CN112202587A - 用于推荐和生成网络配置的方法和装置 - Google Patents

用于推荐和生成网络配置的方法和装置 Download PDF

Info

Publication number
CN112202587A
CN112202587A CN201910610722.1A CN201910610722A CN112202587A CN 112202587 A CN112202587 A CN 112202587A CN 201910610722 A CN201910610722 A CN 201910610722A CN 112202587 A CN112202587 A CN 112202587A
Authority
CN
China
Prior art keywords
network
network configuration
user
text
recommended
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
Application number
CN201910610722.1A
Other languages
English (en)
Inventor
华松
皮冰锋
孙俊
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to CN201910610722.1A priority Critical patent/CN112202587A/zh
Priority to JP2020085126A priority patent/JP2021013155A/ja
Publication of CN112202587A publication Critical patent/CN112202587A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/22—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks comprising specially adapted graphical user interfaces [GUI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

公开了用于推荐和生成网络配置的方法和装置。用于自动生成区块链网络的推荐网络配置的方法包括：接收用户通过输入装置输入的关于项目的描述文本；从描述文本中提取与预定特性有关的特征，并且针对特征计算特征值；基于特征和特征值将描述文本与已知网络配置进行匹配；选择最佳匹配的已知网络配置作为针对该项目的推荐网络配置；通过输出装置向用户呈现该推荐网络配置。

