CN112989124B - 多网联动数据协同配置方法、装置、计算设备及存储介质 - Google Patents
多网联动数据协同配置方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN112989124B CN112989124B CN201911215385.2A CN201911215385A CN112989124B CN 112989124 B CN112989124 B CN 112989124B CN 201911215385 A CN201911215385 A CN 201911215385A CN 112989124 B CN112989124 B CN 112989124B
- Authority
- CN
- China
- Prior art keywords
- cell
- network
- work order
- item set
- northbound
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000012986 modification Methods 0.000 claims abstract description 71
- 230000004048 modification Effects 0.000 claims abstract description 71
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 18
- 230000001360 synchronised effect Effects 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000013146 percutaneous coronary intervention Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000009191 jumping Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/84—Mapping; Conversion
-
- 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
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例涉及通信技术领域,公开了一种多网联动数据协同配置方法、装置、计算设备及存储介质,该方法包括:对北向文件进行XML文件解析,获取北向文件数据;根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;根据所述邻区列表生成邻区参数工单;将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新。通过上述方式,本发明实施例能够缩短批量工单修改耗时,同时降低人工匹配邻区时的出错概率,准确率、完整性极高,大大提高了参数生产效率。
Description
技术领域
本发明实施例涉及通信技术领域,具体涉及一种多网联动数据协同配置方法、装置、计算设备及存储介质。
背景技术
随着频分多址的长期演进(LTE_FDD)基站的规模入网,5G网络的快速建设和商用,中国移动网络面临着全球移动通信系统(Global System for Mobile Communication,GSM)/分时长期演进(Time Division Long Term Evolution,TD_LTE)/LTE_FDD/5G四网十一频复杂协同优化的局面,在这之中互操作优化的好坏直接影响用户业务使用的连续性和质量,互操作参数配置的准确性至关重要。
传统的多制式网络互操作优化和数据配置方法依靠人工沟通、核查和修改,人为遗漏和错误在所难免,已经不适应这种多网并存的复杂网络。因此开发了四网联动数据同步配置和自动关联修改系统。现有技术条件下,优化提单环节,涉及多制式、多厂家、多网管互操作类参数的调整,需人工分厂家分制式提交工单;脚本生成环节,首先需人工根据厂家网管内邻区信息手动匹配相关邻区,再手动制作脚本;修改环节需要分厂家、分网管、分地市单独执行。执行难度及复杂度较大,参数调整不便捷,效率低。
发明内容
鉴于上述问题,本发明实施例提供了一种多网联动数据协同配置方法、装置、计算设备及存储介质,克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面,提供了一种多网联动数据协同配置方法,所述方法包括:对北向文件进行XML文件解析,获取北向文件数据;根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;根据所述邻区列表生成邻区参数工单;将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新。
在一种可选的方式中,所述对北向文件进行XML文件解析,获取北向文件数据,包括:应用文档对象模型技术将XML格式的所述北向文件分解为序列化的对象;从所述序列化的对象中提取出所述北向文件数据,包括服务小区的小区标识、邻区的物理小区标识以及邻区参数。
在一种可选的方式中,所述根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表,包括:根据所述修改工单获取所述修改工单中的源小区的物理小区标识;根据服务小区的小区标识以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区配置信息;将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区;根据所述邻区、所述邻区配置信息以及所述多网管数据获取网管内小区的所述邻区列表。
