CN116248475A - 一种基于多协议的物联网设备控制方法及系统 - Google Patents

一种基于多协议的物联网设备控制方法及系统 Download PDF

Info

Publication number
CN116248475A
CN116248475A CN202211518146.6A CN202211518146A CN116248475A CN 116248475 A CN116248475 A CN 116248475A CN 202211518146 A CN202211518146 A CN 202211518146A CN 116248475 A CN116248475 A CN 116248475A
Authority
CN
China
Prior art keywords
log
event
internet
equipment
auxiliary
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
CN202211518146.6A
Other languages
English (en)
Inventor
李继庚
洪蒙纳
任炳宇
梁广智
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.)
Guangzhou Poi Intelligent Information Technology Co ltd
Original Assignee
Guangzhou Poi Intelligent Information Technology Co 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 Guangzhou Poi Intelligent Information Technology Co ltd filed Critical Guangzhou Poi Intelligent Information Technology Co ltd
Priority to CN202211518146.6A priority Critical patent/CN116248475A/zh
Publication of CN116248475A publication Critical patent/CN116248475A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • 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
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time 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
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/069—Management of faults, events, alarms or notifications using logs of notifications; Post-processing of notifications
    • 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
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • 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
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/18—Multiprotocol handlers, e.g. single devices capable of handling multiple protocols
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Computer Security & Cryptography (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供的一种基于多协议的物联网设备控制方法及系统结合相关性系数，确定全局型设备状态质量表达。调用辅助设备运行事件中业务会话主题的全局型设备状态质量表达，确定运行反馈数据。结合运行反馈数据对待进行分析的物联网设备运行日志所对应的目标物联网设备的通信协议进行调整。这样一来，能够更加准确地获得全局型设备状态质量表达，进而提高获得的运行反馈数据的准确性和可信度，继而持续性地通过运行反馈数据对目标物联网设备的通信协议进行调整，通过调整目标物联网设备的通信协议，能够在数据通信层面实现对目标物联网设备的控制，使得目标物联网设备能够基于优化后的通信协议进行完整准确的数据传输，进而提高物联网设备工作效率。