Description

用于推荐和生成网络配置的方法和装置
技术领域
本发明涉及用于推荐和生成网络配置的方法和装置，更具体地，涉及自动地推荐或生成区块链网络的网络配置的方法和装置。
背景技术
区块链技术可以实现为一种分布式账本(decentralized ledger)技术。一般来说，区块链网络包括公共区块链和许可区块链两种类型。例如，比特币和以太坊是公共区块链网络，而Hyperledger Fabric(超级账本)是一种许可区块链网络。通常，许可区块链网络比公共区块链网络更加复杂。在以太坊网络中，每个节点起着相同的作用，即，参与共识和同步账本数据。相比之下，Hyperledger Fabric网络中的节点(例如，对等节点peer，排序节点orderer，Kafka共识机制，证书颁发机构CA等)通常起着不同的作用，因此配置、构建和维护网络非常复杂且耗时。对于新手开发人员而言，由于他们并不熟悉如此多的分散的概念，因此需要花费大量的时间来学习和理解网络的各个部件。此外，许可区块链网络中有许多配置点，而这些配置点与整个网络的各种属性相关，因此新手开发人员经常很难决定为当前项目采用何种网络架构。例如，面对效率高但容错能力低的“可信的单节点共识(Trustedsolo)”以及容错能力高但效率低的“Kafka共识机制”，新手开发人员可能很难决定在项目中使用哪种共识机制(consensus algorithm)。
目前，建立一个许可区块链网络是完全手动的，因此即使是熟悉区块链网络技术的开发人员，往往也需要花费大量的时间和精力。虽然Hyperledger Fabric提供了多个示例网络，但开发人员仍然需要花费时间来理解和修改这些示例网络，以获得所需要的网络。
因此，期望提供一种能够为新手开发人员自动推荐网络配置的方法，以及能够根据开发人员的要求自动生成网络配置的方法。
发明内容
针对上述问题，本发明提供了自动推荐和生成区块链网络的网络配置的方案。利用该方案，可以大大提高开发人员构建和配置许可区块链网络的效率。
根据本发明的第一方面，提供了一种用于自动生成区块链网络的推荐网络配置的方法，包括：接收用户通过输入装置输入的关于项目的描述文本；从所述描述文本中提取与预定特性有关的特征，并且针对所述特征计算特征值；基于所述特征和特征值将所述描述文本与已知网络配置进行匹配；选择最佳匹配的已知网络配置作为针对所述项目的推荐网络配置；以及通过输出装置向所述用户呈现所述推荐网络配置。
根据本发明的第一方面，还提供了一种用于自动生成区块链网络的推荐网络配置的装置，包括：存储器，以及一个或多个处理器，所述处理器被配置为：接收用户通过输入装置输入的关于项目的描述文本；从所述描述文本中提取与预定特性有关的特征，并且针对所述特征计算特征值；基于所述特征和特征值将所述描述文本与已知网络配置进行匹配；选择最佳匹配的已知网络配置作为针对所述项目的推荐网络配置；以及通过输出装置向所述用户呈现所述推荐网络配置。
根据本发明的第二方面，提供了一种用于自动生成区块链网络的网络配置的方法，包括：接收用户通过输入装置输入的关于项目的系统图，其中所述系统图包括几何图形和文字；通过对所述系统图执行图像识别来识别所述系统图中的实体以及实体之间的关系；基于所识别的实体生成所述区块链网络的配置文件；基于所识别的实体之间的关系生成所述区块链网络的启动脚本；通过输出装置向所述用户提供所述配置文件和所述启动脚本。
根据本发明的第二方面，还提供了一种用于自动生成区块链网络的网络配置的装置，包括：存储器，以及一个或多个处理器，所述处理器被配置为：接收用户通过输入装置输入的关于项目的系统图，其中所述系统图包括几何图形和文字；通过对所述系统图执行图像识别来识别所述系统图中的实体以及实体之间的关系；基于所识别的实体生成所述区块链网络的配置文件；基于所识别的实体之间的关系生成所述区块链网络的启动脚本；通过输出装置向所述用户提供所述配置文件和所述启动脚本。
此外，本发明还提供了一种存储有程序的记录介质，所述程序在被计算机执行时，使得计算机实现如上所述的方法。
附图说明
图1示意性地示出了作为许可区块链网络的一个示例的Hyperledger Fabric的网络架构。
图2示意性地示出了对等节点、通道和组织的关系。
图3是根据本发明第一方面的网络配置推荐方法的总体流程图。
图4是根据本发明第一方面的推荐方法的第一实施方式的流程图。
图5示出了生成分类模型的方法的流程图。
图6是根据本发明第一方面的推荐方法的第二实施方式的流程图。
图7是根据本发明第一方面的推荐方法的第三实施方式的流程图。
图8示意性地示出了根据系统图来生成网络配置。
图9是根据本发明第二方面的网络配置生成方法的流程图。
