CN114697208B - 一种网元设备的配置分析方法、系统、设备以及存储介质 - Google Patents
一种网元设备的配置分析方法、系统、设备以及存储介质 Download PDFInfo
- Publication number
- CN114697208B CN114697208B CN202210323686.2A CN202210323686A CN114697208B CN 114697208 B CN114697208 B CN 114697208B CN 202210323686 A CN202210323686 A CN 202210323686A CN 114697208 B CN114697208 B CN 114697208B
- Authority
- CN
- China
- Prior art keywords
- configuration
- network element
- element equipment
- model
- items
- 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
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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请涉及一种网元设备的配置分析方法、系统、设备以及存储介质，其方法包括：获取网元设备配置信息，所述配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息，从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型，从所述数据层信息中识别出网元设备的实际配置参数，按照所述认知模型对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型，通过认知模型和配置模型对网元设备进行配置分析，生成网元设备的配置分析数据。本申请具有简化网元设备配置分析步骤、节约网元设备开发与维护成本的优点。
Description
技术领域
本申请涉及电信核心网的技术领域，尤其是涉及一种网元设备的配置分析方法、系统以及存储介质。
背景技术
电信核心网网元具有复杂众多且关联性极强的配置项，不同制造商生产的网元设备还具有异构的参数名称、定义模式和定义逻辑。传统人工方式对众多网元设备进行配置分析和管理首先需要由人工理解大量复杂关联的配置说明文档，然后再通过逻辑整理和智力劳动转化为具体的业务方法并最终编码实现。这样的网元设备配置分析与管理方式实现过程抽象程度低、灵活性差，当网元设备的配置内容发生变化时，需要开发人员重新理解并不断修改相应业务逻辑。这造成大量人力资源的浪费，无法有效应对5G时代多场景、大数据、智能化、高弹性等特点带来的严峻挑战。另外，针对不同配置逻辑逐个建模的过程过于繁杂，会产生庞大且难以管理的数据模式与程序结构，当配置内容有更新或业务模式有调整时都会对网元设备已有分析能力造成重大影响。
发明内容
为了简化对网元设备进行配置分析的步骤，本申请提供一种网元设备的配置分析方法、系统、设备以及存储介质。
本申请的上述发明目的一是通过以下技术方案得以实现的：
提供一种网元设备的配置分析方法，所述网元设备的配置分析方法包括：
获取网元设备配置信息，所述配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息；
从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型；
从所述数据层信息中识别出网元设备的实际配置参数，按照所述认知模型对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型；
通过认知模型和配置模型对网元设备进行配置分析，生成网元设备的配置分析数据。
通过采用上述技术方案，在对网元设备进行配置分析时，通过获取网元设备配置信息得到网元设备的阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息，根据从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型，通过认知模型得到网元设备配置项的概念层的逻辑关联关系，根据从所述数据层信息中识别出网元设备的实际配置参数，按照
所述认知模型对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型，通过配置模型得到网元设备的数据层的实际配置参数关联关系，通过认知模型和配置模型对网元设备进行配置分析得到网元设备的配置分析数据，简化了开发人员对网元设备的重新建模过程，节约对网元设备的开发与维护成本。
本申请在一较佳示例中可以进一步配置为：所述从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型，具体包括：
通过预设的特征向量从所述概念层信息中识别出网元设备配置项；
根据预设算法对所述网元设备配置项进行分析，构建网元设备配置项之间的逻辑关联，得到配置项之间的逻辑关联关系；
根据所述配置项之间的逻辑关联关系得到网元设备配置项的认知模型。
具体的，通过扫描获取网元设备说明文档中的文本信息，对获取到的文本信息进行特征向量的提取，特征向量关键词如网元设备的链路、链路集、路由等网元设备配置项。