Description

一种基于多协议的物联网设备控制方法及系统
技术领域
本申请涉及数据控制技术领域，具体而言，涉及一种基于多协议的物联网设备控制方法及系统。
背景技术
物联网（Internet of Things）能够实时采集任何需要监控、连接、互动的物体或过程。对应的物联网设备可以具体应用于到工业生产技术领域中。然而，在实际操作过程中，发明人经过不断地研究发现工业生产通信协议可能存在异常等问题，进而可能会导致通信协议不能够进行完整准确的数据传输，这样可能会降低物联网设备工作效率。因此，亟需一种技术以解决上述技术问题。
发明内容
鉴于此，本申请提供了一种基于多协议的物联网设备控制方法及系统。
第一方面，提供一种基于多协议的物联网设备控制方法，应用于物联网设备控制系统，所述方法至少包括：
确定待进行分析的物联网设备运行日志以及与所述待进行分析的物联网设备运行日志所绑定的辅助设备运行事件；依次对所述待进行分析的物联网设备运行日志以及所述辅助设备运行事件进行事件描述挖掘操作，得到所绑定的运行日志事件描述集和辅助运行事件描述集；所述辅助运行事件描述集中的辅助运行事件描述与所述辅助设备运行事件中的业务会话主题存在关联；
对于所述辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与所述运行日志事件描述集中的每个运行日志事件描述之间的相关性系数；结合所述相关性系数，确定每个所述辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达；调用所述辅助设备运行事件中业务会话主题的所述全局型设备状态质量表达，确定所述待进行分析的物联网设备运行日志的运行反馈数据；结合所述运行反馈数据对所述待进行分析的物联网设备运行日志所对应的目标物联网设备的通信协议进行调整。
在一种可替换的实施例中，所述结合所述相关性系数，确定每个所述辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达，包括：
结合当前辅助运行事件描述与所述运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，确定每个所述运行日志事件描述各自所绑定的局部聚焦指数队列；
结合每个所述运行日志事件描述各自所绑定的局部聚焦指数队列、所述运行日志事件描述集以及所述当前辅助运行事件描述，确定与所述当前辅助运行事件描述所绑定的业务会话主题的全局型设备状态质量表达。
在一种可替换的实施例中，所述调用所述辅助设备运行事件中业务会话主题的所述全局型设备状态质量表达，确定所述待进行分析的物联网设备运行日志的运行反馈数据，包括：
调用所述辅助设备运行事件中的每个业务会话主题各自所绑定的所述全局型设备状态质量表达，确定所述辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值；
结合所述全局型设备状态质量表达和所述业务会话主题描述值，确定所述待进行分析的物联网设备运行日志的运行反馈数据。
在一种可替换的实施例中，所述结合所述全局型设备状态质量表达和所述业务会话主题描述值，确定所述待进行分析的物联网设备运行日志的运行反馈数据，包括：
结合所述辅助设备运行事件中的每个业务会话主题各自所绑定的所述全局型设备状态质量表达，确定与所述辅助设备运行事件相对应的设备运行事件拼接描述；
结合所述辅助设备运行事件中的每个业务会话主题各自所绑定的所述业务会话主题描述值，确定与所述辅助设备运行事件相对应的业务会话主题全局描述值；
结合所述业务会话主题全局描述值和所述设备运行事件拼接描述，得到所述待进行分析的物联网设备运行日志的运行反馈数据。
在一种可替换的实施例中，所述基于多协议的物联网设备控制方法由AI神经网络执行，所述AI神经网络通过以下方式调试得到：
确定第一范例物联网设备运行日志、与所述第一范例物联网设备运行日志相对应的第一范例设备运行事件以及所述第一范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题关键词；
调用所述AI神经网络中事先调试的运行日志特征提取单元，对所述第一范例物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的候选运行日志事件描述集；