图10示出了实现本发明的计算机硬件的示例性配置框图。
具体实施方式
在下文中将以Hyperledger Fabric作为许可区块链网络的一个示例来描述本发明的方案，但本发明并不限于Hyperledger Fabric，而是可以应用于任何类型的许可区块链网络。
图1示意性地示出了Hyperledger Fabric的网络架构，主要包括应用A1-A3，对等节点P1-P3，证书颁发机构CA1-CA4，排序节点Q4，通道C1-C2，合约CC1-CC2，以及网络配置NC4。对等节点P1-P3是网络的基本要素，它们存储账本数据和智能合约(smart contract)。账本永久地记录用户产生的所有交易以及智能合约，智能合约是在对等节点中存储和运行的程序。用户需要发送交易以与智能合约进行交互，从而访问账本数据。证书颁发机构CA1-CA4是整个网络的成员身份管理者。排序节点Q4订立交易列表，以生成对所有对等节点P1-P3的账本数据，并且确保在不同对等节点中的所有账本数据是一致的。通道C1，C2允许特定的一组对等节点和应用(智能合约)在区块链账本内相互通信。如图所示，应用A1可以利用通道C1直接与对等节点P1，P2进行通信，应用A2可以利用通道C2直接与对等节点P3进行通信。特别地，通道不是真实存在的部件，而是由物理的对等节点的集合形成的逻辑结构。
此外，对等节点的集合可以形成组织。所有对等节点都是由不同组织拥有和贡献的。图2示意性地示出了对等节点、通道和组织的关系。如图2所示，对等节点P1，P2属于组织Org 1，对等节点P3-P6属于组织Org 2，对等节点P7属于组织Org 3。此外，对等节点P1和对等节点P7可以通过通道C通信，类似地，对等节点P3和P4也可以通过通道C与对等节点P1和P7通信。
通常，建立一个完整的网络需要创建两种文件：配置文件和启动脚本。配置文件包括各种静态的配置，例如Docker compose配置文件，Cryptogen配置文件以及Genesis块配置文件。Docker compose配置文件用于生成所有docker容器，例如对等节点、排序节点、Kafka、CA等。Cryptogen配置文件用于生成与加密有关的文件，例如对等节点证书、用户证书、TLS证书等。Genesis块配置文件用于初始化网络关系和genesis块，例如组织、锚节点、块配置(块大小，块时间等)、共识机制(Trusted solo，Kafka)。
启动脚本是动态脚本，用于启动整个网络并且设置网络的部件。启动脚本主要包括Docker容器启动脚本和建立网络关系的脚本。Docker容器启动脚本用于启动Docker容器，即，将所有物理部件初始化为Docker容器。建立网络关系的脚本用于建立网络关系，例如包括：初始化对等节点和用户，创建通道，将对等节点加入通道等(每个对等节点都需要通过执行相关脚本来加入一个或多个特定通道)。
如上所述，配置文件和启动脚本是建立一个区块链网络所必需的。因此，在本发明中，推荐或生成区块链网络的网络配置也主要是指自动地向用户提供区块链网络的配置文件和启动脚本。
此外，在建立区块链网络时要考虑扩展性、安全性、效率和去中心化这四个因素。
扩展性要求网络可以支持更多数量的交易，希望在交易数量超出整个网络的承载能力时网络也不会崩溃。网络具有较高的扩展性，表明它可以承载更多的交易。在Hyperledger Fabric网络的情况下，扩展性与通道、对等节点和组织的数量、共识机制、具有链码(chaincode)的对等节点的数量、链码的背书策略(endorsement policy)等有关。
安全性对于许可区块链网络而言非常重要。安全性与证书颁发机构和通道的数量、链码的背书策略等有关。
效率意味着区块链网络的吞吐量。效率与对等节点的数量、共识机制、链码的背书策略等有关。
去中心化与通道、对等节点和组织的数量、具有链码的对等节点的数量有关。
然而，扩展性、安全性、效率和去中心化这四个因素之间相互制约，因此缺乏经验的新手开发人员往往难以找到最佳的折中方案。鉴于此，本发明提出了用以辅助新手开发人员的网络配置推荐方法。
图3示出了根据本发明第一方面的推荐方法的总体流程图。如图3所示，在步骤S310接收由用户输入的项目白皮书，白皮书是用于描述项目的文本。然后在步骤S320从白皮书中提取与扩展性、安全性、效率和去中心化中的至少一个因素有关的词汇作为特征，并且针对提取的特征计算特征值，特征值是表示该词汇在白皮书中的重要性的值。
具体来说，可以在白皮书中提取上述四个因素的近义词和反义词作为特征。以下列出了一个示意性的词汇表，可以从项目白皮书中提取以下表中的词汇作为特征。
Figure BDA0002122274030000051
