CN113297389A - 设备间关联关系的方法、装置和电子设备 - Google Patents
设备间关联关系的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113297389A CN113297389A CN202110473716.3A CN202110473716A CN113297389A CN 113297389 A CN113297389 A CN 113297389A CN 202110473716 A CN202110473716 A CN 202110473716A CN 113297389 A CN113297389 A CN 113297389A
- Authority
- CN
- China
- Prior art keywords
- vertex
- attributes
- equipment
- weight
- included angle
- 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
Links
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种设备间关联关系的分析方法、装置和电子设备,方法包括:从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,第一顶点和第二顶点通过目标边连接,第一顶点和第二顶点分别用于表示第一设备和第二设备,目标边表示第一设备和第二设备之间的关联关系;根据第一顶点的多个属性构造第一属性向量,根据第二顶点的多个属性构造第二属性向量;计算第一属性向量与第二属性向量之间的夹角;根据夹角大小确定目标边的权重;根据目标边的权重,计算第一设备和第二设备的关联关系的紧密程度。根据本发明的技术方案,根据夹角大小能够快速计算出边的权重,通过边的权重准确反映设备间的关联关系的紧密程度。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种设备间关联关系的方法、装置、电子设备及计算机可读介质。
背景技术
目前,为了分析设备间的关联关系,市面上出现了很多属性图和图框架,支持将设备的原始数据输入,形成图中的顶点和边,或者带权重的边。对边来说,边的权重往往反映了设备间的关联关系,而如何确定它的权重,去描述这条边的重要性是一件很复杂的事情。在目前的情况下,大概有三种方式:
1)默认所有边同等重要,即权重都为1;
2)对异构图,不同类型的边取相同的权重;
3)进行复杂的数据预处理,根据业务策略强行计算出权重。
很明显,前两个方法所得到的权重是非常不准确的,而对于第三种方法,由于做图数据挖掘的时候数据量往往非常大,为了训练出准确的模型,往往需要几百亿以上的边,即使计算出权重也需要大量的预处理时间,而且应用起来极其不方便,需要写大量的数据预处理代码,对模型计算效率、准确性及使用便捷性都提出了巨大挑战。
因此,需要一种新的技术方案,来快速确定属性图中边的权重,从而确定设备间的关联关系。
发明内容
本发明旨在快速确定属性图中边的权重,确定设备间的关联关系。
为了解决上述技术问题,本发明第一方面提出一种设备间关联关系的分析方法,所述方法包括:从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,所述第一顶点和所述第二顶点通过目标边连接,所述第一顶点和所述第二顶点分别用于表示第一设备和第二设备,所述第一顶点的多个属性用于表示所述第一设备的多个特征,所述第二顶点的多个属性用于表示所述第二设备的多个特征,所述目标边表示所述第一设备和所述第二设备之间的关联关系;根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量;计算所述第一属性向量与所述第二属性向量之间的夹角;根据所述夹角大小确定所述目标边的权重;根据所述目标边的权重,计算所述第一设备和第二设备的关联关系的紧密程度。
根据本发明的一种优选实施方式,在根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量之前,还包括:根据所述第一设备和所述第二设备相关的目标业务,从所述第一顶点的所有属性中选择与所述目标业务对应的多个属性,以及从所述第二顶点的所有属性中选择与所述目标业务对应的多个属性。
根据本发明的一种优选实施方式,在根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量之前,还包括:分析所述第一顶点的多个属性和所述第二顶点的多个属性的重要程度,根据重要程度高低从所述第一顶点的所有属性中筛选出多个属性以及从所述第二顶点的所有属性中筛选出多个属性。
根据本发明的一种优选实施方式,在所述根据所述夹角大小确定所述目标边的权重之前,还包括:查询所述第一设备和所述第二设备参与的业务;所述根据所述夹角大小确定所述目标边的权重,包括:根据所述第一设备和所述第二设备参与的业务和所述夹角,确定所述目标边的权重。