在一种可选的方式中,所述将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区,包括:根据所述邻区的物理小区标识、所述邻区参数分析周围小区与所述源小区的关联性获取与所述源小区有真实邻区关系的所述邻区。
在一种可选的方式中,所述根据所述邻区列表生成邻区参数工单,包括:根据所述邻区列表应用Apriori算法获取最大的频繁项集;根据所述最大的频繁项集生成所述邻区参数工单。
在一种可选的方式中,所述根据所述邻区列表应用Apriori算法获取最大的频繁项集,包括:从所述邻区列表中搜索候选1项集以及与所述项集对应的支持度,去除低于支持度的1项集,得到频繁1项集;对剩下的频繁1项集进行连接,得到候选的频繁2项集,筛选去掉低于支持度的候选频繁2项集,得到频繁二项集;继续迭代,直至无法找到频繁k+1项集为止;获得的频繁k项集为所述最大的频繁项集。
在一种可选的方式中,所述将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新,包括:将所述邻区参数工单导入专属模板自动生成邻区参数修改脚本;将所述邻区参数修改脚本下发多网管服务器,通过多网管服务器运行所述邻区参数修改脚本,同步自动更新多网邻区级参数。
根据本发明实施例的另一个方面,提供了一种多网联动数据协同配置装置,所述装置包括:文件解析单元,用于对北向文件进行XML文件解析,获取北向文件数据;关联单元,用于根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;参数工单生成单元,用于根据所述邻区列表生成邻区参数工单;工单下发单元,用于将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新。
根据本发明实施例的另一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述多网联动数据协同配置方法的步骤。
根据本发明实施例的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行上述多网联动数据协同配置方法的步骤。
本发明实施例通过对北向文件进行XML文件解析,获取北向文件数据;根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;根据所述邻区列表生成邻区参数工单;将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新,能够缩短批量工单修改耗时,同时降低人工匹配邻区时的出错概率,准确率、完整性极高,大大提高了参数生产效率。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的多网联动数据协同配置方法的流程示意图;
图2示出了本发明实施例提供的多网联动数据协同配置方法的获取最大的频繁k项集的流程示意图;
图3示出了本发明实施例提供的多网联动数据协同配置方法的获取最大的频繁k项集的方法示例图;
图4示出了本发明实施例提供的多网联动数据协同配置方法的应用示意图;
图5示出了本发明实施例提供的又一多网联动数据协同配置方法的流程示意图;
图6示出了本发明实施例提供的多网联动数据协同配置装置的结构示意图;
图7示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的多网联动数据协同配置方法的流程示意图。如图1所示,多网联动数据协同配置方法包括:
步骤S11:对北向文件进行XML文件解析,获取北向文件数据。
在本发明实施例中,应用文档对象模型(Document Object Model,DOM)技术将XML格式的所述北向文件分解为序列化的对象;从所述序列化的对象中提取出所述北向文件数据,包括服务小区的小区标识、邻区的物理小区标识以及邻区参数。
由于北向文件在服务器上存储为多个XML格式的小文件,因此本发明实施例采用DOM解析技术,将XML解析转化为树形结构,即建立一棵DOM树,并将这两种文件中的服务小区的演进的通用陆基无线接入网(Evolved Universal Terrestrial Radio AccessNetwork,E-UTRAN)小区标识ECI、邻区的物理小区标识PCI、邻区参数等数据提取出来。
步骤S12:根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表。
在本发明实施例中,应用多维数据关联,即通过Oracle数据集群,将解析后的北向文件中的服务小区的小区标识(ECI)与北向文件数据通过关联规则(Association Rules)算法进行自动关联匹配,获得源小区的邻区配置信息。将北向文件计算匹配的邻区与网管邻区相关联匹配,获得准确的邻区列表。
在步骤S12中,根据所述修改工单获取所述修改工单中的源小区的物理小区标识;根据服务小区的小区标识以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区配置信息;将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区;根据所述邻区、所述邻区配置信息以及所述多网管数据获取网管内小区的所述邻区列表。具体地,根据所述邻区的物理小区标识、所述邻区参数分析周围小区与所述源小区的关联性获取与所述源小区有真实邻区关系的所述邻区。
关联规则(Association Rules)算法是反映一个事物与其他事物之间的相互依存性和关联性,是数据挖掘的一个重要技术,用于从大量数据中挖掘出有价值的数据项之间的相关关系。在本发明实施例中,通过发现与源小区有邻区关系的不同小区之间的联系,分析周围小区与源小区的关联性。可从数据库中关联分析出形如“由于某些事件的发生而引起另外一些事件的发生”之类的规则。通过了解哪些周围小区与源小区有真实邻区关系,这种关联邻区的发现可以方便后续自动生成邻区参数变更工单,进而完成邻区级PCI根据源小区变动同步自动更新的功能。
步骤S13:根据所述邻区列表生成邻区参数工单。