需要说明的是，也可以通过语义识别的方式获取网元设备说明文档中的网元设备配置项关键词，具体的，语义识别方式可以设置为NLP算法、卷积神经网络或者循环神经网络等，通过对预设的特征向量的学习训练来对网元设备的操作说明书进行文本分类，并完成特征向量关键词的提取，得到网元设备的实际参数，例如提取网元设备的链路、链路集、路由配置项等。
通过采用上述技术方案，在对网元设备进行配置分析时，通过预设的特征向量从所述概念层信息中识别出网元设备配置项，根据预设的算法对所述网元设备配置项进行分析，构建网元设备配置项之间的逻辑关联，得到配置项之间的逻辑关联关系，根据所述配置项之间的逻辑关联关系得到网元设备配置项的认知模型，通过认知模型对网元设备概念层进行关联，省去了开发人员对网元设备相应概念逻辑的重新整理，简化了网元设备的配置分析过程中的逻辑整理步骤。
本申请在一较佳示例中可以进一步配置为：所述预设算法为概念格算法。
通过采用上述技术方案，在运用概念格算法对网元设备配置项进行逻辑关联时，通过对网元设备的配置项进行定义，并根据定义后的配置项生成概念节点，通过对所有的概念节点作概念格运算得到网元设备配置项的整体逻辑连接关系，对概念节点进行编号，通过对配置项父节点序号的搜索，自动关联其它概念节点生成网元设备配置项之间相互关联的Hasse图，从而得到关于网元设备概念层上的配置项连接关系。
本申请在一较佳示例中可以进一步配置为：所述从所述数据层信息中识别出网元设备的实际配置参数，按照所述认知模型对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型，具体包括：
通过预设的特征向量从所述数据层信息中识别出网元设备的实际配置参数；
按照所述认知模型调用所述实际配置参数进行配置关联，得到配置参数关联关系；
根据所述配置参数关联关系调用对应的配置项进行连接，得到配置模型。
通过采用上述技术方案，通过扫描网元设备说明书操作文档根据预设的特征向量从所述数据层信息中识别出网元设备的实际配置参数，如识别网元设备路由配置项的实际配置参数，按照所述认知模型调用所述实际配置参数进行配置关联，得到配置参数关联关系，根据所述配置参数关联关系调用对应的配置项进行连接，得到配置模型，通过配置模型可以进行配置项之间的自动化整理而无需人工干预，简化了网元设备配置分析过程中对配置项的重新建模过程。
通过采用上述技术方案，在对网元设备进行配置分析的实际场景中，仅需要根据具体应用场景输入网元设备的实际配置参数，然后根据认知模型中的逻辑关联关系由计算机自动地进一步确定间接关联概念节点及概念节点之间的关联方式，对实际配置参数与对应的配置项进行配置关联，输入实际配置参数父节点就可自动搜寻对应配置实例即可完成网元设备的配置分析工作。
本申请在一较佳示例中可以进一步配置为：在获取到所述配置模型和认知模型之后，且在通过认知模型和配置模型对网元设备进行配置分析之前，所述网元设备的配置分析方法还包括：
根据识别到的实际配置参数和配置项对认知模型和配置模型进行关联，得到模型关联关系；
根据所述模型关联关系对网元设备配置项与相对应的实际配置参数之间进行关联，得到参数分析模型。
通过采用上述技术方案，在对网元设备进行配置分析过程中，输入网元设备实际配置参数对认知模型和配置模型进行关联，得到模型关联关系，根据模型关联关系对网元设备配置项与相对应的实际配置参数之间进行关联，得到参数分析模型。输入配置项和实际配置参数到参数分析模型中就可自动关联直接或间接的配置项进行网元设备的配置分析，简化了开发人员对网元设备的重新建模过程。
本申请在一较佳示例中可以进一步配置为：所述在所述根据所述模型关联关系对网元设备配置项与相对应的实际配置参数之间进行关联，得到参数分析模型之后，生成网元设备的配置分析数据，具体包括：
根据所述参数分析模型构建所述网元设备配置项之间的逻辑关联，得到网元设备概念层的配置项之间的逻辑关联关系；
所述参数分析模型根据所述逻辑关联关系调用网元设备配置项的实际配置参数之间进行配置关联，得到配置关联关系；
根据所述配置关联关系调用所述网元设备配置项对网元设备进行分析，生成网元设备配置分析数据。
通过采用上述技术方案，在通过参数分析模型对网元设备进行配置分析过程中，根据所述参数分析模型构建所述网元设备配置项之间的逻辑关联，得到网元设备概念层的配置项之间的逻辑关联关系，所述参数分析模型根据所述逻辑关联关系调用网元设备配置项的实际配置参数之间进行配置关联，得到配置关联关系，根据所述配置关联关系调用所述网元设备配置项对网元设备进行分析，生成网元设备配置分析数据。输入配置项和实际配置参数到参数分析模型中就可自动关联直接或间接的配置项进行网元设备的配置分析，得到网元设备配置分析数据，从而简化了开发人员对网元设备的重新建模过程。
本申请的上述发明目的二是通过以下技术方案得以实现的：
提供一种网元设备的配置分析系统，所述网元设备的配置分析系统包括：
参数获取模块，用于获取网元设备配置信息，所述配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息；
认知模块，用于从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型；
配置模块，用于从所述数据层信息中识别出网元设备的实际配置参数，按照所述认知模型对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型；