根据本发明的一种优选实施方式,其特征在于,在所述根据所述夹角大小确定所述目标边的权重之前,还包括:识别所述第一设备和所述第二设备之间的关联关系对应的应用场景;所述根据所述夹角大小确定所述目标边的权重,包括:根据所述应用场景和所述夹角,确定所述目标边的权重。
为了解决上述技术问题,本发明第二方面提出一种设备间关联关系的分析装置,装置包括:属性获取模块,从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,所述第一顶点和所述第二顶点通过目标边连接,所述第一顶点和所述第二顶点分别用于表示第一设备和第二设备,所述第一顶点的多个属性用于表示所述第一设备的多个特征,所述第二顶点的多个属性用于表示所述第二设备的多个特征,所述目标边表示所述第一设备和所述第二设备之间的关联关系;向量构造模块,根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量;夹角计算模块,计算所述第一属性向量与所述第二属性向量之间的夹角;权重确定模块,根据所述夹角大小确定所述目标边的权重;关联关系计算模块,根据所述目标边的权重,计算所述第一设备和第二设备的关联关系的紧密程度。
根据本发明的一种优选实施方式,所述向量构造模块在根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量之前,还根据所述第一设备和所述第二设备相关的目标业务,从所述第一顶点的所有属性中选择与所述目标业务对应的多个属性,以及从所述第二顶点的所有属性中选择与所述目标业务对应的多个属性。
根据本发明的一种优选实施方式,所述向量构造模块在根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量之前,还分析所述第一顶点的多个属性和所述第二顶点的多个属性的重要程度,根据重要程度高低从所述第一顶点的所有属性中筛选出多个属性以及从所述第二顶点的所有属性中筛选出多个属性。
根据本发明的一种优选实施方式,还包括:业务查询模块,在所述根据所述夹角大小确定所述目标边的权重之前,查询所述第一设备和所述第二设备参与的业务;所述权重确定模块根据所述第一设备和所述第二设备参与的业务和所述夹角,确定所述目标边的权重。
根据本发明的一种优选实施方式,还包括:应用场景识别模块,在所述根据所述夹角大小确定所述目标边的权重之前,识别所述第一设备和所述第二设备之间的关联关系对应的应用场景;所述权重确定模块根据所述应用场景和所述夹角,确定所述目标边的权重。
为了解决上述技术问题,本发明第三方面提出一种电子设备,其包括处理器以及存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行上述的方法。
为了解决上述技术问题,本发明第四方面提出一种计算机可读存储介质,该所述计算机可读存储介质存储一个或多个程序,当所述一个或多个程序被处理器执行时,实现上述的方法。
本发明的技术方案利用属性图分析设备间的关联关系,属性图中顶点表示设备,边表示设备间的关联关系,则边的权重能够有效反映关联关系的紧密程度,本发明中基于顶点的属性构造向量,并分析向量之间的夹角,该夹角越小说明向量的相似性越强,也即顶点属性间的关联性更强,此时根据夹角大小能够快速计算出边的权重,通过边的权重准确反映设备间的关联关系的紧密程度。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明的示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是根据本发明的一个实施例的设备间关联关系的分析方法的流程图;
图2是根据本发明的一个实施例的设备间关联关系的分析方法的流程图;
图3是根据本发明的一个实施例的设备间关联关系的分析方法的流程图;
图4是根据本发明的一个实施例的设备间关联关系的分析装置的框图;
图5是根据本发明的一个实施例的设备间关联关系的分析装置的框图;
图6是根据本发明的一个实施例的设备间关联关系的分析装置的框图;
图7是根据本发明的一个实施例的电子设备的框图;
图8是根据本发明的一个实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例,虽然各示例性实施例能够以多种具体的方式实施,但不应理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例是为了使本发明的内容更加完整,更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等,在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