在本发明实施例中,根据所述邻区列表应用Apriori算法获取最大的频繁项集;根据所述最大的频繁项集生成所述邻区参数工单。
在本发明实施例中,频繁项集评估标准,常用的频繁项集的评估标准有支持度、置信度和提升度三个。支持度表示为几个关联的数据在数据集中出现的次数占总数据集的比重:
其中,support(X,Y)表示关联数据XY的支持度,number(XY)为关联数据XY在数据集中出现的次数,num(All samples)为总数据集的数量。
置信度表示一个数据出现后,另一个数据出现的概率,或者说数据的条件概率:
提升度表示含有数据Y的条件下,同时含有数据X的概率,与数据X总体发生的概率之比:
如果一个项集是频繁项集,则它的所有子集都是频繁项集;如果一个集合不是频繁项集,则它的所有父集(超集)都不是频繁项集。本发明实施例应用Apriori算法发现频繁项集。
在本发明实施例中,应用Apriori算法获取最大的频繁项集时,从所述邻区列表中搜索候选1项集以及与所述项集对应的支持度,去除低于支持度的1项集,得到频繁1项集;对剩下的频繁1项集进行连接,得到候选的频繁2项集,筛选去掉低于支持度的候选频繁2项集,得到频繁二项集;继续迭代,直至无法找到频繁k+1项集为止;获得的频繁k项集为所述最大的频繁项集,其中,k为正整数。
更具体地,应用Apriori算法获取最大的频繁项集的方法如图2所示,包括:
步骤S130:扫描整个数据集,得到所有出现过的数据,作为候选频繁1项集。
以数据表D,支持度阈值为α为例,取α=50%,如图3所示,候选频繁1项集包括数据1、2、3、4、5。
步骤S131:扫描数据计算候选频繁k项集的支持度。
从数据表D中获取候选频繁1项集对应的支持度,得到候选频繁1项集C1。如,数据1在数据表D的4个数据集TID中出现的次数为2,对应的支持度计为2,其值为2/4=50%。
步骤S132:去除候选频繁k项集中支持度低于阈值的数据集,得到频繁k项集。
在候选频繁1项集C1中,只有数据4的支持度为1/4=25%,低于阈值,删除数据4后得到频繁1项集L1。
步骤S133:判断频繁k项集是否为空。如果是,则执行步骤S134;如果是,则跳转至执行步骤S135。
如果频繁k项集为空,说明无法找到频繁k项集。
步骤S134:返回频繁k-1项集。
将频繁k-1项集作为最大的频繁k项集,算法结束。
步骤S135:判断频繁k项集是否只有一项。如果否,则执行步骤S136;如果是,则跳转至执行步骤S138。
如果频繁k项集只有一项,说明已经达到最大的频繁k项集。
步骤S136:基于频繁k项集,连接生成候选频繁k+1项集。
参见图3,基于频繁1项集L1连接生成候选频繁2项集C2。
步骤S137:令k=k+1。然后返回步骤S131。
基于新的频繁k项集,重复执行步骤S131-步骤S137,直至步骤S135中判断到频繁k项集只有一项。
参见图3,扫描数据表D获取候选频繁2项集C2的支持度,进一步删除支持度低于阈值的数据集,得到频繁2项集L2。基于频繁2项集L2连接生成候选频繁3项集C3,根据候选频繁3项集C3最终获取的频繁3项集L3只有一项{2 3 5}。
步骤S138:返回频繁k项集。
该频繁k项集即为最大的频繁k项集。
本发明实施例根据邻区列表应用Apriori算法获取最大的频繁项集,进而根据最大的频繁项集生成邻区参数工单以使GSM/TD_LTE/LTE_FDD/5G四网的网管能够根据该邻区参数工单修改邻区。
如图4所示,本发明实施例的多网联动数据协同配置方法应用于集中参数管理平台,用于打通集中参数管理平台和各厂家网管服务器操作维护中心(OMC,Operation andMaintenance Center,OMC)的连接通道,开发适配GSM/TD_LTE/LTE_FDD/5G四网互操作邻区参数的工单自动修改模块,实现源小区PCI/跟踪区域码(Tracking area code,TAC)/频点等参数修改后,集中参数管理平台自动计算匹配邻区级参数并完成修改的功能,保障四网联动参数修改的高效、及时、安全性。同时以四网互操作参数同步修改为突破口,建立无线参数自动修改生产体系。
在本发明实施例中,更详细地,如图5所示,多网联动数据协同配置方法包括:
步骤S200:开始。
步骤S201:导入北向文件。
向集中参数管理平台导入北向文件。
步骤S202:XML文件解析。然后执行步骤S203和步骤S204。
对导入的北向文件进行XML文件解析,以获取北向文件数据。
步骤S203:北向文件解析邻区PCI。
通过XML文件解析从北向文件中获取邻区PCI。
步骤S204:获取服务小区ECI。
通过XML文件解析从北向文件中获取服务小区ECI。
步骤S205:修改工单导入。
将现网的修改工单导入集中参数管理平台。该修改工单可以是对四网中的其中一个网络的小区进行修改的工单。
步骤S206:获取工单内源小区PCI。
根据修改工单获取工单内源小区PCI。源小区PCI是指现网中进行参数修改的小区的PCI。
步骤S207:判断工单内基站信息是否准确。如果是,则跳转至步骤S218;否则,执行步骤S208和步骤S209。
根据工单内源小区PCI判断工单内基站信息是否准确。
步骤S208:根据工单与北向数据计算邻区。
根据邻区PCI、服务小区ECI以及邻区参数等北向数据以及工单内源小区PCI计算源小区的邻区。
步骤S209:依据工单与现网基站计算准确信息。
根据修改工单以及现网基站计算邻区准确信息。
步骤S210:导入OMC数据。
向集中参数管理平台导入各网的OMC数据。OMC数据包括匹配关联信息、场景、指令平台信息、辅助信息等。
步骤S211:计算得出工单内基站涉及邻区。
根据步骤S208中计算的邻区、步骤S209中获取的邻区准确信息以及导入的OMC数据获取工单内基站涉及邻区。
步骤S212:获取网管内小区邻区列表。
根据步骤S208中计算的邻区、步骤S209中获取的邻区准确信息以及导入的OMC数据应用关联算法获取网管内小区邻区列表。
步骤S213:判断邻区匹配是否准确。如果是,则跳转至步骤S218;否则,执行步骤S214。
具体是指判断多个网络间的邻区是否匹配。
