CN112015906A - 网络配置知识图谱的构建方案 - Google Patents

网络配置知识图谱的构建方案 Download PDF

Info

Publication number
CN112015906A
CN112015906A CN202010782007.9A CN202010782007A CN112015906A CN 112015906 A CN112015906 A CN 112015906A CN 202010782007 A CN202010782007 A CN 202010782007A CN 112015906 A CN112015906 A CN 112015906A
Authority
CN
China
Prior art keywords
configuration
trees
instance
network
tree
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.)
Granted
Application number
CN202010782007.9A
Other languages
English (en)
Other versions
CN112015906B (zh
Inventor
李福亮
韩迪
王皓
王惟
袁乾宸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN202010782007.9A priority Critical patent/CN112015906B/zh
Publication of CN112015906A publication Critical patent/CN112015906A/zh
Application granted granted Critical
Publication of CN112015906B publication Critical patent/CN112015906B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367Ontology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31Indexing; Data structures therefor; Storage structures
    • G06F16/316Indexing structures
    • G06F16/322Trees
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/10Text processing
    • G06F40/166Editing, e.g. inserting or deleting
    • G06F40/186Templates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/205Parsing
    • G06F40/216Parsing using statistical methods
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08Configuration management of networks or network elements
    • H04L41/0803Configuration setting
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/2866Architectures; Arrangements
    • H04L67/30Profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明是一种网络配置知识图谱的构建方案,该方案形象、直观的显示配置的逻辑层次结构及关联关系,为网络智能运维奠定基础;创新定义专有名词,包括对各类关系的定义、配置模板树、配置实例树、配置实例网;配置知识图谱的架构和构建流程图,架构由模式层和数据层两部分构成,利用配置文件,经过多项构建步骤,最终生成模板树、关联关键字库以及由若干实例树关联而成的实例网;该方案的方法包括配置文件解析、树形重构、配置文件归并合成、关联关键字库的构建、实例网生成。本发明能够为用户提供可视化的配置检索,当用户需要对某一节点进行更新时,能够迅速检索可能需要参考的关联节点,极大减轻用户的管理难度。