基于设备特征建立的属性图,描述属性图中每一条边权重的目的是,说明两个顶点连接的相应的边在整张图里是否重要,权重越大,说明这条边更重要,设备间关联性越强,而权重的大小与两个顶点的属性息息相关。试想一下,假如去挖掘社区团体,具有相同或者相近属性的顶点,是不是更倾向于在一个圈子里?为解决这个问题,本发明提供了一种设备间关联关系的分析方法,包括:从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,第一顶点和第二顶点通过目标边连接,第一顶点和第二顶点分别用于表示第一设备和第二设备,第一顶点的多个属性用于表示第一设备的多个特征,第二顶点的多个属性用于表示第二设备的多个特征,目标边表示第一设备和第二设备之间的关联关系;根据第一顶点的多个属性构造第一属性向量,根据第二顶点的多个属性构造第二属性向量;计算第一属性向量与第二属性向量之间的夹角;根据夹角大小确定目标边的权重;根据目标边的权重,计算第一设备和第二设备的关联关系的紧密程度。基于顶点的属性构造向量,并分析向量之间的夹角,该夹角越小说明向量的相似性越强,也即顶点属性间的关联性更强,此时根据夹角大小能够快速计算出边的权重,通过边的权重准确反映设备间的关联关系的紧密程度。
如图1所示,本发明的一个实施例中提供了一种设备间关联关系的分析方法,方法包括:
步骤S110,从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,第一顶点和第二顶点通过目标边连接,第一顶点和第二顶点分别用于表示第一设备和第二设备,第一顶点的多个属性用于表示第一设备的多个特征,第二顶点的多个属性用于表示第二设备的多个特征,目标边表示第一设备和第二设备之间的关联关系。
在本实施例中,对设备的类型不进行限制,其可以是实体设备也可以是虚拟设备,例如应用中的功能模块或数据单元。在本实施例中,对属性的数量、类型不进行限制。
步骤S120,根据第一顶点的多个属性构造第一属性向量,根据第二顶点的多个属性构造第二属性向量。
在本实施例中,例如,组成边的2个顶点的重要属性可以分别组成属性向量,这里假设2个顶点分别为a和b,选出的重要属性分别为N个,因此这两个向量a、b分别组成了N维向量,即a(x1,x2,…,xn)和b(y1,y2,…,yn)。
步骤S130,计算第一属性向量与第二属性向量之间的夹角。
步骤S140,根据夹角大小确定目标边的权重。
在本实施例中,需要计算两个向量的相似程度,此时可以把两个向量作为空间中的两条线段,都是从原点([0,0,...])出发,指向不同的方向。两条线段之间形成一个夹角,如果夹角为0度,意味着方向相同、线段重合,这是表示两个向量代表的文本完全相等;如果夹角为90度,意味着形成直角,方向完全不相似;如果夹角为180度,意味着方向正好相反。因此,可以通过夹角的大小,来判断向量的相似程度。夹角越小,就代表越相似。
夹角余弦取值范围为[-1,1]。夹角余弦越大表示两个向量的夹角越小,夹角余弦越小表示两向量的夹角越大。当两个向量的方向重合时夹角余弦取最大值1,当两个向量的方向完全相反夹角余弦取最小值-1。
进一步地,当夹角余弦值小于等于0的时候,没有业务意义,因为此时表示这两个顶点完全不相关,但毕竟这两个顶点还是通过边来相连着,他们可能还是有着某种微弱的联系。举个例子,可能对于一个班级的同学来讲,他们通过班级这个边来连着,但是最好的学生和最差的学生可能会表现出完全不同的特征,即属性基本不相同,此时余弦相似度很大程度上为负数,假如直接应用负数的权重用,可能这两个人就会归为没有联系,显然这是和事实相违背的。
此处将属性加入权重判定的目的是使具有联系的两个顶点如果他们的属性更相近,就说明这两个顶点更应该在一个团体,是为了更准确的发现一个团体,因此,这里取一个阈值ε,当余弦相似度<ε,属性权重置为ε,即:
ωarr=max(ε,cos(θ))
其中,0≤ε≤1。
步骤S150,根据目标边的权重,计算第一设备和第二设备的关联关系的紧密程度。
根据本实施例的技术方案,利用属性图分析设备间的关联关系,属性图中顶点表示设备,边表示设备间的关联关系,则边的权重能够有效反映关联关系的紧密程度,本实施例中基于顶点的属性构造向量,并分析向量之间的夹角,该夹角越小说明向量的相似性越强,也即顶点属性间的关联性更强,此时根据夹角大小能够快速计算出边的权重,通过边的权重准确反映设备间的关联关系的紧密程度。
如图2所示,本发明的一个实施例中提供了一种设备间关联关系的分析方法,方法包括:
步骤S210,从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,第一顶点和第二顶点通过目标边连接,第一顶点和第二顶点分别用于表示第一设备和第二设备,第一顶点的多个属性用于表示第一设备的多个特征,第二顶点的多个属性用于表示第二设备的多个特征,目标边表示第一设备和第二设备之间的关联关系。
步骤S220,根据第一设备和第二设备相关的目标业务,从第一顶点的所有属性中选择与目标业务对应的多个属性,以及从第二顶点的所有属性中选择与目标业务对应的多个属性。
在本实施例中,当顶点的属性过多时,需要对属性进行过滤。通常设备特征中能够反映设备相关业务的特征为关键特征,所以可以根据设备相关业务对表示设备特征的属性进行过滤。
步骤S230,根据第一顶点的多个属性构造第一属性向量,根据第二顶点的多个属性构造第二属性向量。
步骤S240,计算第一属性向量与第二属性向量之间的夹角。
步骤S250,查询第一设备和第二设备参与的业务。
