中检索,与服务B的分词结果中第n个分词相似度最高的相似度。
同理:
其中,NA为服务A的分词结果中的分词个数,PB_A(n)指的是:在服务B的分词结果中检索,与服务A的分词结果中第n个分词相似度最高的相似度。
综上,服务A和服务B的中文名称或英文编码的特征相似度为:
进一步地,作为本发明的一个实施例,在S301处理得到分词结果之后,S302确定两个分词结果之间对应的分词相似度之前,还包括:
分别在第一分词结果和第二分词结果中滤除冗余分词,其中,冗余分词为存储于冗余词库的分词。
在本发明实施例中,冗余词库可以以数据库的形式预先建立在执行服务复用方法的计算设备本地,也可以预先建立在其他设备中,由执行服务复用方法的计算设备通过应用程序接口访问或调用该冗余词库。冗余词库的设立,是为了进一步地提高分词相似度的计算效率,从而提高服务复用的实现效率。在方案实现过程中,可以将“服务”、“接口”、“service”、“API”等具有重复表征服务含义且不具有显著性的能用后续设置在冗余词库中,并根据冗余词库优化分词结果,从冗余词库中将冗余分词滤除。由上文可知,对分词相似度的确定,是建立在对两个分词结果中的分词进行两两比对相似度的基础之上的,在本发明实施例中,若进行比对的两个分词完全相同,则确定这两个分词之间的相似度为1,若进行比对的两个分词完全不同,则确定这两个分词之间的相似度为0。此外,由于命名习惯的差异,不同的中文名称或英文编码所标识的可能是同一项服务。例如:“余额查询”和“余额查看”这两项服务的功能应该是相同的,但是如果是直接对两项服务的中文名称进行文字比对,则“余额查询”和“余额查看”的相似度并不为100%。因此,在本发明实施例中,预先建立有相似词库,对于在业务层面上含义相近的分词,预先进行入库操作,例如,将“查询”和“查看”作为一组相似词存储在相似词库中,当分词与分词两两之间进行比对时,对于不完全相同的两个分词,若这两个分词同时存在于该相似词库内的一个相似词组合中,则确定这两个分词为相似词,并由此确定这两个分词之间的相似度为一个大于0且小于1的值,从而能够进一步地提高相似度的准确性。
在本发明实施例中,相似词库可以以数据库的形式预先建立在执行服务复用方法的计算设备本地,也可以预先建立在其他设备中,在进行分词相似度的计算过程中,由执行服务复用方法的计算设备通过应用程序接口访问或调用该相似词库,从而确定进行比较的两个分词是否为相似词。此外,对于存储于相似词库中的相似词,预先设置其相似度为一个大于0且小于1的固定值。
在本发明实施例的实现过程中,对于服务的英文编码来说,除了需要建立与中文名称相一致的相似词组合,例如“query”和“inquiry”,还应该考虑忽略词语的大小写,例如“Customer”和“customer”,此外,还需要结合英文编码的特征设置常用的缩写词库,例如“customer”和“cust”、“infomation”和“info”、“query”和“qry”。
图4示出了基于相似词库确定两个分词之间相似度的实现方式:
S401:将进行比较的两个分词输入至相似词库中进行检索,相似词库中存储有相似词组合。
相似词库可通过模板训练后逐步建立。表1示出了中文名称相似词库的一个内容示例,可以看出,表1中的每一行代表一个中文名称的相似词组合。
表1
同样地,表2示出了英文编码相似词库的一个内容示例,可以看出,表2中的每一行代表一个英文编码的相似词组合。
表2
S402:若在相似词库中检索到这两个分词位于同一相似词组合,则将这两个分词的相似度确定为u,所述u大于0且小于1。
参照表1的相似词库内容示例,“查询”和“查看”位于同一相似词组合中,因此,根据预先设置好的相似词库中的相似词对应的相似度,将这两个分词的相似度确定为u。在本发明实施例中,若两个分词完全相同,则这两个分词的相似度为1,若两个分词不同且不存在于相似词库的同一相似词组合中,则这两个分词的相似度为0,否则,即若两个分词不同且存在于相似词库的同一相似词组合中,则这两个分词的相似度为u,u的取值大于0且小于1。
为了更好地对以上特征相似度的计算实现方式进行说明,以下展示两个例子:
对于服务特征为服务的中文名称的情况,下面以服务A的中文名称“账户余额查询服务”和服务B的中文名称“查看余额”为例,计算两项服务在此类服务特征上的特征相似度:
1、分词,服务A的中文名称对应的分词结果为:“账户”、“余额”、“查询”、“服务”,共计四个分词,服务B的中文名称对应的分词结果为:“查看”、“余额”,共计两个分词。
2、基于冗余词库表,从分词结果中滤除冗余词汇“服务”,则服务A对应的有效分词为:“账户”、“余额”、“查询”,共计三个分词,服务B对应的有效分词为:“查看”、“余额”,共计两个分词。