Description

网络配置知识图谱的构建方案
技术领域
本发明属于网络配置领域。在传统知识图谱构建方法的基础之上,结合配置文件的特征进行改进,设计了一种网络配置知识图谱的构建方案。
背景技术
知识图谱是一种揭示实体之间关系的语义网络,可以对现实世界的事物及其相互关系进行形式化的描述。传统的知识图谱构建面向的半结构化数据或非结构化数据以文本的形式存在,需要通过实体抽取、关系抽取、属性抽取等技术对文本进行预处理,从文本中抽取出知识。构建配置知识图谱能够很好地分析配置文件间存在的关系,为配置综合方法研究提供数据支撑和模型基础,并能够为管理员提供配置参考模板,很好地协助管理员避免配置错误。
在当前的网络配置领域存中,随着互联网越来越复杂,网络设备支持的功能和服务越来越多,导致配置错误多发。配置错误已经成为网络中断和异常产生的主要原因之一。在配置综合技术方面,通过形式化推理方法,描述网络及其需求,转成可满足问题,并求解问题是否满足约束;通过领域特定语言方法,使用DSL描述协议或服务的规则,求解策略对应的配置。但现有的部分配置综合技术将配置问题过度简化,问题解决能力有限,难以满足实际运行网络的配置管理需求。在配置验证技术方面,主要技术有:Datalog、抽象图、BDD、SMT,其优势是能够在执行前检查配置错误。但现有的配置验证技术对新配置或配置更新的指导作用有限。
传统知识图谱处理的文本由自然语言书写,而在配置知识图谱的构建过程中,配置文件中书写的是能够完成特定功能的代码语句,二者间存在着显著的差异。因此,本文中我们提出了全新的配置文件解析方式。其次,由于配置知识图谱面向特定的专业领域,属于垂直知识图谱,尚不具备成熟的第三方知识库或已经实现高度抽象化、规范化的模式层,且业内也尚未对网络配置文件间的关系做出规范定义。因此,本文中我们提出了一些规范化的定义和不同于传统知识图谱的构建方法。
发明内容
在当前网络设备多样化、配置语言低级、配置关联性强等特征下,为了有效提取配置模板,挖掘配置语言间的关联关系,实现配置可视化,在传统知识图谱构建方法的基础之上,结合配置文件的特征进行改进,本文设计了一种网络配置知识图谱的构建方案。
本发明采用的技术方案是:
一种网络配置知识图谱的构建方案,该方案形象、直观的显示配置的逻辑层次结构及关联关系,为网络智能运维奠定基础;创新定义专有名词,包括对各类关系的定义、配置模板树、配置实例树、配置实例网;配置知识图谱的架构和构建流程图,架构由模式层和数据层两部分构成,利用配置文件,经过多项构建步骤,最终生成模板树、关联关键字库以及由若干实例树关联而成的实例网;
配置知识图谱的构建主要步骤是:
步骤1:从原始的配置文件入手进行解析,将文件重构为关键字节点构成的树形结构,得到实例树;
步骤2:将得到的多个实例树进行归并合成得到模板树;
步骤3:根据统计学分析节点关系,构建关联关键字库;
步骤4:利用关联关系对数据层进行补充,将多个实例树关联形成实例网。
所述步骤1配置实例树构建方法的具体步骤包括:
步骤1.1将配置代码中“{}”前的代码视为分支节点,以“关键字”的形式记录节点信息,其中部分节点不带参数;
步骤1.2以深度优先的方式解析配置文件并重构为实例树;将单行配置语句视为叶子节点,当树形重构到达叶子节点时,相应分支的重构结束,回溯至上层分支节点继续重构未完成的分支,直至回溯到根节点。
所述步骤2配置模板树生成方法的具体步骤包括:
步骤2.1对多份配置文件进行解析重构得到的多棵实例树,将这些实例树去掉节点参数;
步骤2.2合并重复的关键字节点,添加新的关键字节点,获得模板树。
所述步骤3配置关联关键字库构建方法的具体步骤包括:
步骤3.1依靠经验进行人工添加:如input与output关键字,其后配置的参数在配置文件中会进行单独定义;
步骤3.2通过关联关系挖掘算法周期性维护,找到潜在的关联关键字,对关联关键字库进行补充:该算法根据两种关键字后接的参数是否相同来挖掘关系,主要针对文本类参数;具体算法如下:随机抽查N棵实例树,对每棵实例树单独处理:遍历实例树i的结点,找出参数相同的结点,统计频次;
如关键字1,关键字2,出现参数相同的情况有n次;汇总N棵实例树的记录,按照“频次n>num”的要求筛去部分记录,形成抽查报告;此处的num值可以根据实际效果进行修改,利用算法生成的抽查报告与原有的关联关键字库进行比对,能够补充人工未添加的关联关键字。
所述步骤4实例网生成步骤包括:利用关联关系对数据层进行补充,将多个实例树关联形成实例网,利用关联关键字库提供的关联关系将实例树转化为网状结构,通过不同实例树上相同关键字的节点建立跨实例树的关联关系,最终将数据层构成一张庞大的实例网。
本发明的优点是:
本发明包括配置文件解析、树形重构、配置文件归并合成、关联关键字库的构建、实例网生成。提出了全新的配置文件解析方式和一些规范化的定义和不同于传统知识图谱的构建方法。能够为用户提供可视化的配置检索,当用户需要对某一节点进行更新时,能够迅速检索可能需要参考的关联节点,极大减轻用户的管理难度。
附图说明
图1为本发明的配置知识图谱的架构图。
图2为本发明的配置知识图谱构建流程图。
图3为本发明的配置知识图谱树形重构范例。
图4为本发明的配置文件归并合成。
图5为本发明的模板树示例。
图6为本发明的关联关键字库示例。
图7为本发明的某个filter节点的关联示例。
具体实施方式
下面结合附图1-7对本发明进一步详细说明,一种网络配置知识图谱的构建方案,是利用配置文件,经过多项构建步骤,最终生成模板树、关联关键字库以及由若干实例树关联而成的实例网,能够有效的提取配置模板,挖掘配置语言间的关联关系,实现配置可视化。以下详细说明本发明方法涉及的关键步骤。
本发明通过分析配置文件,提取关键字,相关解释说明如表1所示:
表1
Figure BDA0002620592960000041
本发明中使用了一些新的词汇,各词汇相应的定义如表2所示:
表2
Figure BDA0002620592960000051
配置知识图谱的架构由模式层和数据层两部分构成,如图1所示。利用配置文件,经过多项构建步骤,最终生成模板树、关联关键字库以及由若干实例树关联而成的实例网。配置知识图谱的构建流程如图2所示。
其主要步骤是:
步骤1:从原始的配置文件入手进行解析,将文件重构为关键字节点构成的树形结构,得到实例树。
步骤2:将得到的多个实例树进行归并合成得到模板树。
步骤3:根据统计学分析节点关系,构建关联关键字库。
步骤4:利用关联关系对数据层进行补充,将多个实例树关联形成实例网。
所述步骤1的具体步骤包括:
步骤1.1将配置代码中“{}”前的代码视为分支节点,以“关键字(参数)”的形式记录节点信息,其中部分节点不带参数。
步骤1.2以深度优先的方式解析配置文件并重构为实例树。
所述步骤2的具体步骤包括:
步骤2.1对多份配置文件进行解析重构得到的多棵实例树,将这些实例树去掉节点参数。
步骤2.2合并重复的关键字节点,添加新的关键字节点,获得模板树。
所述步骤3的具体步骤包括:
步骤3.1依靠经验进行人工添加:例如input与output等关键字,其后配置的参数在配置文件中会进行单独定义。
步骤3.2通过关联关系挖掘算法周期性维护,找到潜在的关联关键字,对关联关键字库进行补充。
配置知识图谱的架构由模式层和数据层两部分构成,利用配置文件,经过多项构建步骤,最终生成模板树、关联关键字库以及由若干实例树关联而成的实例网。
置文件解析和树形重构对配置文件进行解析和树形重构的方法;将配置代码中“{}”前的代码视为分支节点,以“关键字(参数)”的形式记录节点信息,其中部分节点不带参数。以深度优先的方式解析配置文件并重构为实例树。将单行配置语句视为叶子节点,当树形重构到达叶子节点时,相应分支的重构结束,回溯至上层分支节点继续重构未完成的分支,直至回溯到根节点。
配置文件归并合成,对多份配置文件进行解析重构能够得到多棵实例树。将这些实例树去掉节点参数,然后进行归并合成,最终获得模板树。
以chassis为例,首先以图3中的chassis建立模板树。若在其他配置代码中存在如图4的chassis,则向模板树中的chassis进行添加(如failover节点)。模板树展现了配置文件所有可能的关键字组成情况。
关联关键字库的构建方法依靠经验进行人工添加:例如input与output等关键字,其后配置的参数在配置文件中会进行单独定义。若在同一份配置文件中出现了两段配置代码,一段代码中使用input和output调用了cos-ipv6,另一段代码对cos-ipv6进行了定义。Input、output、filter三者相互可以构成关联关系。
通过关系挖掘算法对关联关键字库进行补充:该算法根据两种关键字后接的参数是否相同来挖掘关系,主要针对文本类参数。具体算法如下:随机抽查N棵实例树。对每棵实例树单独处理:遍历实例树i的节点,找出参数相同的节点,统计频次。
例如<关键字1,关键字2,出现参数相同的情况有n次>。汇总N棵实例树的记录,按照“频次n>num”的要求筛去部分记录,形成抽查报告。此处的num值可以根据实际效果进行修改。利用算法生成的抽查报告与原有的关联关键字库进行比对,能够补充人工未添加的关联关键字。
实例网,利用关联关键字库提供的关联关系能够使实例树转化为网状结构。其次,通过不同实例树上相同关键字的节点建立跨实例树的关联关系,最终促使数据层构成一张庞大的实例网。
配置可视化模板树的顶层节点,如图5所示,包含了根节点test及其子节点。其中橙色结点为分支节点,蓝色结点为叶子节点。以图中的interfaces节点为例,进行展开则能观察interfaces的子节点组成情况。
关联关键字库的部分内容如图6所示,包含了多个存在关联关系的关键字对。对库内的关系进行详细划分能够为相关应用提供更好的效果。
本质上,模板树与关联关键字库都是对关键字之间的关系进行展示,但展示方式不同。利用这些关系,本发明能够为用户提供可视化的配置检索。如图7所示,当前需要对某filter节点进行管理,以filter为观察视角能够给出关联节点以及关联关系。当用户需要对该filter节点进行更新时,能够迅速检索可能需要参考的关联节点,极大减轻用户的管理难度。
应用场景,基于网络配置的知识图谱的构建可应用于网络配置信息检索机制。目前对于网络中设备的配置方法主要还是基于CLI命令,由于不同厂商设备的CLI命令集不尽相同,即使配置相同的功能项或参数,使用的命令也有细微差别。因此依托构建的网络配置知识图谱可基于配置知识图谱的叶子节点,获取其关键字,作为基本的配置项,对不同设备中的配置项进行数据抽象,为配置综合系统提供统一的配置项模型,进而实现配置信息的高效检索。基于网络配置的知识图谱的构建可应用于网络配置逻辑关系模型。确定性的配置关联关系可以作为输入以减少约束空间,提升配置综合方法的求解效率。因此依托构建的网络配置知识图谱可基于模式层的关联关键字库以及数据层的配置知识图谱,通过关系匹配和映射,进一步挖掘配置之间的关联关系,构建网络配置逻辑关系模型,减少配置求解搜索空间,提高求解效率。
配置管理负责初始化网络、并配置网络,使其提供网络服务,在网络运行与管理中占有非常重要的地位。发明为了有效提取配置模板,挖掘配置语言间的关联关系,实现配置可视化,在传统知识图谱构建方法的基础之上,结合配置文件的特征进行改进,提出了一种网络配置知识图谱的构建方案,该设计方案的方法包括配置文件解析与树形重构、配置模板树、配置文件归并合成、关联关键字库的构建、实例网生成。该专利为挖掘配置文件内、配置文件间存在的关联关系提供了切实可行的途径,说明该方法具有一定的新颖性与实用性。该方法能够很好地分析配置文件间存在的关系,为配置综合方法研究提供数据支撑和模型基础,并能够为管理员提供配置参考模板,很好地协助管理员避免配置错误,因此该专利方法能够在当前及未来业界环境下得到很好的适应。