分析模块，用于通过认知模型和配置模型对网元设备进行配置分析，生成网元设备的配置分析数据；
数据存储模块，用于存储所述网元设备配置信息。
通过采用上述技术方案，在通过网元设备的配置分析系统对网元设备进行配置分析时，通过参数获取模块获取网元设备配置信息，所述配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息，通过数据存储模块存储所述网元设备配置信息，通过认知模块从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型，通过配置模块从所述数据层信息中识别出网元设备的实际配置参数，按照所述认知模型中配置项之间的逻辑关联关系对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型，分析模块通过认知模型和配置模型的关联对网元设备进行配置分析，生成网元设备的配置分析数据。通过网元设备的配置分析系统对网元设备进行配置分析，实现对网元设备的配置项与实际配置参数之间的自动化整理而无需人工干预，简化网元设备的配置管理过程。
本申请的上述发明目的三是通过以下技术方案得以实现的：
提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述网元设备的配置分析方法的步骤。
本申请的上述发明目的四是通过以下技术方案得以实现的：
提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述网元设备的配置分析方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1、通过网元设备配置项之间的逻辑关联关系构建网元设备概念层上的认知模型，按照认知模型对网元设备实际配置参数进行配置关联得到配置模型，根据配置模型和认知模型对网元设备进行配置分析，简化了在对网元设备进行配置分析与管理时开发人员重新建模的过程，节约开发与维护成本。
2、通过概念格算法建立网元设备配置项之间的逻辑关联并得到网元设备配置项的逻辑关系图，由逻辑关系图可以直观地得到配置项之间的逻辑关联关系，在对网元设备进行配置分析时无需再次对网元设备进行人工逻辑整理，简化了对网元设备的配置分析过程，节约开发与维护成本。
附图说明
图1是一实施例中的一种网元设备的配置分析方法的流程图。
图2是一实施例中构建认知模型的流程图。
图3是一实施例中构建配置模型的流程图。
图4是一实施例中参数分析模型构建的流程图。
图5是一实施例中通过参数分析模型生成网元设备的配置分析数据的流程图。
图6是一实施例中的一种网元设备的配置分析系统的模块关系图。
附图标记：
参数获取模块100、认知模块200、配置模块300、分析模块400、数据存储模块500。
具体实施方式
在一实施例中，提供一种网元设备的配置分析方法，如图1所示，网元设备的配置分析方法包括：
S10：获取网元设备配置信息，配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息。
具体的，通过扫描网元设备说明书获取网元设备配置信息，配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息阐述各配置项含义的概念层信息如网元设备的链路、链路集、路由等配置项，表征实际网元配置内容的数据层信息如网元设备的实际路由配置等。
S20：从概念层信息中识别出网元设备配置项，通过预设算法对识别出的网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型。
具体的，结合图2，步骤S20具体包括以下子步骤：
S201：通过预设的特征向量从概念层信息中识别出网元设备配置项。
具体的，通过扫描网元设备说明文档获取网元设备说明文档中的文本信息，对获取到的文本信息进行特征向量的提取，特征向量关键词如网元设备的链路、链路集、路由等网元设备配置项。
需要说明的是，也可以通过语义识别的方式获取网元设备说明文档中的网元设备配置项关键词，具体的，语义识别方式可以设置为NLP算法、卷积神经网络或者循环神经网络等，通过对预设的特征向量的学习训练来对网元设备的操作说明书进行文本分类，并完成特征向量关键词的提取，得到网元设备的实际参数，例如提取网元设备的链路、链路集、路由配置项等。
S202：根据预设算法对网元设备配置项进行分析，构建网元设备配置项之间的逻辑关联，得到配置项之间的逻辑关联关系。
具体的，本实施例中通过概念格算法对网元设备配置项进行分析，构建网元设备配置项之间的逻辑关联，得到配置项之间的逻辑关联关系。
具体的，在运用概念格算法对网元设备配置项进行逻辑关联时，通过对网元设备的配置项进行定义，并根据定义后的配置项生成概念节点，通过对所有的概念节点作概念格运算得到网元设备配置项的整体逻辑连接关系，对概念节点进行编号，通过对配置项父节点序号的搜索，自动关联其它概念节点生成网元设备配置项之间相互关联的Hasse图，从而得到关于网元设备概念层上的配置项之间的逻辑关联关系。
S203：根据配置项之间的逻辑关联关系得到网元设备配置项的认知模型。
具体的，根据配置项之间的逻辑关联调用直接关联或者间接关联的网元设备配置项进行关联，得到网元设备概念层上的认知模型。通过认知模型对网元设备概念层上的配置项进行关联，省去了开发人员对网元设备相应概念逻辑的重新整理而无需人工干预，简化了网元设备的配置分析过程中的逻辑整理步骤。