作为计算特征值的方法，例如可以使用已知的TF-IDF(词频-逆文档频率)算法。此外，本领域技术人员易于想到其它的已知算法来计算特征值，因此在本文中将省略这方面的详细描述。
将所计算的特征值表示为W，则可以得到以下特征向量：
VS＝(W1,W2,...,Wi)--(1)
VA＝(W1,W2,...,Wj)--(2)
VW＝(VS,VA)--(3)
其中，VS表示近义词特征向量，VA表示反义词特征向量，VW表示白皮书特征向量。
在获得了特征和特征值(特征向量)之后，可以在步骤S330基于特征和特征值将白皮书与已知的网络配置进行匹配，然后在步骤S340选择最佳匹配的已知网络配置作为要向用户推荐的网络配置，并且通过输出装置将推荐配置提供给用户。
以上描述了根据本发明的网络配置推荐方法的总体流程，以下将结合图4-图6来描述该推荐方法的三个具体实施方式。
图4示出了根据本发明第一方面的推荐方法的第一实施方式的流程图。如图4所示，在步骤S410预先设置多个网络类别，其中每一个网络类别可以侧重于扩展性、安全性、效率和去中心化中的一个或两个因素，此外还预先设置与每个网络类别对应的网络配置(包括配置文件和启动脚本)。然后执行步骤S420和S430，这两个步骤与图3中的步骤S310和S320相同，故不再赘述。
然后在步骤S440建立分类模型，该步骤将在下文结合图5来进行详细描述。
在步骤S450，基于所获得的特征和特征值(特征向量)，利用分类模型将白皮书分类至预先设置的多个网络类别中的一个，然后在步骤S460将与所得到的网络类别相对应的网络配置推荐给用户。由于基于特征的分类方法是本领域技术人员已知的技术，因此本文中省略其详细描述。
图5示出了利用机器学习来生成分类模型的方法。如图5所示，在步骤S510收集多个已知的项目白皮书，然后在步骤S520以人工方式将每个已知白皮书分类至预先设置的多个网络类别中的适当一个，然后在步骤S530利用经人工分类的多个已知白皮书来训练一个分类模型。例如，该分类模型可以利用神经网络或机器学习方法来实现。训练好的分类模型可被用于在图4的步骤S450中对当前的白皮书进行分类。
图6示出了根据本发明第一方面的推荐方法的第二实施方式的流程图。首先，在步骤S610收集多个已知的项目白皮书以及与每个白皮书对应的网络配置，并且针对每个白皮书提取特征以及计算特征值(特征向量)，然后可以利用获得的信息建立数据库。在该数据库中，每个已知白皮书以及与其相对应的网络配置、特征和特征值被相关联地存储。
然后执行步骤S620和S630，这两个步骤与图3中的步骤S310和S320相同，故不再赘述。
在步骤S640，利用特征和特征值(特征向量)来计算当前白皮书与数据库中的每个已知白皮书之间的相似度。可以使用任何已知的相似度计算方法，例如余弦相似度计算方法或其它的文本相似度计算方法，本发明对此不做限制。
然后，在步骤S650确定与当前白皮书具有最高相似度的已知白皮书的网络配置，并且在步骤S660将确定的网络配置作为推荐配置提供给用户。
通过上文描述的第一和第二实施方式的方法，向用户推荐了与现有的已知白皮书对应的网络配置。该方法的优点是实现相对简单、计算量小，但也存在着以下缺点：由于不是针对用户的项目定制的，所以所推荐的现有网络配置往往不能很好地满足用户的项目的所有要求。因此本发明提出了第三实施方式，其中结合了第一和第二实施方式的方法。总体来说，首先利用第二实施方式的方法获得最接近的现有网络配置，然后利用第一实施方式的方法在该现有网络配置的基础上进行修改，以使其适合于用户的具体项目。
图7示出了根据本发明第一方面的推荐方法的第三实施方式的流程图。如图7所示，在利用第二实施方式的方法获得了具有最高相似度的已知白皮书的网络配置之后，暂时不将其推荐给用户，而是在步骤S710与第一实施方式类似地设置多个网络类别以及与每个网络类别相对应的网络配置，其中每个网络类别侧重于扩展性、安全性、效率和去中心化当中的一个或两个。
然后在步骤S720确定当前项目的白皮书相对于设置的多个网络类别中的每一个的得分。该得分反映了白皮书是否应当被分类到该网络类别的程度。得分越高，表明白皮书更加适合于被分类到该网络类别。反之得分越低，表明白皮书不符合该网络类别，不应当被分类到该网络类别。
接着，在步骤S730按照所确定的得分的升序来排列该多个网络类别，在步骤S740利用得分最低的(排在最前的)网络类别所对应的网络配置来覆盖在图6的步骤S650中获得的已知白皮书所对应的网络配置。然后，在步骤S750，按照多个网络类别的排列顺序，依次地用后一网络类别对应的网络配置来覆盖前一网络类别对应的网络配置，也就是说，依次地用得分较高的网络类别对应的网络配置来覆盖得分较低的网络类别对应的网络配置。在每一次覆盖的过程中，前一网络配置(包括配置文件和启动脚本)中的一些参数或全部参数被与当前白皮书符合程度更高的网络类别的网络配置所覆盖，从而实现了基于用户的白皮书不断地修改现有网络配置，以使得最终得到的网络配置更加适合于用户的具体项目。然后，可以将最终得到的网络配置作为推荐的网络配置提供给用户，如步骤S760所示。