3、在相似词库中检索到“查看”和“查询”位于其中一个相似词组合中,则根据预先设置的相似度值,将这两个分词的相似度确定为90%。
4、将服务B的分词结果中的“查看”分别与服务A的分词结果中的“账户”、“余额”、“查询”比较,分别得到相似度0%、0%和90%,取其中的最大值90%,将服务B的分词结果中的“余额”分别与服务A的分词结果中的“账户”、“余额”、“查询”比较,分别得到相似度0%、100%和90%,取其中的最大值100%,且服务B的分词结果中的分词数量为2,则以服务A的分词结果为基准,服务B的分词相似度为(90%+100%)/2。
将服务A的分词结果中的“账户”分别与服务B的分词结果中的“查看”、“余额”比较,均得到相似度0%,取0%,将服务A的分词结果中的“余额”分别与服务B的分词结果中的“查看”、“余额”比较,分别得到相似度0%和100%,取其中的最大值100%,将服务A的分词结果中的“查询”分别与服务B的分词结果中的“查看”、“余额”比较,分别得到相似度90%和0%,取其中的最大值90%,且服务A的分词结果中的分词数量为3,则以服务B的分词结果为基准,服务A的分词相似度为(0%+100%+90%)/3。
5、计算服务A与服务B的中文名称对应的特征相似度:
Pname=[(90%+100%)/2+(0%+100%+90%)/3]/2=79.17%
对于服务特征为服务的英文编码的情况,下面以服务A的英文编码“QryCustDetailInfo”和服务B的英文编码“customer_infomation_query_service”为例,计算两项服务在此类服务特征上的特征相似度:
1、分词,服务A的英文编码对应的分词结果为:“Qry”、“Cust”、“Detail”、“Info”,共计四个分词,服务B的英文编码对应的分词结果为:“customer”、“infomation”、“query”、“service”,共计四个分词。
2、基于冗余词库表,从分词结果中滤除冗余词汇“service”,则服务A对应的有效分词为:“Qry”、“Cust”、“Detail”、“Info”,共计四个分词,服务B对应的有效分词为:“customer”、“infomation”、“query”,共计三个分词;
3、在相似词库中检索到{Query、query、Qry、qry}{Customer、cutomer、Cust、cust}{Information、information、Info/info}这四个相似词组合,将对应的分词之间的相似度确定为90%。
4、将服务B的分词结果中的“customer”分别与服务A的分词结果中的“Qry”、“Cust”、“Detail”、“Info”比较,分别得到相似度0%、90%、0%和0%,取其中的最大值90%,将服务B的分词结果中的“infomation”分别与服务A的分词结果中的“Qry”、“Cust”、“Detail”、“Info”比较,分别得到相似度0%、0%、0%和90%,取其中的最大值90%,将服务B的分词结果中的“query”分别与服务A的分词结果中的“Qry”、“Cust”、“Detail”、“Info”比较,分别得到相似度90%、0%、0%和00%,取其中的最大值90%,且服务B的分词结果中的分词数量为3,则以服务A的分词结果为基准,服务B的分词相似度为(90%+90%+90%)/3。
将服务A的分词结果中的“Qry”分别与服务B的分词结果中的“customer”、“infomation”、“query”比较,分别得到相似度0%、0%和90%,取其中的最大值90%,将服务A的分词结果中的“Cust”分别与服务B的分词结果中的“customer”、“infomation”、“query”比较,分别得到相似度90%、0%和0%,取其中的最大值90%,将服务A的分词结果中的“Detail”分别与服务B的分词结果中的“customer”、“infomation”、“query”比较,均得到相似度0%,取0%,将服务A的分词结果中的“Info”分别与服务B的分词结果中的“customer”、“infomation”、“query”,分别得到相似度0%、90%和0%,取其中的最大值90%,且服务A的分词结果中的分词数量为4,则以服务B的分词结果为基准,服务A的分词相似度为(90%+90%+0%+90%)/4。
5、计算服务A与服务B的英文编码对应的特征相似度:
Qcode=[(90%+90%+90%)/3+(90%+90%+0%+90%)/4]/2
=78.75%
图5示出了服务特征为服务的输入输出参数时,对特征相似度的计算实现方式,包括:
S501:分别确定第一服务与第二服务之间关于输入参数在各设定维度的相似度,根据输入参数在各设定维度的相似度及各设定维度对应的权重,计算第一服务与第二服务的输入参数相似度。