S30：从数据层信息中识别出网元设备的实际配置参数，按照认知模型对识别出的网元设备实际配置参数进行配置关联，得到配置模型。
具体的，结合图3，步骤S30具体包括以下子步骤：
S301：通过预设的特征向量从数据层信息中识别出网元设备的实际配置参数。
具体的，通过扫描网元设备说明书操作文档根据预设的特征向量从数据层信息中识别出网元设备的实际配置参数，例如，特征向量可以设置为网元设备的路由等配置项，实际配置参数则对应的为网元设备路由配置项的实际配置参数值。
S302：按照认知模型调用实际配置参数进行配置关联，得到配置参数关联关系。
具体的，根据网元设备的实际配置参数与认知模型中的逻辑关联关系由计算机自动地进一步确定间接关联概念节点及概念节点之间的关联方式，对实际配置参数与对应的配置项进行配置关联，得到配置参数关联关系。
S303：根据配置参数关联关系调用对应的配置项进行连接，得到配置模型。
具体的，根据实际配置参数与配置项之间的逻辑关联调用网元设备配置项与对应的实际配置参数进行关联，得到网元设备数据层上的配置模型。通过配置模型对网元设备数据层进行关联，省去了开发人员对网元设备相应概念逻辑与数据的大量整理工作。
本实施例中，按照认知模型调用识别到的实际配置参数进行配置关联，得到配置参数关联关系，根据配置参数关联关系调用对应的配置项进行连接，得到配置模型，通过配置模型可以进行配置项之间的自动化整理而无需人工干预，简化了网元设备配置分析过程中对配置项的重新建模过程。
S40：通过认知模型和配置模型对网元设备进行配置分析，生成网元设备的配置分析数据。
具体的，认知模型对识别到的网元设备配置项进行逻辑关联，配置模型按照认知模型中的逻辑关联关系建立实际配置参数与对应配置项之间的配置关联关系，根据配置关联关系调用对应的配置项对网元设备进行配置分析，得到网元设备的配置分析数据。
本实施例中，在对网元设备进行配置分析时，通过获取网元设备配置信息得到网元设备的阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息，根据从概念层信息中识别出网元设备配置项，通过预设算法对识别出的网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型，通过认知模型得到网元设备配置项的概念层的逻辑关联关系，根据从数据层信息中识别出网元设备的实际配置参数，并按照认知模型对识别出的网元设备实际配置参数进行配置关联，得到配置模型，通过配置模型得到网元设备的数据层的实际配置参数关联关系，通过认知模型和配置模型对网元设备进行配置分析得到网元设备的配置分析数据，简化了开发人员对网元设备的重新建模过程，节约对网元设备的开发与维护成本。
在一实施例中，在获取到配置模型和认知模型之后，且在通过认知模型和配置模型对网元设备进行配置分析之前，如图4所示，网元设备的配置分析方法还包括：
S401：根据识别到的实际配置参数和配置项对认知模型和配置模型进行关联，得到模型关联关系。
具体的，通过配置模型对认知模型中的已建立逻辑关联的配置项与识别到的实际配置参数进行关联，得到模型关联关系。
S402：根据模型关联关系对网元设备配置项与相对应的实际配置参数之间进行关联，得到参数分析模型。
具体的，根据模型关联关系对网元设备配置项与相对应的实际配置参数进行关联，得到参数分析模型。在实际应用中，输入配置项和实际配置参数到参数分析模型中就可自动关联直接或间接的配置项进行网元设备的配置分析，如输入网元设备的路由、链路集、对端点码等实际配置项以及对应的实际配置参数值到参数分析模型中，根据模型关联关系对路由、链路集以及对端点码之间进行直接或者间接的关联来对网元设备进行配置分析，简化了开发人员对网元设备的重新建模过程。
在一实施例中，如图5所示，在根据模型关联关系对网元设备配置项与相对应的实际配置参数之间进行关联，得到参数分析模型之后，生成网元设备的配置分析数据，具体包括：
S501：根据参数分析模型构建网元设备配置项之间的逻辑关联，得到网元设备概念层的配置项之间的逻辑关联关系。
具体的，参数分析模型通过概念格算法对识别到的网元设备配置项进行逻辑关联，构建配置项之间的Hasse图，在对网元设备进行配置分析时，输入配置项到Hasse图中关联直接或间接的其它配置项，得到网元设备概念层上的配置项之间的逻辑关联关系。
S502：参数分析模型根据逻辑关联关系调用网元设备配置项的实际配置参数进行配置关联，得到配置关联关系。
具体的，在对网元设备进行配置分析时，根据输入的实际配置参数与配置项之间的连接关系和配置项之间的逻辑关联关系，得到配置关联关系。
S503：根据配置关联关系调用网元设备配置项对网元设备进行分析，生成网元设备配置分析数据。
具体的，根据配置关联关系调用直接或者间接关联的网元设备配置项对网元设备进行分析，得到网元设备配置分析数据。
本实施例中，在通过参数分析模型对网元设备进行配置分析过程中，根据参数分析模型构建网元设备配置项之间的逻辑关联，得到网元设备概念层的配置项之间的逻辑关联关系，参数分析模型根据逻辑关联关系调用网元设备配置项的实际配置参数进行配置关联，得到配置关联关系，根据配置关联关系调用网元设备配置项对网元设备进行分析，生成网元设备配置分析数据。输入配置项和实际配置参数到参数分析模型中就可自动关联直接或间接的配置项进行网元设备的配置分析，得到网元设备配置分析数据，从而简化了开发人员对网元设备的重新建模过程。