以下将描述本发明的第二方面。在建立区块链网络时，与新手开发人员不同，具有一定经验的开发人员通常能够针对当前项目设计出网络的系统图。系统图中包含几何图形和文字，其以图形的形式表示出网络的架构。本发明的第二方面将根据开发人员提供的系统图来自动地生成网络配置，从而辅助开发人员的工作。
图8示意性地示出了根据系统图来生成网络配置(包括配置文件和启动脚本)。如图8所示，矩形框表示对等节点P、应用A、证书颁发机构CA等实体。基于这些实体的基本信息和配置来生成配置文件。连接实体的线以及通道C1，C2表示实体之间的关系，例如，节点P1加入通道C1，节点P2加入通道C1和C2等。基于这些关系来生成启动脚本。需要说明的是，图8所示的系统图仅是一个示例，本领域技术人员可以采用其它的图形表示，例如，可以用圆形框、三角框、人形框等来表示实体。
图9示出了根据本发明第二方面的网络配置生成方法的流程图。如图9所示，在步骤S910接收由用户输入的关于项目的系统图，在步骤S920通过执行图像识别来识别系统图中的实体以及实体之间的关系。例如，可以基于系统图中的框和/或框中的文字来识别诸如对等节点P1-P3、应用A1-A3的实体。此外，可以基于以下中的至少一个来识别实体之间的关系：连接框的线、线上的文字或箭头、框和线的颜色、以及框的相对位置关系。
本领域技术人员易于采用适当的图像识别方法来执行步骤S920，例如，可以采用基于机器学习的方法。在使用此方法的情况下，可以利用经过人工预先标注的大量系统图来训练神经网络，训练好的神经网络可被用于识别系统图中的实体以及实体之间的关系。例如，对于图8所示的系统图，利用经训练的神经网络将能够识别出实体P1，P2以及关系C1，更具体地，识别出对等节点P1和P2都加入通道C1中。
在完成识别之后，可以基于实体的基本信息和配置来生成区块链网络的配置文件，并且基于实体之间的关系来生成网络的启动脚本，如步骤S930所示。然后，可以在步骤S940向用户提供所生成的配置文件和启动脚本。
通过图9所示的方法，可以根据开发人员设计的图形化的系统图自动地生成更为复杂的配置文件和启动脚本，因此能够减少开发人员的工作量，提高了开发效率。
需要说明的是，本发明的方法的执行并不限于上文中结合附图所描述的顺序。在不影响技术效果的情况下，可以按照与附图所示顺序不同的顺序来执行本发明的方法。例如，图7的处理被示出为承接在图6的步骤S650之后，然而，图7中的步骤S710-S730也可以在步骤S650之前执行。
在上文中描述的方法可以由软件、硬件或者软件和硬件的组合来实现。包括在软件中的程序可以事先存储在设备的内部或外部所设置的存储介质中。作为一个示例，在执行期间，这些程序被写入随机存取存储器(RAM)并且由处理器(例如CPU)来执行，从而实现在本文中描述的各种处理。
图10示出了根据程序来执行本发明的方法的计算机硬件的示例性框图，该计算机硬件是根据本发明的用于推荐或生成区块链网络的网络配置的装置的一个示例。
如图10所示，在计算机1000中，中央处理单元(CPU)1001、只读存储器(ROM)1002以及随机存取存储器(RAM)1003通过总线1004彼此连接。
输入/输出接口1005进一步与总线1004连接。输入/输出接口1005连接有以下组件：以键盘、鼠标、麦克风等形成的输入单元1006；以显示器、扬声器等形成的输出单元1007；以硬盘、非易失性存储器等形成的存储单元1008；以网络接口卡(诸如局域网(LAN)卡、调制解调器等)形成的通信单元1009；以及驱动移动介质1011的驱动器1010，该移动介质1011例如是磁盘、光盘、磁光盘或半导体存储器。
在具有上述结构的计算机中，CPU 1001将存储在存储单元1008中的程序经由输入/输出接口1005和总线1004加载到RAM 1003中，并且执行该程序，以便执行上文中描述的方法。
要由计算机(CPU 1001)执行的程序可以被记录在作为封装介质的移动介质1011上，该封装介质以例如磁盘(包括软盘)、光盘(包括压缩光盘-只读存储器(CD-ROM))、数字多功能光盘(DVD)等)、磁光盘、或半导体存储器来形成。此外，要由计算机(CPU 1001)执行的程序也可以经由诸如局域网、因特网、或数字卫星广播的有线或无线传输介质来提供。