步骤S260,根据第一设备和第二设备参与的业务和夹角,确定目标边的权重。
在本实施例中,边权重往往跟设备参与的业务有关,以确保边的权重能够更好地反映设备在业务层面的关联,对于每条边的权重ω,我们可以做如下计算:
ω=ωarr*ωtype
其中ωtype>0,为设备相关的业务类型。
步骤S270,根据目标边的权重,计算第一设备和第二设备的关联关系的紧密程度。
根据本实施例的技术方案,既考虑到了边的类型又兼顾了属性的相似性,使权重ω计算更准确;省去繁琐复杂的数据预处理过程,边权重的计算方便、快捷。
如图3所示,本发明的一个实施例中提供了一种设备间关联关系的分析方法,方法包括:
步骤S310,从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,第一顶点和第二顶点通过目标边连接,第一顶点和第二顶点分别用于表示第一设备和第二设备,第一顶点的多个属性用于表示第一设备的多个特征,第二顶点的多个属性用于表示第二设备的多个特征,目标边表示第一设备和第二设备之间的关联关系。
步骤S320,分析第一顶点的多个属性和第二顶点的多个属性的重要程度,根据重要程度高低从第一顶点的所有属性中筛选出多个属性以及从第二顶点的所有属性中筛选出多个属性。
在本实施例中,当顶点的属性过多时,需要对属性进行过滤,此时可以仅保留较为重要的属性。
步骤S330,根据第一顶点的多个属性构造第一属性向量,根据第二顶点的多个属性构造第二属性向量。
步骤S340,计算第一属性向量与第二属性向量之间的夹角。
步骤S350,识别第一设备和第二设备之间的关联关系对应的应用场景。
步骤S360,根据应用场景和夹角,确定目标边的权重。
在本实施例中,为保证计算出的设备间关联关系能够更好地进行应用,需要提前根据目标应用场景对边权重进行修正。
步骤S370,根据目标边的权重,计算第一设备和第二设备的关联关系的紧密程度。
本实施例的技术方案,提供一种普适性的方式,在用户输入顶点及顶点属性后,便能自动计算好每条边的权重,从而提高权重的准确性、计算效率及使用便捷性。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由数据处理设备(包括计算机)执行的程序,即计算机程序。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的装置实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
如图4所示,本发明的一个实施例中提供了一种设备间关联关系的分析装置,装置包括:
属性获取模块410,从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,第一顶点和第二顶点通过目标边连接,第一顶点和第二顶点分别用于表示第一设备和第二设备,第一顶点的多个属性用于表示第一设备的多个特征,第二顶点的多个属性用于表示第二设备的多个特征,目标边表示第一设备和第二设备之间的关联关系。
在本实施例中,对设备的类型不进行限制,其可以是实体设备也可以是虚拟设备,例如应用中的功能模块或数据单元。在本实施例中,对属性的数量、类型不进行限制。
向量构造模块420,根据第一顶点的多个属性构造第一属性向量,根据第二顶点的多个属性构造第二属性向量。
在本实施例中,例如,组成边的2个顶点的重要属性可以分别组成属性向量,这里假设2个顶点分别为a和b,选出的重要属性分别为N个,因此这两个向量a、b分别组成了N维向量,即a(x1,x2,…,xn)和b(y1,y2,…,yn)。
夹角计算模块430,计算第一属性向量与第二属性向量之间的夹角。
权重确定模块440,根据夹角大小确定目标边的权重。
在本实施例中,需要计算两个向量的相似程度,此时可以把两个向量作为空间中的两条线段,都是从原点([0,0,...])出发,指向不同的方向。两条线段之间形成一个夹角,如果夹角为0度,意味着方向相同、线段重合,这是表示两个向量代表的文本完全相等;如果夹角为90度,意味着形成直角,方向完全不相似;如果夹角为180度,意味着方向正好相反。因此,可以通过夹角的大小,来判断向量的相似程度。夹角越小,就代表越相似。
夹角余弦取值范围为[-1,1]。夹角余弦越大表示两个向量的夹角越小,夹角余弦越小表示两向量的夹角越大。当两个向量的方向重合时夹角余弦取最大值1,当两个向量的方向完全相反夹角余弦取最小值-1。
进一步地,当夹角余弦值小于等于0的时候,没有业务意义,因为此时表示这两个顶点完全不相关,但毕竟这两个顶点还是通过边来相连着,他们可能还是有着某种微弱的联系。举个例子,可能对于一个班级的同学来讲,他们通过班级这个边来连着,但是最好的学生和最差的学生可能会表现出完全不同的特征,即属性基本不相同,此时余弦相似度很大程度上为负数,假如直接应用负数的权重用,可能这两个人就会归为没有联系,显然这是和事实相违背的。
此处将属性加入权重判定的目的是使具有联系的两个顶点如果他们的属性更相近,就说明这两个顶点更应该在一个团体,是为了更准确的发现一个团体,因此,这里取一个阈值ε,当余弦相似度<ε,属性权重置为ε,即:
ωarr=max(ε,cos(θ))
其中,0≤ε≤1。
关联关系计算模块450,根据目标边的权重,计算第一设备和第二设备的关联关系的紧密程度。
根据本实施例的技术方案,利用属性图分析设备间的关联关系,属性图中顶点表示设备,边表示设备间的关联关系,则边的权重能够有效反映关联关系的紧密程度,本实施例中基于顶点的属性构造向量,并分析向量之间的夹角,该夹角越小说明向量的相似性越强,也即顶点属性间的关联性更强,此时根据夹角大小能够快速计算出边的权重,通过边的权重准确反映设备间的关联关系的紧密程度。
如图5所示,本发明的一个实施例中提供了一种设备间关联关系的分析装置,装置包括:
属性获取模块510,从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,第一顶点和第二顶点通过目标边连接,第一顶点和第二顶点分别用于表示第一设备和第二设备,第一顶点的多个属性用于表示第一设备的多个特征,第二顶点的多个属性用于表示第二设备的多个特征,目标边表示第一设备和第二设备之间的关联关系。
向量构造模块520,根据第一设备和第二设备相关的目标业务,从第一顶点的所有属性中选择与目标业务对应的多个属性,以及从第二顶点的所有属性中选择与目标业务对应的多个属性。
在本实施例中,当顶点的属性过多时,需要对属性进行过滤。通常设备特征中能够反映设备相关业务的特征为关键特征,所以可以根据设备相关业务对表示设备特征的属性进行过滤。
向量构造模块520根据第一顶点的多个属性构造第一属性向量,根据第二顶点的多个属性构造第二属性向量。
夹角计算模块530,计算第一属性向量与第二属性向量之间的夹角。
业务查询模块540,查询第一设备和第二设备参与的业务。
权重确定模块550,根据第一设备和第二设备参与的业务和夹角,确定目标边的权重。
在本实施例中,边权重往往跟设备参与的业务有关,以确保边的权重能够更好地反映设备在业务层面的关联,对于每条边的权重ω,我们可以做如下计算:
ω=ωarr*ωtype
其中ωtype>0,为设备相关的业务类型。
关联关系计算模块560,根据目标边的权重,计算第一设备和第二设备的关联关系的紧密程度。
根据本实施例的技术方案,既考虑到了边的类型又兼顾了属性的相似性,使权重ω计算更准确;省去繁琐复杂的数据预处理过程,边权重的计算方便、快捷。
如图6所示,本发明的一个实施例中提供了一种设备间关联关系的分析装置,装置包括:
属性获取模块610,从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,第一顶点和第二顶点通过目标边连接,第一顶点和第二顶点分别用于表示第一设备和第二设备,第一顶点的多个属性用于表示第一设备的多个特征,第二顶点的多个属性用于表示第二设备的多个特征,目标边表示第一设备和第二设备之间的关联关系。
向量构造模块620,分析第一顶点的多个属性和第二顶点的多个属性的重要程度,根据重要程度高低从第一顶点的所有属性中筛选出多个属性以及从第二顶点的所有属性中筛选出多个属性。
在本实施例中,当顶点的属性过多时,需要对属性进行过滤,此时可以仅保留较为重要的属性。
向量构造模块620根据第一顶点的多个属性构造第一属性向量,根据第二顶点的多个属性构造第二属性向量。
夹角计算模块630,计算第一属性向量与第二属性向量之间的夹角。
应用场景识别模块640,识别第一设备和第二设备之间的关联关系对应的应用场景。
权重确定模块650,根据应用场景和夹角,确定目标边的权重。
在本实施例中,为保证计算出的设备间关联关系能够更好地进行应用,需要提前根据目标应用场景对边权重进行修正。
关联关系计算模块660,根据目标边的权重,计算第一设备和第二设备的关联关系的紧密程度。
本实施例的技术方案,提供一种普适性的方式,在用户输入顶点及顶点属性后,便能自动计算好每条边的权重,从而提高权重的准确性、计算效率及使用便捷性。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。图7显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,该示例性实施例的电子设备200以通用数据处理设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元220存储有计算机可读程序,其可以是源程序或都只读程序的代码。所述程序可以被处理单元210执行,使得所述处理单元210执行本发明各种实施方式的步骤。例如,所述处理单元210可以执行如图1至图3所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、显示器、网络设备、蓝牙设备等)通信,使得用户能经由这些外部设备300与该电子设备200交互,和/或使得该电子设备200能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入/输出(I/O)接口250进行,还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)进行。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,电子设备200中可使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