在一实施例中，提供一种网元设备的配置分析系统，如图6所示，网元设备的配置分析系统包括：
参数获取模块100，用于获取网元设备配置信息，配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信。
认知模块200，用于从概念层信息中识别出网元设备配置项，通过预设算法对识别出的网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型。
配置模块300，用于从数据层信息中识别出网元设备的实际配置参数，按照认知模型对识别出的网元设备实际配置参数进行配置关联，得到配置模型。
分析模块400，用于通过认知模型和配置模型对网元设备进行配置分析，生成网元设备的配置分析数据。
数据存储模块500，用于存储网元设备配置信息。
本实施例中，在通过网元设备的配置分析系统对网元设备进行配置分析时，通过参数获取模块获取网元设备配置信息，配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息，通过数据存储模块存储网元设备配置信息，通过认知模块从概念层信息中识别出网元设备配置项，通过预设算法对识别出的网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型，通过配置模块从数据层信息中识别出网元设备的实际配置参数，按照认知模型中配置项之间的逻辑关联关系对识别出的网元设备实际配置参数进行配置关联，得到配置模型，分析模块通过认知模型和配置模型的关联对网元设备进行配置分析，生成网元设备的配置分析数据。通过网元设备的配置分析系统对网元设备进行配置分析，实现对网元设备的配置项与实际配置参数的自动化整理而无需人工干预，简化网元设备配置的分析与管理过程。
在一实施例中，提供一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上所述网元设备的配置分析方法的步骤。
在一实施例中，提供一种存储介质，所述存储介质存储有计算机程序，计算机程序被处理器执行时实现如上所述网元设备的配置分析方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (9)
1.一种网元设备的配置分析方法，其特征在于，所述网元设备的配置分析方法包括：
获取网元设备配置信息，所述配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息；
从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型；
从所述数据层信息中识别出网元设备的实际配置参数，按照所述认知模型对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型；
通过认知模型和配置模型对网元设备进行配置分析，生成网元设备的配置分析数据；
其中，所述从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型，具体包括：
通过预设的特征向量从所述概念层信息中识别出网元设备配置项；
根据预设算法对所述网元设备配置项进行分析，构建网元设备配置项之间的逻辑关联，得到配置项之间的逻辑关联关系；
根据所述配置项之间的逻辑关联关系得到网元设备配置项的认知模型。
2.根据权利要求1所述的网元设备的配置分析方法，其特征在于，所述预设算法为概念格算法。
3.根据权利要求1所述的网元设备的配置分析方法，其特征在于，所述从所述数据层信息中识别出网元设备的实际配置参数，按照所述认知模型对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型，具体包括：
通过预设的特征向量从所述数据层信息中识别出网元设备的实际配置参数；
按照所述认知模型调用所述实际配置参数进行配置关联，得到配置参数关联关系；
根据所述配置参数关联关系调用对应的配置项进行连接，得到配置模型。
4.根据权利要求1所述的网元设备的配置分析方法，其特征在于，在获取到所述配置模型和认知模型之后，且在通过认知模型和配置模型对网元设备进行配置分析之前，所述网元设备的配置分析方法还包括：
根据识别到的实际配置参数和配置项对认知模型和配置模型进行关联，得到模型关联关系；
根据所述模型关联关系对网元设备配置项与相对应的实际配置参数之间进行关联，得到参数分析模型。
5.根据权利要求4所述的网元设备的配置分析方法，其特征在于，在所述根据所述模型关联关系对网元设备配置项与相对应的实际配置参数之间进行关联，得到参数分析模型之后，生成网元设备的配置分析数据，具体包括：
根据所述参数分析模型构建所述网元设备配置项之间的逻辑关联，得到网元设备概念层的配置项之间的逻辑关联关系；
所述参数分析模型根据所述逻辑关联关系调用网元设备配置项的实际配置参数进行配置关联，得到配置关联关系；
根据所述配置关联关系调用所述网元设备配置项对网元设备进行分析，生成网元设备配置分析数据。
6.一种网元设备的配置分析系统，其特征在于，所述网元设备的配置分析系统包括：
参数获取模块，用于获取网元设备配置信息，所述配置信息包括阐述各配置项含义的概念层信息以及表征实际网元配置内容的数据层信息；
认知模块，用于从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型；