当移动介质1011安装在驱动器1010中时，可以将程序经由输入/输出接口1005安装在存储单元1008中。另外，可以经由有线或无线传输介质由通信单元1009来接收程序，并且将程序安装在存储单元1008中。可替选地，可以将程序预先安装在ROM 1002或存储单元1008中。
由计算机执行的程序可以是根据本说明书中描述的顺序来执行处理的程序，或者可以是并行地执行处理或当需要时(诸如，当调用时)执行处理的程序。
本文中所描述的单元或装置仅是逻辑意义上的，并不严格对应于物理设备或实体。例如，本文所描述的每个单元的功能可能由多个物理实体来实现，或者，本文所描述的多个单元的功能可能由单个物理实体来实现。此外，在一个实施例中描述的特征、部件、元素、步骤等并不局限于该实施例，而是也可以应用于其它实施例，例如替代其它实施例中的特定特征、部件、元素、步骤等，或者与其相结合。
本发明的范围不限于在本文中描述的具体实施例。本领域普通技术人员应该理解的是，取决于设计要求和其他因素，在不偏离本发明的原理和精神的情况下，可以对本文中的实施例进行各种修改或变化。本发明的范围由所附权利要求及其等同方案来限定。
附记：
(1).一种用于自动生成区块链网络的推荐网络配置的方法，包括：
接收用户通过输入装置输入的关于项目的描述文本；
从所述描述文本中提取与预定特性有关的特征，并且针对所述特征计算特征值；
基于所述特征和特征值将所述描述文本与已知网络配置进行匹配；
选择最佳匹配的已知网络配置作为针对所述项目的推荐网络配置；
通过输出装置向所述用户呈现所述推荐网络配置。
(2).根据(1)所述的方法，其中，所述预定特性包括扩展性、安全性、效率和去中心化中的至少一个，所述特征是在所述描述文本中与所述预定特性有关的词汇，以及所述特征值是表示所述词汇在所述描述文本中的重要性的值。
(3).根据(1)或(2)所述的方法，还包括：
设置多个网络类别以及与每个网络类别相对应的网络配置；
生成分类模型；
基于所述描述文本的特征和特征值，利用所述分类模型将所述描述文本分类至所述多个网络类别中的一个；
将与所得到的一个网络类别相对应的网络配置作为所述推荐网络配置向所述用户呈现。
(4).根据(3)所述的方法，其中，生成分类模型的步骤还包括：
以人工方式将多个已知描述文本分别分类至所述多个网络类别中的相应类别；
利用经人工分类的所述多个已知描述文本进行训练，以获得所述分类模型。
(5).根据(3)所述的方法，其中，所述多个网络类别中的每一个网络类别侧重于扩展性、安全性、效率和去中心化当中的一个或两个。
(6).根据(1)或(2)所述的方法，还包括：
建立数据库，所述数据库中包括与多个已知描述文本中的每一个相对应的网络配置以及特征和特征值；
基于所述项目的所述描述文本与所述数据库中的每一个已知描述文本的特征和特征值来计算二者之间的相似度；
确定具有最高相似度的已知描述文本所对应的网络配置。
(7).根据(6)所述的方法，还包括：
将所述具有最高相似度的已知描述文本所对应的网络配置作为所述推荐网络配置向所述用户呈现。
(8).根据(6)所述的方法，还包括：
设置多个网络类别以及与每个网络类别相对应的网络配置；
确定所述项目的所述描述文本相对于所述多个网络类别中的每一个的得分；
按照所确定的得分的升序来排列所述多个网络类别；
利用得分最低的网络类别所对应的网络配置来覆盖所述具有最高相似度的已知描述文本所对应的网络配置；
按照排列所述多个网络类别的顺序，依次地利用后一网络类别所对应的网络配置来覆盖前一网络类别所对应的网络配置；
将最终得到的网络配置作为所述推荐网络配置向所述用户呈现。
(9).一种用于自动生成区块链网络的网络配置的方法，包括：
接收用户通过输入装置输入的关于项目的系统图，其中所述系统图包括几何图形和文字；
通过对所述系统图执行图像识别来识别所述系统图中的实体以及实体之间的关系；
基于所识别的实体生成所述区块链网络的配置文件；
基于所识别的实体之间的关系生成所述区块链网络的启动脚本；
通过输出装置向所述用户提供所述配置文件和所述启动脚本。
(10).根据(9)所述的方法，还包括：
基于所述系统图中的框体和框体中的文字中的至少一个来识别所述实体；
基于与所述框体相连的线、所述线上的文字或箭头、所述框体和所述线的颜色、所述框体的位置关系中的至少一个来识别所述实体之间的关系。
(11).一种用于自动生成区块链网络的推荐网络配置的装置，包括：存储器，以及一个或多个处理器，所述处理器被配置为执行根据(1)-(8)所述的方法。
(12).一种用于自动生成区块链网络的网络配置的装置，包括：存储器，以及一个或多个处理器，所述处理器被配置为执行根据(9)-(10)所述的方法。
(13).一种存储有程序的记录介质，所述程序在被计算机执行时，使得计算机实现根据(1)-(10)所述的方法。