图8是本发明的一个计算机可读介质实施例的示意图。如图8所示,所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,所述第一顶点和所述第二顶点通过目标边连接,所述第一顶点和所述第二顶点分别用于表示第一设备和第二设备,所述第一顶点的多个属性用于表示所述第一设备的多个特征,所述第二顶点的多个属性用于表示所述第二设备的多个特征,所述目标边表示所述第一设备和所述第二设备之间的关联关系;根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量;计算所述第一属性向量与所述第二属性向量之间的夹角;根据所述夹角大小确定所述目标边的权重;根据所述目标边的权重,计算所述第一设备和第二设备的关联关系的紧密程度。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种设备间关联关系的分析方法,其特征在于,包括:
从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,所述第一顶点和所述第二顶点通过目标边连接,所述第一顶点和所述第二顶点分别用于表示第一设备和第二设备,所述第一顶点的多个属性用于表示所述第一设备的多个特征,所述第二顶点的多个属性用于表示所述第二设备的多个特征,所述目标边表示所述第一设备和所述第二设备之间的关联关系;
根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量;
计算所述第一属性向量与所述第二属性向量之间的夹角;
根据所述夹角大小确定所述目标边的权重;
根据所述目标边的权重,计算所述第一设备和第二设备的关联关系的紧密程度。
2.根据权利要求1所述的方法,其特征在于,在根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量之前,还包括:
根据所述第一设备和所述第二设备相关的目标业务,从所述第一顶点的所有属性中选择与所述目标业务对应的多个属性,以及从所述第二顶点的所有属性中选择与所述目标业务对应的多个属性。
3.根据权利要求1所述的方法,其特征在于,在根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量之前,还包括:
分析所述第一顶点的多个属性和所述第二顶点的多个属性的重要程度,根据重要程度高低从所述第一顶点的所有属性中筛选出多个属性以及从所述第二顶点的所有属性中筛选出多个属性。
4.根据权利要求1所述的方法,其特征在于,在所述根据所述夹角大小确定所述目标边的权重之前,还包括:
查询所述第一设备和所述第二设备参与的业务;
所述根据所述夹角大小确定所述目标边的权重,包括:
根据所述第一设备和所述第二设备参与的业务和所述夹角,确定所述目标边的权重。
5.根据权利要求1所述的方法,其特征在于,在所述根据所述夹角大小确定所述目标边的权重之前,还包括:
识别所述第一设备和所述第二设备之间的关联关系对应的应用场景;
所述根据所述夹角大小确定所述目标边的权重,包括:
根据所述应用场景和所述夹角,确定所述目标边的权重。
6.一种设备间关联关系的分析装置,其特征在于,包括:
属性获取模块,从预设的属性图中获取第一顶点的多个属性和第二顶点的多个属性,所述第一顶点和所述第二顶点通过目标边连接,所述第一顶点和所述第二顶点分别用于表示第一设备和第二设备,所述第一顶点的多个属性用于表示所述第一设备的多个特征,所述第二顶点的多个属性用于表示所述第二设备的多个特征,所述目标边表示所述第一设备和所述第二设备之间的关联关系;
向量构造模块,根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量;
夹角计算模块,计算所述第一属性向量与所述第二属性向量之间的夹角;
权重确定模块,根据所述夹角大小确定所述目标边的权重;
关联关系计算模块,根据所述目标边的权重,计算所述第一设备和第二设备的关联关系的紧密程度。
7.根据权利要求6所述的装置,其特征在于,所述向量构造模块在根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量之前,还根据所述第一设备和所述第二设备相关的目标业务,从所述第一顶点的所有属性中选择与所述目标业务对应的多个属性,以及从所述第二顶点的所有属性中选择与所述目标业务对应的多个属性。
8.根据权利要求6所述的装置,其特征在于,所述向量构造模块在根据所述第一顶点的多个属性构造第一属性向量,根据所述第二顶点的多个属性构造第二属性向量之前,还分析所述第一顶点的多个属性和所述第二顶点的多个属性的重要程度,根据重要程度高低从所述第一顶点的所有属性中筛选出多个属性以及从所述第二顶点的所有属性中筛选出多个属性。