配置模块，用于从所述数据层信息中识别出网元设备的实际配置参数，按照所述认知模型对识别出的所述网元设备实际配置参数进行配置关联，得到配置模型；
分析模块，用于通过认知模型和配置模型对网元设备进行配置分析，生成网元设备的配置分析数据；
其中，所述从所述概念层信息中识别出网元设备配置项，通过预设算法对识别出的所述网元设备配置项构建网元设备配置项之间的逻辑关联，得到认知模型，具体包括：
通过预设的特征向量从所述概念层信息中识别出网元设备配置项；
根据预设算法对所述网元设备配置项进行分析，构建网元设备配置项之间的逻辑关联，得到配置项之间的逻辑关联关系；
根据所述配置项之间的逻辑关联关系得到网元设备配置项的认知模型。
7.根据权利要求6所述的网元设备的配置分析系统，其特征在于，所述网元设备的配置分析系统还包括：
数据存储模块，用于存储所述网元设备配置信息。
8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述网元设备的配置分析方法的步骤。
9.一种存储介质，所述存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至5任一项所述网元设备的配置分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210323686.2A CN114697208B (zh) | 2022-03-30 | 2022-03-30 | 一种网元设备的配置分析方法、系统、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210323686.2A CN114697208B (zh) | 2022-03-30 | 2022-03-30 | 一种网元设备的配置分析方法、系统、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114697208A CN114697208A (zh) | 2022-07-01 |
| CN114697208B true CN114697208B (zh) | 2023-08-25 |
Family
ID=82140357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210323686.2A Active CN114697208B (zh) | 2022-03-30 | 2022-03-30 | 一种网元设备的配置分析方法、系统、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114697208B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102014403A (zh) * | 2009-09-07 | 2011-04-13 | 中兴通讯股份有限公司 | 一种传输网络拓扑信息的方法及系统 |
| CN104079436A (zh) * | 2014-07-14 | 2014-10-01 | 武汉大学 | 一种跨设备跨协议的epon网络中的网元管理系统 |
| CN106487567A (zh) * | 2015-09-02 | 2017-03-08 | 中兴通讯股份有限公司 | 一种网元模型管理方法及装置 |
| CN106571947A (zh) * | 2015-11-16 | 2017-04-19 | 中国人民解放军理工大学 | 一种支持复杂多元网络构造的网络元模型实现方法 |
| RU2662688C1 (ru) * | 2017-03-16 | 2018-07-26 | Общество с ограниченной ответственностью "Аби Продакшн" | Извлечение информации из смысловых блоков документов с использованием микромоделей на базе онтологии |
| CN109145122A (zh) * | 2018-08-02 | 2019-01-04 | 北京仿真中心 | 一种产品知识图谱构建和查询方法及系统 |
| WO2020010887A1 (zh) * | 2018-07-09 | 2020-01-16 | 中兴通讯股份有限公司 | 网络部署方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10771285B2 (en) * | 2016-07-05 | 2020-09-08 | Cisco Technology, Inc. | Method and apparatus for mapping network data models |
| US11023593B2 (en) * | 2017-09-25 | 2021-06-01 | International Business Machines Corporation | Protecting cognitive systems from model stealing attacks |
-
2022
- 2022-03-30 CN CN202210323686.2A patent/CN114697208B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102014403A (zh) * | 2009-09-07 | 2011-04-13 | 中兴通讯股份有限公司 | 一种传输网络拓扑信息的方法及系统 |