步骤S214:判断PCI是否混淆。如果是,则跳转至步骤S217;否则,跳转至执行步骤S216。
具体是指判断多个网络间的邻区PCI是否混淆。
步骤S215:导入性能数据。
向集中参数管理平台导入性能数据。其中,性能数据包括干扰数据、小区切换数据、以及增加邻区数据等。
步骤S216:判断邻区级PCI是否已变更。如果是,则跳转至步骤S219;否则,跳转至执行步骤S218。
邻区级PCI已变更说明各网络的邻区参数已完成修改。
步骤S217:判断源邻区切换次数>50,两两小区切换成功率<50。如果是,则跳转至步骤S220;否则,跳转至执行步骤S221。
在邻区PCI不混淆时,根据导入的性能数据判断源邻区切换次数是否>50,两两小区切换成功率是否<50。
步骤S218:判断是否自动生成邻区参数工单。如果是,则跳转至步骤S222;否则,返回至执行步骤S202。
集中参数管理平台可应用Apriori算法自动生成邻区参数工单。
步骤S219:输出邻区参数已修改清单。
判断到各网络的邻区参数已完成修改时,直接输出邻区参数已修改清单,流程结束。
步骤S220:删除源邻区,重选PCI。
判断到才源邻区切换次数>50,两两小区切换成功率<50,则直接删除源邻区,重选邻区PCI。
步骤S221:输出待核查邻区。
判断到才源邻区切换次数不>50,两两小区切换成功率不<50,则需要对邻区进行核查,输出待核查邻区。
步骤S222:转自动修改流程。
通过集中参数管理平台自动生成邻区参数工单后,直接转自动修改流程,即根据参数修改工单生成邻区参数修改脚本,并下发各网管服务器以完成邻区级参数自动更新。
步骤S14:将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新。
在本发明实施例中,将所述邻区参数工单导入专属模板自动生成邻区参数修改脚本;将所述邻区参数修改脚本下发多网管服务器,通过多网管服务器运行所述邻区参数修改脚本,同步自动更新多网邻区级参数。例如,地市优化人员只需根据“PCI专属模板”导入PCI修改工单即可,通过集中参数管理平台将自动计算工单内小区所有关联的外部小区。根据工单内的小区平台通过算法计算匹配相关邻区:依据工单内网元的“基站标识”匹配表“EUTRANEXTERNALCELL”里的“ENODEBID”字段,网元的“CI”匹配表“EUTRANEXTERNALCELL”的“CELLID”字段。然后通过Oracle表数据关联匹配出工单内网元对应的所有外部数据,并生成邻区参数修改脚本。将该邻区参数修改脚本下发多网管服务器以同步自动更新多网邻区级参数。
本发明实施例的多网联动数据协同配置方法弥补了现有的邻区参数修改技术只能人工匹配邻区级PCI、频点、TAC等参数信息的问题,解决了现有技术的繁琐性、复杂性,大大提高了参数生产效率。对于批量工单修改时大大缩短了修改耗时,同时减少人工匹配邻区时出错概率。本发明实施例的算法计算结果符合实际生产需求,准确率、完整性极高,能够满足日常参数生产要求。
本发明实施例通过对北向文件进行XML文件解析,获取北向文件数据;根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;根据所述邻区列表生成邻区参数工单;将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新,能够缩短批量工单修改耗时,同时降低人工匹配邻区时的出错概率,准确率、完整性极高,大大提高了参数生产效率。
图6示出了本发明实施例的多网联动数据协同配置装置的结构示意图。如图6所示,该多网联动数据协同配置装置包括:文件解析单元601、关联单元602、参数工单生成单元603以及工单下发单元604。其中:
文件解析单元601用于对北向文件进行XML文件解析,获取北向文件数据;关联单元602用于根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;参数工单生成单元603用于根据所述邻区列表生成邻区参数工单;工单下发单元604用于将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新。
在一种可选的方式中,文件解析单元601用于:应用文档对象模型技术将XML格式的所述北向文件分解为序列化的对象;从所述序列化的对象中提取出所述北向文件数据,包括服务小区的小区标识、邻区的物理小区标识以及邻区参数。
在一种可选的方式中,关联单元602用于:根据所述修改工单获取所述修改工单中的源小区的物理小区标识;根据服务小区的小区标识以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区配置信息;将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区;根据所述邻区、所述邻区配置信息以及所述多网管数据获取网管内小区的所述邻区列表。
在一种可选的方式中,关联单元602用于:根据所述邻区的物理小区标识、所述邻区参数分析周围小区与所述源小区的关联性获取与所述源小区有真实邻区关系的所述邻区。
在一种可选的方式中,参数工单生成单元603用于:根据所述邻区列表应用Apriori算法获取最大的频繁项集;根据所述最大的频繁项集生成所述邻区参数工单。
在一种可选的方式中,参数工单生成单元603用于:从所述邻区列表中搜索候选1项集以及与所述项集对应的支持度,去除低于支持度的1项集,得到频繁1项集;对剩下的频繁1项集进行连接,得到候选的频繁2项集,筛选去掉低于支持度的候选频繁2项集,得到频繁二项集;继续迭代,直至无法找到频繁k+1项集为止;获得的频繁k项集为所述最大的频繁项集。
在一种可选的方式中,工单下发单元604用于:将所述邻区参数工单导入专属模板自动生成邻区参数修改脚本;将所述邻区参数修改脚本下发多网管服务器,通过多网管服务器运行所述邻区参数修改脚本,同步自动更新多网邻区级参数。