调用所述AI神经网络中的待进行调试的事件特征提取单元，对所述第一范例设备运行事件进行设备运行事件特征提取，得到所绑定的候选辅助运行事件描述集；所述候选辅助运行事件描述集中的候选辅助运行事件描述与所述第一范例设备运行事件中的业务会话主题对应；
调用所述AI神经网络中的并行局部聚焦单元，逐一确定所述候选辅助运行事件描述集中的每个候选辅助运行事件描述与所述候选运行日志事件描述集中的每个候选运行日志事件描述之间的相关性系数，并结合所述相关性系数，确定每个所述候选辅助运行事件描述所对应业务会话主题的候选全局型设备状态质量表达；
调用所述AI神经网络中的主题翻译单元对每个所述候选全局型设备状态质量表达进行主题翻译，得到所述第一范例设备运行事件中的每个业务会话主题各自所绑定的第一候选业务会话主题描述值；
调用所述第一候选业务会话主题描述值和所述业务会话主题关键词，对所述AI神经网络进行第一调试，直到满足第一调试完成指标时结束。
在一种可替换的实施例中，所述确定第一范例物联网设备运行日志、与所述第一范例物联网设备运行日志相对应的第一范例设备运行事件以及所述第一范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题关键词，包括：
确定第一范例物联网设备运行日志、以及与所述第一范例物联网设备运行日志存在联系的基础设备运行事件；所述基础设备运行事件包括不少于一个基础业务会话主题；
基于设定的备用业务会话主题集，对所述基础设备运行事件中的不少于一个基础业务会话主题进行更新，得到所绑定的第一范例设备运行事件；
将所述第一范例设备运行事件中的更新业务会话主题所所绑定的业务会话主题关键词调整为第一语义词向量，并将所述第一范例设备运行事件中的基础业务会话主题所所绑定的业务会话主题关键词调整为第二语义词向量；其中，所述第一语义词向量与所述第二语义词向量存在差异。
在一种可替换的实施例中，所述调用所述第一候选业务会话主题描述值和所述业务会话主题关键词，对所述AI神经网络进行第一调试，直到满足第一调试完成指标时结束，包括：
结合所述第一候选业务会话主题描述值、以及所绑定的所述业务会话主题关键词，生成事件特征提取单元性能评价；
调用所述事件特征提取单元性能评价对所述AI神经网络中待进行调试的事件特征提取单元进行第一调试，直到满足第一调试完成指标时结束。
在一种可替换的实施例中，在所述第一调试结束后，所述方法还包括：
确定第二范例物联网设备运行日志、与所述第二范例物联网设备运行日志相对应的第二范例设备运行事件、与所述第二范例物联网设备运行日志相对应的运行反馈数据语义词向量以及所述第二范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值语义词向量；
通过事先调试的AI神经网络，输出所述第二范例物联网设备运行日志的候选运行反馈数据、以及所述第二范例设备运行事件中的每个业务会话主题的第二候选业务会话主题描述值；
结合所述第二候选业务会话主题描述值以及所绑定的所述业务会话主题描述值语义词向量，确定所述AI神经网络的第一性能指标；结合所述候选运行反馈数据以及所述运行反馈数据语义词向量，确定所述AI神经网络的第二性能指标；结合所述第一性能指标和所述第二性能指标，生成所述AI神经网络的性能评价；
调用所述AI神经网络的性能评价对事先调试的所述AI神经网络进行第二调试，直到满足第二调试完成指标时结束。
在一种可替换的实施例中，运行日志特征提取单元通过运行日志特征提取单元调试步骤调试获得，所述运行日志特征提取单元调试步骤包括：
确定待进行调试的运行日志分析网络、第三范例物联网设备运行日志以及与所述第三范例物联网设备运行日志相对应的日志语义分析结果；
调用所述运行日志分析网络中的运行日志特征提取单元，对所述第三范例物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的特征提取结果集；
调用所述运行日志分析网络中的主题翻译单元，对所述特征提取结果集进行主题翻译，得到所绑定的主题文本表达；
结合所述主题文本表达和所述日志语义分析结果，对所述运行日志分析网络中的运行日志特征提取单元进行第三调试，直到满足第三调试完成指标时结束；
将第三调试结束后所述运行日志分析网络中的运行日志特征提取单元，作为所述AI神经网络中的事先调试的运行日志特征提取单元。