9.根据权利要求6所述的装置,其特征在于,还包括:
业务查询模块,在所述根据所述夹角大小确定所述目标边的权重之前,查询所述第一设备和所述第二设备参与的业务;
所述权重确定模块根据所述第一设备和所述第二设备参与的业务和所述夹角,确定所述目标边的权重。
10.根据权利要求6所述的装置,其特征在于,还包括:
应用场景识别模块,在所述根据所述夹角大小确定所述目标边的权重之前,识别所述第一设备和所述第二设备之间的关联关系对应的应用场景;
所述权重确定模块根据所述应用场景和所述夹角,确定所述目标边的权重。
11.一种电子设备,包括:
处理器;以及
存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行根据权利要求1-5中任一项所述的方法。
12.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,当所述一个或多个程序被处理器执行时,实现权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110473716.3A CN113297389B (zh) | 2021-04-29 | 2021-04-29 | 设备间关联关系的方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110473716.3A CN113297389B (zh) | 2021-04-29 | 2021-04-29 | 设备间关联关系的方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113297389A true CN113297389A (zh) | 2021-08-24 |
CN113297389B CN113297389B (zh) | 2023-02-21 |
Family
ID=77320601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110473716.3A Active CN113297389B (zh) | 2021-04-29 | 2021-04-29 | 设备间关联关系的方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297389B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482876A (zh) * | 2008-12-11 | 2009-07-15 | 南京大学 | 基于权重的链接多属性的实体识别方法 |
CN107798125A (zh) * | 2017-11-10 | 2018-03-13 | 携程旅游网络技术(上海)有限公司 | 基于亲密度模型的准入判定方法、系统、设备及存储介质 |
US20200050889A1 (en) * | 2018-08-07 | 2020-02-13 | Walmart Apollo, Llc | System and method for structure and attribute based graph partitioning |
CN111026921A (zh) * | 2019-12-26 | 2020-04-17 | 深圳前海环融联易信息科技服务有限公司 | 基于图的关联关系获取方法、装置及计算机设备 |
CN111598713A (zh) * | 2020-07-24 | 2020-08-28 | 北京淇瑀信息科技有限公司 | 基于相似度权重更新的团伙识别方法、装置及电子设备 |
CN111612635A (zh) * | 2020-04-18 | 2020-09-01 | 北京淇瑀信息科技有限公司 | 用户金融风险分析方法、装置及电子设备 |
CN112182317A (zh) * | 2020-09-28 | 2021-01-05 | 北京字节跳动网络技术有限公司 | 一种指标权重确定方法、装置、电子设备及介质 |
CN112507715A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 确定实体之间关联关系的方法、装置、设备和存储介质 |
-
2021
- 2021-04-29 CN CN202110473716.3A patent/CN113297389B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482876A (zh) * | 2008-12-11 | 2009-07-15 | 南京大学 | 基于权重的链接多属性的实体识别方法 |
CN107798125A (zh) * | 2017-11-10 | 2018-03-13 | 携程旅游网络技术(上海)有限公司 | 基于亲密度模型的准入判定方法、系统、设备及存储介质 |
US20200050889A1 (en) * | 2018-08-07 | 2020-02-13 | Walmart Apollo, Llc | System and method for structure and attribute based graph partitioning |