本发明实施例通过对北向文件进行XML文件解析,获取北向文件数据;根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;根据所述邻区列表生成邻区参数工单;将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新,能够缩短批量工单修改耗时,同时降低人工匹配邻区时的出错概率,准确率、完整性极高,大大提高了参数生产效率。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的多网联动数据协同配置方法。
可执行指令具体可以用于使得处理器执行以下操作:
对北向文件进行XML文件解析,获取北向文件数据;
根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;
根据所述邻区列表生成邻区参数工单;
将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
应用文档对象模型技术将XML格式的所述北向文件分解为序列化的对象;
从所述序列化的对象中提取出所述北向文件数据,包括服务小区的小区标识、邻区的物理小区标识以及邻区参数。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述修改工单获取所述修改工单中的源小区的物理小区标识;
根据服务小区的小区标识以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区配置信息;
将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区;
根据所述邻区、所述邻区配置信息以及所述多网管数据获取网管内小区的所述邻区列表。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述邻区的物理小区标识、所述邻区参数分析周围小区与所述源小区的关联性获取与所述源小区有真实邻区关系的所述邻区。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述邻区列表应用Apriori算法获取最大的频繁项集;
根据所述最大的频繁项集生成所述邻区参数工单。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
从所述邻区列表中搜索候选1项集以及与所述项集对应的支持度,去除低于支持度的1项集,得到频繁1项集;
对剩下的频繁1项集进行连接,得到候选的频繁2项集,筛选去掉低于支持度的候选频繁2项集,得到频繁二项集;
继续迭代,直至无法找到频繁k+1项集为止;
获得的频繁k项集为所述最大的频繁项集。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
将所述邻区参数工单导入专属模板自动生成邻区参数修改脚本;
将所述邻区参数修改脚本下发多网管服务器,通过多网管服务器运行所述邻区参数修改脚本,同步自动更新多网邻区级参数。
本发明实施例通过对北向文件进行XML文件解析,获取北向文件数据;根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;根据所述邻区列表生成邻区参数工单;将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新,能够缩短批量工单修改耗时,同时降低人工匹配邻区时的出错概率,准确率、完整性极高,大大提高了参数生产效率。
本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述任意方法实施例中的多网联动数据协同配置方法。
可执行指令具体可以用于使得处理器执行以下操作:
对北向文件进行XML文件解析,获取北向文件数据;
根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;
根据所述邻区列表生成邻区参数工单;
将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
应用文档对象模型技术将XML格式的所述北向文件分解为序列化的对象;
从所述序列化的对象中提取出所述北向文件数据,包括服务小区的小区标识、邻区的物理小区标识以及邻区参数。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述修改工单获取所述修改工单中的源小区的物理小区标识;
根据服务小区的小区标识以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区配置信息;
将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区;
根据所述邻区、所述邻区配置信息以及所述多网管数据获取网管内小区的所述邻区列表。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述邻区的物理小区标识、所述邻区参数分析周围小区与所述源小区的关联性获取与所述源小区有真实邻区关系的所述邻区。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述邻区列表应用Apriori算法获取最大的频繁项集;
根据所述最大的频繁项集生成所述邻区参数工单。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
从所述邻区列表中搜索候选1项集以及与所述项集对应的支持度,去除低于支持度的1项集,得到频繁1项集;
对剩下的频繁1项集进行连接,得到候选的频繁2项集,筛选去掉低于支持度的候选频繁2项集,得到频繁二项集;
继续迭代,直至无法找到频繁k+1项集为止;
获得的频繁k项集为所述最大的频繁项集。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
将所述邻区参数工单导入专属模板自动生成邻区参数修改脚本;