| CN104079436A (zh) * | 2014-07-14 | 2014-10-01 | 武汉大学 | 一种跨设备跨协议的epon网络中的网元管理系统 |
| CN106487567A (zh) * | 2015-09-02 | 2017-03-08 | 中兴通讯股份有限公司 | 一种网元模型管理方法及装置 |
| CN106571947A (zh) * | 2015-11-16 | 2017-04-19 | 中国人民解放军理工大学 | 一种支持复杂多元网络构造的网络元模型实现方法 |
| RU2662688C1 (ru) * | 2017-03-16 | 2018-07-26 | Общество с ограниченной ответственностью "Аби Продакшн" | Извлечение информации из смысловых блоков документов с использованием микромоделей на базе онтологии |
| WO2020010887A1 (zh) * | 2018-07-09 | 2020-01-16 | 中兴通讯股份有限公司 | 网络部署方法及装置 |
| CN109145122A (zh) * | 2018-08-02 | 2019-01-04 | 北京仿真中心 | 一种产品知识图谱构建和查询方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于大数据的装备体系三元概念认知系统模型构造框架;王寿彪;李新明;刘东;裴忠民;;系统工程与电子技术(11);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114697208A (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210374563A1 (en) | Solution Automation | |
| US20200210821A1 (en) | Data processing method, device, electronic device and readable storage medium | |
| CN108830277B (zh) | 语义分割模型的训练方法、装置、计算机设备和存储介质 | |
| WO2021128679A1 (zh) | 基于数据决策的测试数据生成方法、装置、计算机设备 | |
| CN111126668B (zh) | 基于图卷积网络的Spark作业时间预测方法和装置 | |
| CN109388403B (zh) | 依赖注入方法、装置、设备和存储介质 | |
| CN109697500B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN111444677A (zh) | 基于大数据的阅读模型优化方法、装置、设备及介质 | |
| CN110287104A (zh) | 测试用例生成方法、装置、终端及计算机可读存储介质 | |
| CN108365969B (zh) | 一种基于无线传感网的自适应服务组合方法 | |
| US20230394330A1 (en) | A method and system for designing ai modeling processes based on graph algorithms | |
| CN115240048A (zh) | 面向图像分类的深度学习的算子定位融合方法及装置 | |
| CN112734008A (zh) | 分类网络构建方法以及基于分类网络的分类方法 | |
| CN115600002A (zh) | 一种个性化推荐方法、系统及电子设备 | |
| CN115981620A (zh) | 一种可视化人工智能算法编排方法、装置、设备及介质 | |
| CN113821251A (zh) | 基于人工智能的代码优化方法、装置、设备和存储介质 | |
| WO2022141489A1 (zh) | 深度学习模型的推理方法、装置、计算机设备和存储介质 | |
| CN113946363A (zh) | 业务数据的执行配置方法、装置、计算机设备及存储介质 | |
| CN114697208B (zh) | 一种网元设备的配置分析方法、系统、设备以及存储介质 | |
| CN113811897B (zh) | 神经网络模型的推理方法、装置、计算机设备和存储介质 | |
| CN113705402A (zh) | 视频行为预测方法、系统、电子设备及存储介质 | |
| CN112231459A (zh) | 一种基于知识图谱实现软件测试智能问答的方法及系统 | |
| CN114385876B (zh) | 一种模型搜索空间生成方法、装置及系统 | |
| CN113516182B (zh) | 视觉问答模型训练、视觉问答方法和装置 | |
| CN110909761B (zh) | 图像识别方法、装置、计算机设备及存储介质 |
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 |