CN111026921A (zh) * | 2019-12-26 | 2020-04-17 | 深圳前海环融联易信息科技服务有限公司 | 基于图的关联关系获取方法、装置及计算机设备 |
CN111612635A (zh) * | 2020-04-18 | 2020-09-01 | 北京淇瑀信息科技有限公司 | 用户金融风险分析方法、装置及电子设备 |
CN111598713A (zh) * | 2020-07-24 | 2020-08-28 | 北京淇瑀信息科技有限公司 | 基于相似度权重更新的团伙识别方法、装置及电子设备 |
CN112182317A (zh) * | 2020-09-28 | 2021-01-05 | 北京字节跳动网络技术有限公司 | 一种指标权重确定方法、装置、电子设备及介质 |
CN112507715A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 确定实体之间关联关系的方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113297389B (zh) | 2023-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11455473B2 (en) | Vector representation based on context | |
US10776337B2 (en) | Multi-dimensional knowledge index and application thereof | |
CN109783490B (zh) | 数据融合方法、装置、计算机设备及存储介质 | |
CN110599335A (zh) | 一种基于多模型的用户金融风险评估方法和装置 | |
US11599826B2 (en) | Knowledge aided feature engineering | |
CN111597309A (zh) | 相似企业推荐方法、装置、电子设备及介质 | |
CN105630801A (zh) | 用于检测偏离用户的方法和装置 | |
US20130325863A1 (en) | Data Clustering for Multi-Layer Social Link Analysis | |
CN110941951A (zh) | 文本相似度计算方法、装置、介质及电子设备 | |
CN111274822A (zh) | 语义匹配方法、装置、设备及存储介质 | |
CN111159354A (zh) | 一种敏感资讯检测方法、装置、设备及系统 | |
CN109947874B (zh) | 移动轨迹的聚合方法、装置及设备 | |
CN111144109B (zh) | 文本相似度确定方法和装置 | |
CN112470172B (zh) | 使用随机序列嵌入的符号序列分析的计算效率 | |
US20210117853A1 (en) | Methods and systems for automated feature generation utilizing formula semantification | |
CN113971307A (zh) | 一种关联关系生成方法、装置、存储介质及电子设备 | |
CN114091570A (zh) | 业务处理系统方法、装置和电子设备 | |
US20160350441A1 (en) | Authoring System For Assembling Clinical Knowledge | |
CN112541069A (zh) | 一种结合关键词的文本匹配方法、系统、终端及存储介质 | |
CN113297389B (zh) | 设备间关联关系的方法、装置和电子设备 | |
US11580322B2 (en) | Scalable attributed graph embedding for large-scale graph analytics | |
US11521353B2 (en) | Automated processing for determination of a volume of an object in a digital environment | |
US20220358152A1 (en) | Model performance through text-to-text transformation via distant supervision from target and auxiliary tasks | |
CN111860508B (zh) | 图像样本选择方法及相关设备 | |
CN109857838B (zh) | 用于生成信息的方法和装置 |
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 |