S502:分别确定第一服务与第二服务之间关于输出参数在各设定维度的相似度,根据输出参数在各设定维度的相似度及各设定维度对应的权重,计算第一服务与第二服务的输出参数相似度。
在对两项服务之间输入参数和输出参数的特征相似度进行计算时,首先需要分别计算两项服务之间的输入参数对应的入参相似度和输出参数对应的出参相似度,且入参相似度和出参相似度均是由相同的多个维度的相似度计算出的。在本发明实施例中,进行相似度计算的设定维度包括但不限于:参数个数、参数的层级结构和参数内容。
需要说明的是,上文中的S501和S502的执行没有明显的先后顺序,可以任一步骤先执行,也可两个步骤同时执行。
S503:根据输入参数相似度和输出参数相似度,确定第一服务和第二服务的出入参数相似度。
入参相似度通过以下方式计算:
Rinput=Ri-number×x%+Ri-depth×y%+Ri-content×z%
其中,Ri-number为输入参数个数相似度,Ri-depth是输入参数层级结构相似度,Ri-content是输入参数内容相似度;x%为个数相似度所占的权重,y%为层级结构相似度所占的权重,z%为内容相似度所占的权重,x%+y%+z%=100%。
出参相似度通过以下方式计算:
Routput=Rj-number×x%+Rj-depth×y%+Rj-content×z%
其中,Rj-number为输出参数个数相似度,Rj-depth是输出参数层级结构相似度,Rj-content是输出参数内容相似度;x%为个数相似度所占的权重,y%为层级结构相似度所占的权重,z%为内容相似度所占的权重,x%+y%+z%=100%。
在这其中,输入参数个数相似度的计算与两项服务输入参数的个数差值有关,计算公式如下:
Ri-number=1-|NA-i-num-NB-i-num|/(NA-i-num+NB-i-num)
其中,NA-i-num指的是服务A中输入参数个数,NB-i-num指的是服务B中的输入参数个数。
下文示出了JSON格式下不同服务调用日志对应的输入参数个数:
{"name":"Jack","age":"28"}//参数个数为2;
{"name":"Jack","birthday":{"month":3,"day":20}}//参数个数为4;
{"name":"Jack","operation":{"time":"2018-06-28 16:17:33","detail":{"object":"user","action":"delete"}}}//参数个数为6;
{"name":"Jack","operation":[{"time":"2018-06-28 16:17:33","detail":{"object":"user","action":"delete"}},{"time":"2018-06-29 15:11:57","detail":{"object":"user","action":"create"}}]}//参数个数为10。
输入参数层级结构相似度的计算与两项服务的层级结构有关,计算公式如下:
Ri-depth=1-|NA-i-depth-NB-i-depth|/(NA-i-depth+NB-i-depth)
其中,NA-i-depth为服务A中输入参数的最高层级,NB-i-depth为服务B中的输入参数的最高层级。
下文示出了JSON格式下不同服务调用日志对应的输入参数层级:
{"name":"Jack","age":"28"}//最高层级为1;
{"name":"Jack","birthday":{"month":3,"day":20}}//最高层级为2;
{"name":"Jack","operation":{"time":"2018-06-28 16:17:33","detail":{"object":"user","action":"delete"}}}//最高层级为3;
{"name":"Jack","operation":[{"time":"2018-06-28 16:17:33","detail":{"object":"user","action":"delete"}},{"time":"2018-06-29 15:11:57","detail":{"object":"user","action":"create"}}]}//最高层级为3。
对输入参数内容相似度的计算方法如下:
其中,RB_A-i(n)指的是:在服务B的输入参数中检索,与服务A中第n个输入参数相似度最高的相似度。RA_B-i(n)指的是:在服务A的输入参数中检索,与服务B中第n个输入参数相似度最高的相似度。需要说明的是,在这其中,单个参数之间的相似度算法与上文英文编码比对中相同的算法相同。