第二方面，提供一种基于多协议的物联网设备控制系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的一种基于多协议的物联网设备控制方法及系统，依次对待进行分析的物联网设备运行日志以及辅助设备运行事件进行事件描述挖掘操作，得到运行日志事件描述集和辅助运行事件描述集。对于辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与每个运行日志事件描述之间的相关性系数。结合相关性系数，确定全局型设备状态质量表达。调用辅助设备运行事件中业务会话主题的全局型设备状态质量表达，确定运行反馈数据。结合运行反馈数据对待进行分析的物联网设备运行日志所对应的目标物联网设备的通信协议进行调整。这样一来，能够更加准确地获得全局型设备状态质量表达，进而提高获得的运行反馈数据的准确性和可信度，继而持续性地通过运行反馈数据对目标物联网设备的通信协议进行调整，通过调整目标物联网设备的通信协议，能够在数据通信层面实现对目标物联网设备的控制，使得目标物联网设备能够基于优化后的通信协议进行完整准确的数据传输，进而提高物联网设备工作效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种基于多协议的物联网设备控制方法的流程图。
图2为本申请实施例所提供的一种基于多协议的物联网设备控制装置的框图。
图3为本申请实施例所提供的一种基于多协议的物联网设备控制系统的架构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种基于多协议的物联网设备控制方法，该方法可以包括以下步骤201-步骤205所描述的技术方案。
步骤201，确定待进行分析的物联网设备运行日志以及与待进行分析的物联网设备运行日志所绑定的辅助设备运行事件。
示例性的，物联网设备中运行有目标协议的物联网设备控制系统，物联网设备控制系统中可表示有协议内容属性。
可以理解的是，根据上述辅助设备运行事件可以是不少于一个的业务会话主题。比如，辅助设备运行事件可以是单一的业务会话主题、业务会话主题集合等。
在一个可替换的实施例中，目标协议可以理解为网络信息传输渠道，物联网设备控制系统中运行有网络信息传输渠道的物联网设备控制系统。当确定执行“信息开始传输”时，物联网设备控制系统实时获得辅助设备运行事件进行挖掘时的物联网设备运行日志，直到确定执行“信息传输结束”，并将在信息开始传输至信息传输结束之间所获得的物联网设备运行日志作为待进行分析的物联网设备运行日志。
步骤202，依次对待进行分析的物联网设备运行日志以及辅助设备运行事件进行事件描述挖掘操作，得到所绑定的运行日志事件描述集和辅助运行事件描述集；辅助运行事件描述集中的辅助运行事件描述与辅助设备运行事件中的业务会话主题对应。
举例而言，对待进行分析的物联网设备运行日志进行事件描述挖掘操作，是将待进行分析的物联网设备运行日志进行翻译的过程。运行日志事件描述集，是对待进行分析的物联网设备运行日志的日志集进行物联网设备运行日志特征提取后得到的特征提取结果集。对辅助设备运行事件进行事件描述挖掘操作，是将辅助设备运行事件进行翻译的过程。辅助运行事件描述集，是对辅助设备运行事件的业务会话主题集进行特征提取后得到的特征提取结果集。
进一步地，事件描述挖掘操作由AI神经网络执行。AI神经网络是事先调试的人工智能网络等，其涵盖有特征提取单元和主题翻译单元。其中，特征提取单元包括事件特征提取单元和运行日志特征提取单元，事件特征提取单元用于将辅助设备运行事件翻译成辅助运行事件描述集；运行日志特征提取单元用于将待进行分析的物联网设备运行日志翻译成运行日志事件描述集；主题翻译单元用于进行主题翻译处理，得到待进行分析的物联网设备运行日志的运行反馈数据。
示例性的，当确定得到辅助设备运行事件时，物联网设备可对辅助设备运行事件进行业务会话主题处理，得到存在联系的业务会话主题集，并将业务会话主题集加载至AI神经网络，通过AI神经网络中事件特征提取单元的若干特征子提取单元，逐一对业务会话主题集进行特征提取，得到辅助运行事件描述集。其中，辅助运行事件描述集结合了各特征子提取单元所输出的特征提取关键特征；辅助运行事件描述集中的辅助运行事件描述与辅助设备运行事件中的业务会话主题对应。
进一步地，当确定得到待进行分析的物联网设备运行日志时，物联网设备可对待进行分析的物联网设备运行日志进行分类处理，得到包括有若干内容属性日志的日志集，并将日志集加载至AI神经网络，通过AI神经网络中运行日志特征提取单元的多个特征子提取单元，逐一对日志集进行物联网设备运行日志特征提取，得到所绑定的运行日志事件描述集。其中，运行日志事件描述集中的运行日志事件描述与待进行分析的物联网设备运行日志中的内容属性日志对应。
通过AI神经网络中特征提取单元的多个特征子提取单元，逐一对业务会话主题集或日志集进行特征提取。
在一个可替换的实施例中，对于辅助设备运行事件为中文设备运行事件的分业务会话主题处理，可采用通过业务会话主题集或通过确定的业务会话主题分类方法对辅助设备运行事件进行业务会话主题分类处理，得到所绑定的业务会话主题集。