将所述邻区参数修改脚本下发多网管服务器,通过多网管服务器运行所述邻区参数修改脚本,同步自动更新多网邻区级参数。
本发明实施例通过对北向文件进行XML文件解析,获取北向文件数据;根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;根据所述邻区列表生成邻区参数工单;将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新,能够缩短批量工单修改耗时,同时降低人工匹配邻区时的出错概率,准确率、完整性极高,大大提高了参数生产效率。
图7示出了本发明实施例提供的计算设备的结构示意图,本发明具体实施例并不对设备的具体实现做限定。
如图7所示,该计算设备可以包括:处理器(processor)702、通信接口(Communications Interface)704、存储器(memory)706、以及通信总线708。
其中:处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704,用于与其它设备比如客户端或其它服务器等的网元通信。处理器702,用于执行程序710,具体可以执行上述多网联动数据协同配置方法实施例中的相关步骤。
具体地,程序710可以包括程序代码,该程序代码包括计算机操作指令。
处理器702可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或各个集成电路。设备包括的一个或各个处理器,可以是同一类型的处理器,如一个或各个CPU;也可以是不同类型的处理器,如一个或各个CPU以及一个或各个ASIC。
存储器706,用于存放程序710。存储器706可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序710具体可以用于使得处理器702执行以下操作:
对北向文件进行XML文件解析,获取北向文件数据;
根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;
根据所述邻区列表生成邻区参数工单;
将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新。
在一种可选的方式中,所述程序710使所述处理器执行以下操作:
应用文档对象模型技术将XML格式的所述北向文件分解为序列化的对象;
从所述序列化的对象中提取出所述北向文件数据,包括服务小区的小区标识、邻区的物理小区标识以及邻区参数。
在一种可选的方式中,所述程序710使所述处理器执行以下操作:
根据所述修改工单获取所述修改工单中的源小区的物理小区标识;
根据服务小区的小区标识以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区配置信息;
将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区;
根据所述邻区、所述邻区配置信息以及所述多网管数据获取网管内小区的所述邻区列表。
在一种可选的方式中,所述程序710使所述处理器执行以下操作:
根据所述邻区的物理小区标识、所述邻区参数分析周围小区与所述源小区的关联性获取与所述源小区有真实邻区关系的所述邻区。
在一种可选的方式中,所述程序710使所述处理器执行以下操作:
根据所述邻区列表应用Apriori算法获取最大的频繁项集;
根据所述最大的频繁项集生成所述邻区参数工单。
在一种可选的方式中,所述程序710使所述处理器执行以下操作:
从所述邻区列表中搜索候选1项集以及与所述项集对应的支持度,去除低于支持度的1项集,得到频繁1项集;
对剩下的频繁1项集进行连接,得到候选的频繁2项集,筛选去掉低于支持度的候选频繁2项集,得到频繁二项集;
继续迭代,直至无法找到频繁k+1项集为止;
获得的频繁k项集为所述最大的频繁项集。
在一种可选的方式中,所述程序710使所述处理器执行以下操作:
将所述邻区参数工单导入专属模板自动生成邻区参数修改脚本;
将所述邻区参数修改脚本下发多网管服务器,通过多网管服务器运行所述邻区参数修改脚本,同步自动更新多网邻区级参数。
本发明实施例通过对北向文件进行XML文件解析,获取北向文件数据;根据所述北向文件数据、现网的修改工单以及多网管数据进行关联获取邻区列表;根据所述邻区列表生成邻区参数工单;将所述邻区参数工单下发多网管服务器以进行多网邻区级参数同步自动更新,能够缩短批量工单修改耗时,同时降低人工匹配邻区时的出错概率,准确率、完整性极高,大大提高了参数生产效率。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (9)
1.一种多网联动数据协同配置方法,其特征在于,所述方法包括:
对北向文件进行XML文件解析,获取北向文件数据;
根据现网的修改工单获取所述修改工单中的源小区的物理小区标识;
根据所述北向文件数据以及所述源小区的物理小区标识进行关联匹配获取邻区和邻区配置信息;
根据所述邻区、所述邻区配置信息以及多网管数据获取网管内小区的邻区列表;
根据所述邻区列表应用Apriori算法获取最大的频繁项集;
根据所述最大的频繁项集生成邻区参数变更工单;
将所述邻区参数变更工单下发多网管服务器以进行多网邻区级参数同步自动更新。
2.根据权利要求1所述的方法,其特征在于,所述对北向文件进行XML文件解析,获取北向文件数据,包括:
应用文档对象模型技术将XML格式的所述北向文件分解为序列化的对象;
从所述序列化的对象中提取出所述北向文件数据,包括服务小区的小区标识、邻区的物理小区标识以及邻区参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述北向文件数据以及所述源小区的物理小区标识进行关联匹配获取邻区和邻区配置信息,包括:
根据所述服务小区的小区标识以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区配置信息;
将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区。