输出参数在各设定维度的相似度计算思路与输入参数在各设定维度的相似度计算思路一致。
以上文示出的计算方式为基础,可知:
服务A与服务B的入参相似度计算方法如下:
服务A与服务B的出参相似度计算方法如下:
所以,服务A与服务B的出入参数相似度计算方法如下:
在本发明实施例中,服务特征还包括服务的请求方式或服务的数据格式。
对于服务的请求方式,两项服务之间的特征相似度按如下方式确定:
若两项服务的请求方式相同,则特征相似度为1,若两项服务的请求方式不同,则特征相似度为0。
对于服务的数据格式,通常有JSON或XML两种,两项服务之间的特征相似度按如下方式确定:
若两项服务的数据格式相同,则特征相似度为1,若两项服务的数据格式不同,则特征相似度为0。
本发明实施例中,从服务的服务调用日志中进行服务特征的提取,以确定出服务之间不同服务特征对应的特征相似度,并处理得到服务之间的服务相似度,以服务相似度为依据确定服务之间是否可以进行复用处理。上述技术实现方案利用了服务调用日志的信息完整性和准确性,将服务中文名称、服务英文编码、服务的输入输出参数、服务请求方式和服务数据格式作为服务特征,纳入服务相似度计算范围,具有更高的准确性,在此基础之上来确定服务之间的相似度,并可根据系统实际情况自由调整以上服务特征所占权重,具有可灵活配置的能力,能够准确、客观地完成服务之间的比较,实现服务的高复用率,从而也进一步减少了SOA架构的构建成本和维护成本。
基于上述所述的关于服务复用方法的实施例,图6为本发明实施例提出的计算设备的组成结构示意图,如图6所示,在本发明的实施例中,终端1包括:提取单元11,确定单元12和处理单元13。
提取单元11,用于从服务调用日志中提取服务的服务特征;
确定单元12,用于分别确定两项服务之间各类服务特征的特征相似度;
处理单元13,用于对特征相似度进行处理得到两项服务之间的服务相似度,确定服务相似度大于设定阈值,对服务相似度对应的两项服务进行复用处理。
进一步地,作为本发明的一个实施例,服务特征包括服务标识,确定单元12用于:
对第一服务的服务标识和第二服务的服务标识进行分词处理,分别得到第一分词结果和第二分词结果;
确定第一分词结果第二分词结果之间的第一分词相似度和第二分词相似度,第一分词相似度为以所述第分词结果为比较基准的分词相似度,第二分词相似度为以第一分词结果为比较基准的分词相似度;
根据第一分词相似度和第二分词相似度,计算服务标识的特征相似度。
进一步地,确定单元12在确定第一分词结果与第二分词结果之间的分词相似度时,通过计算以分词结果A为比较基准的分词结果B的分词相似度PA_B,其中,NB为分词结果B中的分词个数,PA_B(n)为将分词结果B中的第n个分词分别与分词结果A中的每个分词进行比较,得到的相似度的最大值。
进一步地,作为本发明的一个实施例,确定单元12在确定第一分词结果与第二分词结果之间的分词相似度时,将进行比较的两个分词输入至相似词库中进行检索,所述相似词库中存储有相似词组合;若在相似词库中检索到两个分词位于同一相似词组合,则将两个分词的相似度确定为u,其中,u大于0且小于1。
进一步地,在确定单元12在确定第一分词结果与第二分词结果之间的分词相似度之前,终端1还包括:滤除单元,用于分别在第一分词结果和第二分词结果中滤除冗余分词,其中,冗余分词为存储于冗余词库的分词。
进一步地,作为本发明的一个实施例,服务特征包括输入参数和输出参数,确定单元12用于:
分别确定第一服务与第二服务之间关于输入参数在各设定维度的相似度,根据所述相似度及所述各设定维度对应的权重,计算所述第一服务与所述第二服务的输入参数相似度;
分别确定所述第一服务与所述第二服务之间关于输出参数在所述各设定维度的相似度,根据所述输出参数在所述各设定维度的相似度及所述各设定维度对应的权重,计算所述第一服务与所述第二服务的输出参数相似度;
根据所述输入参数相似度和所述输出参数相似度,确定所述第一服务和所述第二服务的出入参数相似度。
进一步地,作为本发明的一个实施例,处理单元13用于:
分别配置各类服务特征对应的权重;
对确定到的特征相似度进行加权计算,得到两项服务之间的服务相似度。
如图7所示,本发明实施例还提供了一种计算设备,该计算设备在技术实现时可以为参与构建SOA架构的服务器等计算设备。包括:
接收器114、发送器113、处理器112以及存储有所述处理器112可执行指令、所述接收器114的接收的数据和所述发送器113发送的数据的存储介质115,所述接收器114、所述发送器113和存储介质通过通信总线116依赖所述处理器112执行操作,当所述指令被处理器112执行时,执行上述的实施例中所述的服务复用方法,包括:
从服务调用日志中提取服务的服务特征;
分别确定两项服务之间各类服务特征的特征相似度;
对特征相似度进行处理得到两项服务之间的服务相似度,确定服务相似度大于设定阈值,对服务相似度对应的两项服务进行复用处理。
进一步地,服务特征包括服务标识,分别确定两项服务之间各类服务特征的特征相似度,包括:
对第一服务的服务标识和第二服务的服务标识进行分词处理,分别得到第一分词结果和第二分词结果;
确定第一分词结果与第二分词结果之间的第一分词相似度和第二分词相似度,第一分词相似度为以第二分词结果为比较基准的分词相似度,第二分词相似度为以第一分词结果为比较基准的分词相似度;
根据第一分词相似度和第二分词相似度,计算服务标识的特征相似度。
进一步地,确定第一分词结果与第二分词结果之间的分词相似度,包括:
通过计算以分词结果A为比较基准的分词结果B的分词相似度PA_B,其中,NB为分词结果B中的分词个数,PA_B(n)为将分词结果B中的第n个分词分别与分词结果A中的每个分词进行比较,得到的相似度的最大值。
进一步地,确定第一分词结果与第二分词结果之间的第一分词相似度和第二分词相似度,包括:
将进行比较的两个分词输入至相似词库中进行检索,相似词库中存储有相似词组合;
若在相似词库中检索到两个分词位于同一相似词组合,则将两个分词的相似度确定为u,u大于0且小于1。
进一步地,确定第一分词结果与第二分词结果之间的分词相似度之前,服务复用方法还包括:
分别在第一分词结果和第二分词结果中滤除冗余分词,冗余分词为存储于冗余词库的分词。
进一步地,服务特征包括输入参数和输出参数,分别确定两项服务之间各类服务特征的特征相似度,包括:
分别确定第一服务与第二服务之间关于输入参数在各设定维度的相似度,根据相似度及各设定维度对应的权重,计算第一服务与第二服务的输入参数相似度;
分别确定第一服务与第二服务之间关于输出参数在各设定维度的相似度,根据输出参数在各设定维度的相似度及各设定维度对应的权重,计算第一服务与第二服务的输出参数相似度;
根据输入参数相似度和输出参数相似度,确定第一服务和第二服务的出入参数相似度。
进一步地,对特征相似度进行处理得到两项服务之间的服务相似度,包括:
分别配置各类服务特征对应的权重;
根据所述权重对特征相似度进行加权计算,得到两项服务之间的服务相似度。
需要说明的是,实际应用时,计算设备中的各个组件通过通信总线116耦合在一起。可理解,通信总线116用于实现这些组件之间的连接通信。通信总线116除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图7中将各种总线都标为通信总线116。
本发明实施例提供了一种计算机可读存储介质,存储有机器指令,当机器指令被一个或多个处理器执行的时候,处理器执行上述实施例中的服务复用方法。
其中,计算机可读存储介质可以是磁性随机存取存储器(ferromagnetic randomaccess memory,FRAM)、只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,EEPROM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种服务复用方法,其特征在于,包括:
从服务调用日志中提取服务的服务特征;
分别确定两项服务之间各类所述服务特征的特征相似度;
对所述特征相似度进行处理得到两项服务之间的服务相似度,确定所述服务相似度大于设定阈值,对所述服务相似度对应的两项服务进行复用处理。
2.根据权利要求1所述的服务复用方法,其特征在于,所述服务特征包括服务标识,所述分别确定两项服务之间各类所述服务特征的特征相似度,包括:
对第一服务的所述服务标识和第二服务的所述服务标识进行分词处理,分别得到第一分词结果和第二分词结果;
确定所述第一分词结果与所述第二分词结果之间的第一分词相似度和第二分词相似度,所述第一分词相似度为以所述第二分词结果为比较基准的分词相似度,所述第二分词相似度为以所述第一分词结果为比较基准的分词相似度;
根据所述第一分词相似度和所述第二分词相似度,计算所述服务标识的所述特征相似度。
4.根据权利要求2所述的服务复用方法,其特征在于,所述确定所述第一分词结果与所述第二分词结果之间的第一分词相似度和第二分词相似度,包括:
将进行比较的两个分词输入至相似词库中进行检索,所述相似词库中存储有相似词组合;
若在所述相似词库中检索到所述两个分词位于同一所述相似词组合,则将所述两个分词的相似度确定为u,所述u大于0且小于1。
5.根据权利要求2或3所述的服务复用方法,其特征在于,所述确定所述第一分词结果与所述第二分词结果之间的分词相似度之前,所述服务复用方法还包括:
分别在所述第一分词结果和所述第二分词结果中滤除冗余分词,所述冗余分词为存储于冗余词库的分词。
6.根据权利要求1所述的服务复用方法,其特征在于,所述服务特征包括输入参数和输出参数,所述分别确定两项服务之间各类所述服务特征的特征相似度,包括:
分别确定第一服务与第二服务之间关于输入参数在各设定维度的相似度,根据所述相似度及所述各设定维度对应的权重,计算所述第一服务与所述第二服务的输入参数相似度;
分别确定所述第一服务与所述第二服务之间关于输出参数在所述各设定维度的相似度,根据所述输出参数在所述各设定维度的相似度及所述各设定维度对应的权重,计算所述第一服务与所述第二服务的输出参数相似度;
根据所述输入参数相似度和所述输出参数相似度,确定所述第一服务和所述第二服务的出入参数相似度。
7.根据权利要求1所述的服务复用方法,其特征在于,所述对所述特征相似度进行处理得到两项服务之间的服务相似度,包括:
分别配置各类所述服务特征对应的权重;
根据所述权重对所述特征相似度进行加权计算,得到两项服务之间的所述服务相似度。
8.一种计算设备,其特征在于,包括:
提取单元,用于从服务调用日志中提取服务的服务特征;
确定单元,用于分别确定两项服务之间各类所述服务特征的特征相似度;
处理单元,用于对所述特征相似度进行处理得到两项服务之间的服务相似度,确定所述服务相似度大于设定阈值,对所述服务相似度对应的两项服务进行复用处理。
9.一种计算设备,其特征在于,包括:
接收器、发送器、处理器以及存储有所述处理器可执行指令、所述接收器的接收的数据和所述发送器发送的数据的存储介质,所述接收器、所述发送器和存储介质通过通信总线依赖所述处理器执行操作,当所述指令被处理器执行时,执行上述的权利要求1至7任一项所述的服务复用方法。
10.一种计算机可读存储介质,其特征在于,存储有机器指令,当所述机器指令被一个或多个处理器执行的时候,所述处理器执行所述的权利要求1至7任一项所述的服务复用方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376184.4A CN111914859A (zh) | 2019-05-07 | 2019-05-07 | 一种服务复用方法、计算设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376184.4A CN111914859A (zh) | 2019-05-07 | 2019-05-07 | 一种服务复用方法、计算设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111914859A true CN111914859A (zh) | 2020-11-10 |
Family
ID=73242965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910376184.4A Pending CN111914859A (zh) | 2019-05-07 | 2019-05-07 | 一种服务复用方法、计算设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111914859A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631653A (zh) * | 2021-03-09 | 2021-04-09 | 广州欧赛斯信息科技有限公司 | 一种教学评价指标库代码适配方法及系统 |
CN113409136A (zh) * | 2021-06-30 | 2021-09-17 | 中国工商银行股份有限公司 | 组合服务相似度分析方法、装置、计算机系统及存储介质 |
CN114666418A (zh) * | 2022-03-10 | 2022-06-24 | 北京九恒星科技股份有限公司 | 业务系统衔接方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598559A (zh) * | 2015-01-06 | 2015-05-06 | 浙江大学 | 一种基于Web服务标签数据的联合聚类方法 |
CN105404619A (zh) * | 2015-09-08 | 2016-03-16 | 华南理工大学 | 一种基于相似度的语义Web服务聚类标注方法 |
-
2019
- 2019-05-07 CN CN201910376184.4A patent/CN111914859A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598559A (zh) * | 2015-01-06 | 2015-05-06 | 浙江大学 | 一种基于Web服务标签数据的联合聚类方法 |