在一个可替换的实施例中，在对待进行分析的物联网设备运行日志进行分类处理之前，还可对待进行分析的物联网设备运行日志进行物联网设备运行日志进行噪音等预处理，以去除待进行分析的物联网设备运行日志中的外界影响。
步骤203，针对辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数。
示例性的，物联网设备确定辅助运行事件描述集中的每个辅助运行事件描述，以及确定运行日志事件描述集中的每个运行日志事件描述，并针对辅助运行事件描述集中的每个辅助运行事件描述，分别将每个辅助运行事件描述与每个运行日志事件描述进行比较，以确定每个辅助运行事件描述与每个运行日志事件描述集之间的相关性系数。
可以理解的是，物联网设备可根据上述所描述的内容，分别将每个辅助运行事件描述与运行日志事件描述集中的每个运行日志事件描述进行关联性处理，得到每个辅助运行事件描述，与每个运行日志事件描述之间的相关性系数。
在一个可替换的实施例中，物联网设备可逐一确定当前辅助运行事件描述与当前运行日志事件描述之间的相关性系数，也可并行的确定出每个辅助运行事件描述与每个运行日志事件描述之间的相关性系数。
在一个可替换的实施例中，AI神经网络中还可涵盖有并行局部聚焦单元，当得到辅助运行事件描述集和运行日志事件描述集后，物联网设备可通过AI神经网络中的并行局部聚焦单元确定每个辅助运行事件描述与每个辅助运行事件描述之间的相关性系数。
步骤204，结合相关性系数，确定每个辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达。
示例性的，当确定辅助运行事件描述集中的每个辅助运行事件描述与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数时，物联网设备可结合相关性系数，确定每个辅助运行事件描述所所绑定的业务会话主题的全局型设备状态质量表达。其中，全局型设备状态质量表达是用于表征辅助运行事件描述所对应业务会话主题的关键描述数据。
为了更好的对本实施例进行进一步的解释，以下步骤可以确定当前辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达的操作。
物联网设备结合辅助运行事件描述集中的当前辅助运行事件描述与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，确定运行日志事件描述集中的每个运行日志事件描述各自所绑定的局部聚焦指数，并结合每个运行日志事件描述各自所绑定的局部聚焦指数、以及运行日志事件描述集，确定当前辅助运行事件描述所所绑定的业务会话主题的全局型设备状态质量表达。
在一个可替换的实施例中，在确定每个辅助运行事件描述与每个运行日志事件描述之间的相关性系数后，物联网设备可通过AI神经网络中的并行局部聚焦单元确定每个辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达。
在一个可替换的实施例中，对于辅助运行事件描述集和运行日志事件描述集，物联网设备可将辅助运行事件描述集和运行日志事件描述集加载至AI神经网络中的并行局部聚焦单元，通过并行局部聚焦单元。
步骤205，通过辅助设备运行事件中业务会话主题的全局型设备状态质量表达，确定待进行分析的物联网设备运；结合所述运行反馈数据对所述待进行分析的物联网设备运行日志所对应的目标物联网设备的通信协议进行调整。
示例性的，运行反馈数据指的是旨在表示待进行分析的物联网设备运行日志的挖掘量化指标。
示例性的，当确定得到每个业务会话主题各自所绑定的全局型设备状态质量表达时，物联网设备可对全局型设备状态质量表达进行分类处理，得到与全局型设备状态质量表达相对应的业务会话主题的业务会话主题描述值，并结合辅助设备运行事件中每个业务会话主题的业务会话主题描述值，确定待进行分析的物联网设备运行日志的运行反馈数据。
在一个可替换的实施例中，物联网设备可对每个业务会话主题各自所绑定的业务会话主题描述值进行去极化处理，得到待进行分析的物联网设备运行日志的运行反馈数据。
在一个可替换的实施例中，当确定得到待进行分析的物联网设备运行日志的运行反馈数据时，物联网设备可通过网络信息传输渠道的物联网设备控制系统对应评价，并根据评价结果显示运行反馈数据。
根据上述基于多协议的物联网设备控制方法中，通过确定待进行分析的物联网设备运行日志以及辅助设备运行事件，可以依次对待进行分析的物联网设备运行日志和辅助设备运行事件进行事件描述挖掘操作，得到所绑定的运行日志事件描述集和辅助运行事件描述集；