Claims (5)

1.一种网络配置知识图谱的构建方案,其特征在于,该方案形象、直观的显示配置的逻辑层次结构及关联关系,为网络智能运维奠定基础;创新定义专有名词,包括对各类关系的定义、配置模板树、配置实例树、配置实例网;配置知识图谱的架构和构建流程图,架构由模式层和数据层两部分构成,利用配置文件,经过多项构建步骤,最终生成模板树、关联关键字库以及由若干实例树关联而成的实例网;
配置知识图谱的构建主要步骤是:
步骤1:从原始的配置文件入手进行解析,将文件重构为关键字节点构成的树形结构,得到实例树;
步骤2:将得到的多个实例树进行归并合成得到模板树;
步骤3:根据统计学分析节点关系,构建关联关键字库;
步骤4:利用关联关系对数据层进行补充,将多个实例树关联形成实例网。
2.根据权利要求1所述的网络配置知识图谱的构建方案,其特征在于,所述步骤1配置实例树构建方法的具体步骤包括:
步骤1.1将配置代码中“{}”前的代码视为分支节点,以“关键字”的形式记录节点信息,其中部分节点不带参数;
步骤1.2以深度优先的方式解析配置文件并重构为实例树;将单行配置语句视为叶子节点,当树形重构到达叶子节点时,相应分支的重构结束,回溯至上层分支节点继续重构未完成的分支,直至回溯到根节点。
3.根据权利要求1所述的网络配置知识图谱的构建方案,其特征在于,所述步骤2配置模板树生成方法的具体步骤包括:
步骤2.1对多份配置文件进行解析重构得到的多棵实例树,将这些实例树去掉节点参数;
步骤2.2合并重复的关键字节点,添加新的关键字节点,获得模板树。
4.根据权利要求1所述的网络配置知识图谱的构建方案,其特征在于,所述步骤3配置关联关键字库构建方法的具体步骤包括:
步骤3.1依靠经验进行人工添加:如input与output关键字,其后配置的参数在配置文件中会进行单独定义;
步骤3.2通过关联关系挖掘算法周期性维护,找到潜在的关联关键字,对关联关键字库进行补充:该算法根据两种关键字后接的参数是否相同来挖掘关系,主要针对文本类参数;具体算法如下:随机抽查N棵实例树,对每棵实例树单独处理:遍历实例树i的节点,找出参数相同的节点,统计频次;
如关键字1,关键字2,出现参数相同的情况有n次;汇总N棵实例树的记录,按照“频次n>num”的要求筛去部分记录,形成抽查报告;此处的num值可以根据实际效果进行修改,利用算法生成的抽查报告与原有的关联关键字库进行比对,能够补充人工未添加的关联关键字。
5.根据权利要求1所述的网络配置知识图谱的构建方案,其特征在于,所述步骤4实例网生成步骤包括:利用关联关系对数据层进行补充,将多个实例树关联形成实例网,利用关联关键字库提供的关联关系将实例树转化为网状结构,通过不同实例树上相同关键字的节点建立跨实例树的关联关系,最终将数据层构成一张庞大的实例网。
CN202010782007.9A 2020-08-06 2020-08-06 网络配置知识图谱的构建方案 Active CN112015906B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010782007.9A CN112015906B (zh) 2020-08-06 2020-08-06 网络配置知识图谱的构建方案

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010782007.9A CN112015906B (zh) 2020-08-06 2020-08-06 网络配置知识图谱的构建方案

Publications (2)

Publication Number Publication Date
CN112015906A true CN112015906A (zh) 2020-12-01
CN112015906B CN112015906B (zh) 2024-05-03

Family

ID=73499307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010782007.9A Active CN112015906B (zh) 2020-08-06 2020-08-06 网络配置知识图谱的构建方案