4.根据权利要求3所述的方法,其特征在于,所述将所述邻区的物理小区标识、所述邻区参数以及所述源小区的物理小区标识应用关联规则算法进行关联匹配获取邻区,包括:
根据所述邻区的物理小区标识、所述邻区参数分析周围小区与所述源小区的关联性获取与所述源小区有真实邻区关系的所述邻区。
5.根据权利要求4所述的方法,其特征在于,所述根据所述邻区列表应用Apriori算法获取最大的频繁项集,包括:
从所述邻区列表中搜索候选1项集以及与所述项集对应的支持度,去除低于支持度的1项集,得到频繁1项集;
对剩下的频繁1项集进行连接,得到候选的频繁2项集,筛选去掉低于支持度的候选频繁2项集,得到频繁二项集;
继续迭代,直至无法找到频繁k+1项集为止;
获得的频繁k项集为所述最大的频繁项集。
6.根据权利要求1所述的方法,其特征在于,所述将所述邻区参数变更工单下发多网管服务器以进行多网邻区级参数同步自动更新,包括:
将所述邻区参数变更工单导入专属模板自动生成邻区参数修改脚本;
将所述邻区参数修改脚本下发多网管服务器,通过多网管服务器运行所述邻区参数修改脚本,同步自动更新多网邻区级参数。
7.一种多网联动数据协同配置装置,其特征在于,所述装置包括:
文件解析单元,用于对北向文件进行XML文件解析,获取北向文件数据;
关联单元,用于根据现网的修改工单获取所述修改工单中的源小区的物理小区标识;根据所述北向文件数据以及所述源小区的物理小区标识进行关联匹配获取邻区和邻区配置信息;根据所述邻区、所述邻区配置信息以及多网管数据获取网管内小区的邻区列表;
参数工单生成单元,用于根据所述邻区列表应用Apriori算法获取最大的频繁项集;根据所述最大的频繁项集生成邻区参数变更工单;
工单下发单元,用于将所述邻区参数变更工单下发多网管服务器以进行多网邻区级参数同步自动更新。
8.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行根据权利要求1-6任一项所述多网联动数据协同配置方法的步骤。
9.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行根据权利要求1-6任一项所述多网联动数据协同配置方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911215385.2A CN112989124B (zh) | 2019-12-02 | 2019-12-02 | 多网联动数据协同配置方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911215385.2A CN112989124B (zh) | 2019-12-02 | 2019-12-02 | 多网联动数据协同配置方法、装置、计算设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112989124A CN112989124A (zh) | 2021-06-18 |
CN112989124B true CN112989124B (zh) | 2023-04-07 |
Family
ID=76331463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911215385.2A Active CN112989124B (zh) | 2019-12-02 | 2019-12-02 | 多网联动数据协同配置方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989124B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117278391A (zh) * | 2022-06-14 | 2023-12-22 | 中兴通讯股份有限公司 | 跨网元的参数修改方法、装置、nms和存储介质 |
CN117574321B (zh) * | 2024-01-16 | 2024-04-12 | 中国电建集团西北勘测设计研究院有限公司 | 基于海量监测巡检信息融合模型的大坝安全评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103858461A (zh) * | 2013-12-12 | 2014-06-11 | 华为技术有限公司 | 邻区关系优化方法和装置 |
CN107071808A (zh) * | 2017-01-12 | 2017-08-18 | 北京天元创新科技有限公司 | 一种邻区核查方法及装置 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013025236A1 (en) * | 2011-08-12 | 2013-02-21 | Intel Corporation | System and method of uplink power control in a wireless communication system |
CN102572895A (zh) * | 2012-01-16 | 2012-07-11 | 大唐移动通信设备有限公司 | 一种td-scdma系统的邻区优化方法及装置 |
CN102932816A (zh) * | 2012-09-28 | 2013-02-13 | 北京中创信测科技股份有限公司 | 一种异系统互操作无线优化方法及装置 |
CN105636085A (zh) * | 2014-10-27 | 2016-06-01 | 中兴通讯股份有限公司 | 邻区列表优化方法及装置 |
CN105828393B (zh) * | 2015-01-06 | 2020-01-14 | 中国移动通信集团上海有限公司 | 一种系统间邻区配置方法及装置 |
CN106034311B (zh) * | 2015-03-09 | 2019-07-02 | 中国移动通信集团贵州有限公司 | 一种信息处理方法及装置 |