通过确定运行日志事件描述集和辅助运行事件描述集，可将运行日志事件描述与辅助运行事件描述进行关联，以确定辅助运行事件描述集中的每个辅助运行事件描述与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，如此，便可通过相关性系数，确定每个业务会话主题各自所绑定的关联度最大的全局型设备状态质量表达，并通过全局型设备状态质量表达，确定待进行分析的物联网设备运行日志的运行反馈数据。由于是结合每个辅助运行事件描述与每个运行日志事件描述之间的相关性系数，确定待进行分析的物联网设备运行日志的运行反馈数据，因此，本申请可以提高基于多协议的物联网设备控制方法的稳定性。
在一个可替换的实施例中，结合相关性系数，确定每个辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达，包括：结合当前辅助运行事件描述与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，确定每个运行日志事件描述各自所绑定的局部聚焦指数队列；结合每个运行日志事件描述各自所绑定的局部聚焦指数队列、运行日志事件描述集以及当前辅助运行事件描述，确定与当前辅助运行事件描述所绑定的业务会话主题的全局型设备状态质量表达。
示例性的，物联网设备结合当前辅助运行事件描述与每个运行日志事件描述之间的相关性系数，确定每个运行日志事件描述各自所绑定的局部聚焦指数队列，例如，将当前辅助运行事件描述与当前运行日志事件描述之间的加权处理结果，作为当前运行日志事件描述所绑定的局部聚焦指数队列。进一步地，物联网设备结合每个运行日志事件描述集各自所绑定的局部聚焦指数队列，对运行日志事件描述集以及当前辅助运行事件描述进行拼接处理，得到当前辅助运行事件描述所绑定的业务会话主题的全局型设备状态质量表达。
在一个可替换的实施例中，通过辅助设备运行事件中业务会话主题的全局型设备状态质量表达，确定待进行分析的物联网设备运行日志的运行反馈数据，包括：通过辅助设备运行事件中的每个业务会话主题各自所绑定的全局型设备状态质量表达，确定辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值；结合全局型设备状态质量表达和业务会话主题描述值，确定待进行分析的物联网设备运行日志的运行反馈数据。
示例性的，当得到每个业务会话主题各自所绑定的全局型设备状态质量表达时，物联网设备将各全局型设备状态质量表达加载至AI神经网络中的主题翻译单元中，通过主题翻译单元对辅助设备运行事件中每个业务会话主题各自所绑定的全局型设备状态质量表达进行分类处理，确定辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值，并结合业务会话主题描述值对全局型设备状态质量表达进行主题翻译处理，得到与待进行分析的物联网设备运行日志相对应的运行反馈数据。
在本实施例中，通过综合各业务会话主题的测描述值以及全局型设备状态质量表达确定运行反馈数据，使得所确定的运行反馈数据更为精确。
在一个可替换的实施例中，结合全局型设备状态质量表达和业务会话主题描述值，确定待进行分析的物联网设备运行日志的运行反馈数据，包括：结合辅助设备运行事件中的每个业务会话主题各自所绑定的全局型设备状态质量表达，确定与辅助设备运行事件相对应的设备运行事件拼接描述；结合辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值，确定与辅助设备运行事件相对应的业务会话主题全局描述值；结合业务会话主题全局描述值和设备运行事件拼接描述，得到待进行分析的物联网设备运行日志的运行反馈数据。
示例性的，物联网设备对辅助设备运行事件中每个业务会话主题各自所绑定的全局型设备状态质量表达进行简化处理，得到与辅助设备运行事件相对应的设备运行事件拼接描述，以及对辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值进行融合，得到与辅助设备运行事件相对应的业务会话主题全局描述值。进一步地，物联网设备将业务会话主题全局描述值以及设备运行事件拼接描述进行修正，得到过渡情况，并对过渡情况进行优化，得到待进行分析的物联网设备运行日志的运行反馈数据。
在在本实施例中，通过业务会话主题全局描述值和设备运行事件拼接描述，可以得到辅助设备运行事件的进一步地描述，从而使得通过辅助设备运行事件的进一步地描述所得到运行反馈数据更佳真确。