Claims (10)

1.一种用于自动生成区块链网络的推荐网络配置的方法，包括：
接收用户通过输入装置输入的关于项目的描述文本；
从所述描述文本中提取与预定特性有关的特征，并且针对所述特征计算特征值；
基于所述特征和特征值将所述描述文本与已知网络配置进行匹配；
选择最佳匹配的已知网络配置作为针对所述项目的推荐网络配置；以及
通过输出装置向所述用户呈现所述推荐网络配置。
2.根据权利要求1所述的方法，其中，所述预定特性包括扩展性、安全性、效率和去中心化中的至少一个，所述特征是在所述描述文本中与所述预定特性有关的词汇，以及所述特征值是表示所述词汇在所述描述文本中的重要性的值。
3.根据权利要求1或2所述的方法，还包括：
设置多个网络类别以及与每个网络类别相对应的网络配置；
生成分类模型；
基于所述描述文本的特征和特征值，利用所述分类模型将所述描述文本分类至所述多个网络类别中的一个；
将与所得到的一个网络类别相对应的网络配置作为所述推荐网络配置向所述用户呈现。
4.根据权利要求3所述的方法，其中，生成分类模型的步骤还包括：
以人工方式将多个已知描述文本分别分类至所述多个网络类别中的相应类别；
利用经人工分类的所述多个已知描述文本进行训练，以获得所述分类模型。
5.根据权利要求3所述的方法，其中，所述多个网络类别中的每一个网络类别侧重于扩展性、安全性、效率和去中心化当中的一个或两个。
6.根据权利要求1或2所述的方法，还包括：
建立数据库，所述数据库中包括与多个已知描述文本中的每一个相对应的网络配置以及特征和特征值；
基于所述项目的所述描述文本与所述数据库中的每一个已知描述文本的特征和特征值来计算二者之间的相似度；
确定具有最高相似度的已知描述文本所对应的网络配置。
7.根据权利要求6所述的方法，还包括：
将所述具有最高相似度的已知描述文本所对应的网络配置作为所述推荐网络配置向所述用户呈现。
8.根据权利要求6所述的方法，还包括：
设置多个网络类别以及与每个网络类别相对应的网络配置；
确定所述项目的所述描述文本相对于所述多个网络类别中的每一个的得分；
按照所确定的得分的升序来排列所述多个网络类别；
利用得分最低的网络类别所对应的网络配置来覆盖所述具有最高相似度的已知描述文本所对应的网络配置；
按照排列所述多个网络类别的顺序，依次地利用后一网络类别所对应的网络配置来覆盖前一网络类别所对应的网络配置；
将最终得到的网络配置作为所述推荐网络配置向所述用户呈现。
9.一种用于自动生成区块链网络的网络配置的方法，包括：
接收用户通过输入装置输入的关于项目的系统图，其中所述系统图包括几何图形和文字；
通过对所述系统图执行图像识别来识别所述系统图中的实体以及实体之间的关系；
基于所识别的实体生成所述区块链网络的配置文件；
基于所识别的实体之间的关系生成所述区块链网络的启动脚本；
通过输出装置向所述用户提供所述配置文件和所述启动脚本。
10.根据权利要求9所述的方法，还包括：
基于所述系统图中的框体和框体中的文字中的至少一个来识别所述实体；
基于与所述框体相连的线、所述线上的文字或箭头、所述框体和所述线的颜色、所述框体的位置关系中的至少一个来识别所述实体之间的关系。
CN201910610722.1A 2019-07-08 2019-07-08 用于推荐和生成网络配置的方法和装置 Pending CN112202587A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910610722.1A CN112202587A (zh) 2019-07-08 2019-07-08 用于推荐和生成网络配置的方法和装置
JP2020085126A JP2021013155A (ja) 2019-07-08 2020-05-14 ネットワーク設定を推奨及び生成するための方法及び装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910610722.1A CN112202587A (zh) 2019-07-08 2019-07-08 用于推荐和生成网络配置的方法和装置