CN107318114B (zh) * | 2016-04-26 | 2020-06-16 | 中国移动通信集团陕西有限公司 | 一种邻区规划的方法及装置 |
CN107347191B (zh) * | 2016-05-04 | 2020-08-25 | 大唐移动通信设备有限公司 | 一种邻区邻频的添加方法和系统 |
CN107734516B (zh) * | 2016-08-10 | 2020-12-04 | 中国移动通信集团贵州有限公司 | 一种邻区优化方法和装置 |
CN108632923B (zh) * | 2017-03-24 | 2021-06-29 | 中国移动通信有限公司研究院 | 空闲态互操作方法、装置、终端及网络侧设备 |
CN108990078B (zh) * | 2017-05-31 | 2021-11-30 | 中国移动通信集团设计院有限公司 | Lte网络下行干扰的优化方法、系统、设备及存储介质 |
CN109526000A (zh) * | 2017-09-19 | 2019-03-26 | 大唐移动通信设备有限公司 | 基于站间邻区参数配置方法及装置 |
CN110062393B (zh) * | 2018-01-18 | 2022-04-22 | 董裕艺 | 一种网络差小区智能分析方法 |
CN108650684B (zh) * | 2018-02-12 | 2021-03-23 | 中国联合网络通信集团有限公司 | 一种关联规则确定方法及装置 |
US10588062B2 (en) * | 2018-03-09 | 2020-03-10 | T-Mobile Usa, Inc. | Automatically modifying cell definition tables within networks |
CN108156611A (zh) * | 2018-03-23 | 2018-06-12 | 上海东洲罗顿通信股份有限公司 | 一种新的pci规划和覆盖优化的方法 |
-
2019
- 2019-12-02 CN CN201911215385.2A patent/CN112989124B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103858461A (zh) * | 2013-12-12 | 2014-06-11 | 华为技术有限公司 | 邻区关系优化方法和装置 |
CN107071808A (zh) * | 2017-01-12 | 2017-08-18 | 北京天元创新科技有限公司 | 一种邻区核查方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112989124A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8719299B2 (en) | Systems and methods for extraction of concepts for reuse-based schema matching | |
CN108154198B (zh) | 知识库实体归一方法、系统、终端和计算机可读存储介质 | |
CN111881290A (zh) | 一种基于加权语义相似度的配网多源网架实体融合方法 | |
CN112989124B (zh) | 多网联动数据协同配置方法、装置、计算设备及存储介质 | |
CN110866093A (zh) | 机器问答方法及装置 | |
WO2016045567A1 (zh) | 网页数据分析方法及装置 | |
CN111445440A (zh) | 一种医学图像分析方法、设备和存储介质 | |
CN113011337B (zh) | 一种基于深度元学习的汉字字库生成方法及系统 | |
CN112579603B (zh) | 基于cdc的数据模型动态信息感知监测方法及装置 | |
CN102855251A (zh) | 一种需求识别的方法及装置 | |
CN114492601A (zh) | 资源分类模型的训练方法、装置、电子设备及存储介质 | |
CN115546809A (zh) | 基于单元格约束的表格结构识别方法及其应用 | |
CN112364014A (zh) | 数据查询方法、装置、服务器及存储介质 | |
CN112395425A (zh) | 一种数据处理方法、装置、计算机设备以及可读存储介质 | |
CN114707051A (zh) | 一种Web网页相似元素查找方法及系统 | |
US10229105B1 (en) | Mobile log data parsing | |
CN112948251B (zh) | 软件自动测试方法及装置 | |
CN116090554A (zh) | 交互式知识图谱数据编辑计算机设备及方法 | |
WO2022242923A1 (en) | Artificial intelligence based cognitive test script generation | |
CN115292361A (zh) | 一种分布式能源异常数据的筛选方法及系统 | |
CN113705616A (zh) | 模型构建方法、软件缺陷预测方法、装置以及电子装置 | |
CN113297274A (zh) | 一种签收数据查询方法和系统 | |
Wang et al. | Application of improved Naive Bayes classification algorithm in 5G signaling analysis | |
CN116610820B (zh) | 一种知识图谱实体对齐方法、装置、设备及存储介质 | |
CN109657115B (zh) | 爬取数据自修复方法、装置、设备及介质 |
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 |