Country Status (1)

Country Link
CN (1) CN112015906B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112486073A (zh) * 2020-12-03 2021-03-12 用友网络科技股份有限公司 机器人控制方法、控制系统和可读存储介质
CN113190645A (zh) * 2021-05-31 2021-07-30 国家电网有限公司大数据中心 一种索引结构建立方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013488A (zh) * 2007-01-15 2007-08-08 浪潮集团有限公司 一种知识管理软件知识展现的实现方法
CN102955860A (zh) * 2012-11-27 2013-03-06 山东大学 基于模式图的关键字查询改进方法
CN103329124A (zh) * 2010-11-24 2013-09-25 万梅戈切伦和蒂拉努斯有限公司 用于为现有数字样本编译唯一的样本代码的方法和系统
CN103646055A (zh) * 2013-11-29 2014-03-19 广州视源电子科技股份有限公司 一种程序配置信息的获取方法和装置
CN110175334A (zh) * 2019-06-05 2019-08-27 苏州派维斯信息科技有限公司 基于自定义的知识槽结构的文本知识抽取系统和方法
US20190303141A1 (en) * 2018-03-29 2019-10-03 Elasticsearch B.V. Syntax Based Source Code Search

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013488A (zh) * 2007-01-15 2007-08-08 浪潮集团有限公司 一种知识管理软件知识展现的实现方法
CN103329124A (zh) * 2010-11-24 2013-09-25 万梅戈切伦和蒂拉努斯有限公司 用于为现有数字样本编译唯一的样本代码的方法和系统
CN102955860A (zh) * 2012-11-27 2013-03-06 山东大学 基于模式图的关键字查询改进方法
CN103646055A (zh) * 2013-11-29 2014-03-19 广州视源电子科技股份有限公司 一种程序配置信息的获取方法和装置
US20190303141A1 (en) * 2018-03-29 2019-10-03 Elasticsearch B.V. Syntax Based Source Code Search
CN110175334A (zh) * 2019-06-05 2019-08-27 苏州派维斯信息科技有限公司 基于自定义的知识槽结构的文本知识抽取系统和方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NANDISH JAYARAM ET AL.: "Querying Knowledge Graphs by Example Entity Tuples", 《IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING》, pages 2797 - 2811 *
林道淼: "程序理解中信息提取与可视化表示的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 183 *
王伟: "基于知识图谱的分布式安全事件关联分析技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 139 - 113 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112486073A (zh) * 2020-12-03 2021-03-12 用友网络科技股份有限公司 机器人控制方法、控制系统和可读存储介质
CN113190645A (zh) * 2021-05-31 2021-07-30 国家电网有限公司大数据中心 一种索引结构建立方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112015906B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
CN111737471A (zh) 一种基于知识图谱的档案管理模型构建方法及系统
US20070168380A1 (en) System and method for storing text annotations with associated type information in a structured data store
CN109885621B (zh) 一种数据存储实体关系图提取方法
EP3671526A1 (en) Dependency graph based natural language processing
CN112015906A (zh) 网络配置知识图谱的构建方案
CN113535977B (zh) 一种知识图谱融合方法和装置及设备
CN108241658A (zh) 一种日志模式发现方法及系统
Kamalabalan et al. Tool support for traceability of software artefacts
CN113742368A (zh) 一种数据血缘关系分析方法
Bouhamoum et al. Scaling up schema discovery for RDF datasets
CN110795093A (zh) 一种交互式视图生成方法和装置
CN115858810A (zh) 自动构建知识图谱的方法、系统、计算机设备及存储介质
CN109857458B (zh) 基于ANTLR的AltaRica 3.0的扁平化的转化方法
Zhao et al. Applying microservice refactoring to object-2riented legacy system
CN111291573A (zh) 有向图意义导向模型驱动的短语语义挖掘方法
KR101783791B1 (ko) 프로버넌스 관리를 위한 압축 장치 및 방법
De Lucia et al. Reengineering web applications based on cloned pattern analysis
CN115292347A (zh) 一种基于规则的主动式sql算法性能检查装置及方法
Gentili et al. Data summarization model for user action log files
Stepien et al. Challenges of composing XACML policies
CN108595588A (zh) 一种科学数据存储关联方法
CN107341021B (zh) 大型复杂软件带约束逻辑属性的软件网络表示、存储与检索方法
CN105224632A (zh) Xbrl技术框架中将引擎模型转换为页面模型的方法
Ying et al. Domain service acquisition and domain modeling based on feature model
Chen et al. A Graph Database and Query Approach to IFC Data Management

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