Publications (1)

Publication Number Publication Date
CN112202587A true CN112202587A (zh) 2021-01-08

Family

ID=74004626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910610722.1A Pending CN112202587A (zh) 2019-07-08 2019-07-08 用于推荐和生成网络配置的方法和装置

Country Status (2)

Country Link
JP (1) JP2021013155A (zh)
CN (1) CN112202587A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113114503A (zh) * 2021-04-13 2021-07-13 中国工商银行股份有限公司 基于应用交付网络需求的部署方法及装置
CN116346598A (zh) * 2023-05-31 2023-06-27 四川中普盈通科技有限公司 一种数据传输控制的现场配置方法及网路接入系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5787246A (en) * 1994-05-27 1998-07-28 Microsoft Corporation System for configuring devices for a computer system
CN108763493A (zh) * 2018-05-30 2018-11-06 深圳市思迪信息技术股份有限公司 一种基于深度学习的推荐方法
CN109547260A (zh) * 2018-12-07 2019-03-29 中国航空工业集团公司西安航空计算技术研究所 一种FlexRay网络配置方法及系统
CN109698752A (zh) * 2018-11-29 2019-04-30 南京南瑞信息通信科技有限公司 一种基于区块链的企业资源管理系统
CN109891401A (zh) * 2016-10-28 2019-06-14 西部数据技术公司 分布式计算系统配置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5787246A (en) * 1994-05-27 1998-07-28 Microsoft Corporation System for configuring devices for a computer system
CN109891401A (zh) * 2016-10-28 2019-06-14 西部数据技术公司 分布式计算系统配置
CN108763493A (zh) * 2018-05-30 2018-11-06 深圳市思迪信息技术股份有限公司 一种基于深度学习的推荐方法
CN109698752A (zh) * 2018-11-29 2019-04-30 南京南瑞信息通信科技有限公司 一种基于区块链的企业资源管理系统
CN109547260A (zh) * 2018-12-07 2019-03-29 中国航空工业集团公司西安航空计算技术研究所 一种FlexRay网络配置方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113114503A (zh) * 2021-04-13 2021-07-13 中国工商银行股份有限公司 基于应用交付网络需求的部署方法及装置
CN113114503B (zh) * 2021-04-13 2022-12-20 中国工商银行股份有限公司 基于应用交付网络需求的部署方法及装置
CN116346598A (zh) * 2023-05-31 2023-06-27 四川中普盈通科技有限公司 一种数据传输控制的现场配置方法及网路接入系统
CN116346598B (zh) * 2023-05-31 2023-09-01 四川中普盈通科技有限公司 一种数据传输控制的现场配置方法及网路接入系统

Also Published As

Publication number Publication date
JP2021013155A (ja) 2021-02-04

Similar Documents

Publication Publication Date Title
CN108509465B (zh) 一种视频数据的推荐方法、装置和服务器
Cai et al. New graph structured sparsity model for multi-label image annotations
JP2002222083A (ja) 事例蓄積装置および方法
Krawczyk et al. Instance reduction for one-class classification
CN111259192A (zh) 音频推荐方法和装置
CN110413769A (zh) 场景分类方法、装置、存储介质及其电子设备
CN110598118A (zh) 资源对象的推荐方法、装置及计算机可读介质
CN110390025A (zh) 封面配图确定方法、装置、设备及计算机可读存储介质
CN110008397A (zh) 一种推荐模型训练方法及装置
JP6031210B1 (ja) 販売予測装置、販売予測方法、およびプログラム
CN112202587A (zh) 用于推荐和生成网络配置的方法和装置
JP2018136755A (ja) プログラム自動生成システム及びプログラム自動生成方法
JP6050284B2 (ja) 抽出装置、抽出方法及び抽出プログラム
CN111046158A (zh) 问答匹配方法及模型训练方法、装置、设备、存储介质
CN111324773A (zh) 一种背景音乐构建方法、装置、电子设备和存储介质
Le Cacheux et al. From classical to generalized zero-shot learning: A simple adaptation process
Ban et al. Neural collaborative filtering bandits via meta learning
CN114330476A (zh) 用于媒体内容识别的模型训练方法及媒体内容识别方法
JP5480008B2 (ja) マンガコンテンツの要約を生成する要約マンガ画像生成装置、プログラム及び方法
CN116051192A (zh) 处理数据的方法和装置
Goncalves et al. The importance of brand affinity in luxury fashion recommendations
CN111382793B (zh) 一种特征提取方法、装置和存储介质
CN108845862A (zh) 一种多容器管理方法和装置
US10296913B1 (en) Integration of heterogenous data using omni-channel ontologies
CN117493672A (zh) 产品的推荐方法、装置、存储介质及电子设备

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20230825

AD01 Patent right deemed abandoned