CN105404619A (zh) * | 2015-09-08 | 2016-03-16 | 华南理工大学 | 一种基于相似度的语义Web服务聚类标注方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631653A (zh) * | 2021-03-09 | 2021-04-09 | 广州欧赛斯信息科技有限公司 | 一种教学评价指标库代码适配方法及系统 |
CN112631653B (zh) * | 2021-03-09 | 2021-06-15 | 广州欧赛斯信息科技有限公司 | 一种指标库代码适配方法及系统 |
CN113409136A (zh) * | 2021-06-30 | 2021-09-17 | 中国工商银行股份有限公司 | 组合服务相似度分析方法、装置、计算机系统及存储介质 |
CN114666418A (zh) * | 2022-03-10 | 2022-06-24 | 北京九恒星科技股份有限公司 | 业务系统衔接方法、装置及存储介质 |
CN114666418B (zh) * | 2022-03-10 | 2024-02-20 | 北京九恒星科技股份有限公司 | 业务系统衔接方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20210038860A (ko) | 의도 추천 방법, 장치, 기기 및 저장매체 | |
CN110929145B (zh) | 舆情分析方法、装置、计算机装置及存储介质 | |
CN101231651A (zh) | 计算计算机网络上电子文档的重要性的计算机装置和方法 | |
CN111914859A (zh) | 一种服务复用方法、计算设备及计算机可读存储介质 | |
CN110457672A (zh) | 关键词确定方法、装置、电子设备及存储介质 | |
US20190243912A1 (en) | Rapid design, development, and reuse of blockchain environment and smart contracts | |
JP2022031625A (ja) | 情報をプッシュするための方法および装置、電子機器、記憶媒体並びにコンピュータプログラム | |
US11594054B2 (en) | Document lineage management system | |
CN111190946A (zh) | 报告生成方法、装置、计算机设备和存储介质 | |
CN111586695B (zh) | 短信识别方法及相关设备 | |
CN110609952A (zh) | 数据采集方法、系统和计算机设备 | |
CN113434631B (zh) | 基于事件的情感分析方法、装置、计算机设备及存储介质 | |
CN111552798A (zh) | 基于名称预测模型的名称信息处理方法、装置、电子设备 | |
JP6470249B2 (ja) | データクレンジングシステム、データクレンジング方法及びデータクレンジングプログラム | |
CN106407332B (zh) | 基于人工智能的搜索方法和装置 | |
CN112487181B (zh) | 关键词确定方法和相关设备 | |
JP2019148933A (ja) | 要約評価装置、方法、プログラム、及び記憶媒体 | |
CN111932076A (zh) | 一种规则配置和发布方法、装置及计算设备 | |
CN113434273B (zh) | 数据处理方法、装置、系统及存储介质 | |
CN116127154A (zh) | 知识标签推荐方法、装置、电子设备及存储介质 | |
CN115905885A (zh) | 数据识别方法、设备、存储介质及程序产品 | |
CN115221892A (zh) | 工单数据处理方法及装置、存储介质及电子设备 | |
CN116432638A (zh) | 一种文本关键词提取方法、装置、电子设备及存储介质 | |
CN111597453B (zh) | 用户画像方法、装置、计算机设备及计算机可读存储介质 | |
US20110270874A1 (en) | Apparatus and method for searching information |
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 |