在一个可替换的实施例中，对待进行分析的物联网设备运行日志以及辅助设备运行事件进行事件描述挖掘操作，得到所绑定的运行日志事件描述集和辅助运行事件描述集，包括：通过AI神经网络中的运行日志特征提取单元，对待进行分析的物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的运行日志事件描述集；通过AI神经网络中的事件特征提取单元，对辅助设备运行事件进行设备运行事件特征提取，得到所绑定的辅助运行事件描述集；针对辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，包括：通过AI神经网络中的并行局部聚焦单元，针对辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数；结合相关性系数，确定每个辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达，包括：通过AI神经网络中的并行局部聚焦单元，结合相关性系数，确定每个辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达；通过辅助设备运行事件中业务会话主题的全局型设备状态质量表达，确定待进行分析的物联网设备运行日志的运行反馈数据，包括：
通过AI神经网络中的主题翻译单元，对辅助设备运行事件中业务会话主题的全局型设备状态质量表达进行主题翻译，得到待进行分析的物联网设备运行日志的运行反馈数据。
示例性的，AI神经网络包括特征提取单元和主题翻译单元，特征提取单元包括运行日志特征提取单元、事件特征提取单元和并行局部聚焦单元。运行日志特征提取单元用于对待进行分析的物联网设备运行日志进行物联网设备运行日志事件描述挖掘操作，得到运行日志事件描述集。事件特征提取单元用于对辅助设备运行事件进行事件描述挖掘操作，得到辅助运行事件描述集。并行局部聚焦单元用于针对辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，并结合相关性系数，确定每个辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达；主题翻译单元用于对辅助设备运行事件中的业务会话主题的全局型设备状态质量表达进行主题翻译处理，得到待进行分析的物联网设备运行日志的运行反馈数据。
在一种可能的实施例中，当确定得到待进行分析的物联网设备运行日志和辅助设备运行事件时，物联网设备可对待进行分析的物联网设备运行日志进行分类处理，得到日志集，以及对辅助设备运行事件进行分业务会话主题处理，得到业务会话主题集，并将日志集加载至运行日志特征提取单元，将业务会话主题集加载至事件特征提取单元，得到所绑定的运行日志事件描述集和辅助运行事件描述集。进一步地，物联网设备通过并行局部聚焦单元针对辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，并结合相关性系数，确定每个辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达。
物联网设备将每个辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达加载至AI神经网络的主题翻译单元中的计算单元，通过主题翻译单元中的计算单元输出辅助设备运行事件中每个业务会话主题各自所绑定的业务会话主题描述值，并结合辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值，确定与辅助设备运行事件相对应的业务会话主题全局描述值，以及通过主题翻译单元中的简化处理单元确定与辅助设备运行事件相对应的设备运行事件拼接描述。进一步地，物联网设备通过主题翻译单元中的多个单元，结合业务会话主题全局描述值和设备运行事件拼接描述，得到待进行分析的物联网设备运行日志的运行反馈数据。
在在本实施例中，通过AI神经网络中的各网络单元对待进行分析的物联网设备运行日志进行评价，使得待进行分析的物联网设备运行日志的运行反馈数据更佳的精确。
在一个可替换的实施例中，基于多协议的物联网设备控制方法由AI神经网络执行，AI神经网络的调试操作步骤，具体可以包括以下内容。
步骤701，确定第一范例物联网设备运行日志、与第一范例物联网设备运行日志相对应的第一范例设备运行事件以及第一范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题关键词。
示例性的，第一范例物联网设备运行日志以及与第一范例物联网设备运行日志相对应的第一范例设备运行事件是用于进行网络调试时所需的调试信息。业务会话主题关键词是用于进行网络调试时所需的语义词向量信息，通过业务会话主题关键词，AI神经网络可对应调整网络变量。可确定若干的第一范例设备运行事件以及所绑定的第一范例物联网设备运行日志，并对第一范例设备运行事件中每个业务会话主题进行语义词向量批注，得到每个业务会话主题各自所绑定的业务会话主题关键词。其中，与第一范例设备运行事件所绑定的第一范例物联网设备运行日志可以表征与第一范例设备运行事件相关联的第一范例物联网设备运行日志，例如，对第一范例设备运行事件进行挖掘所确定的第一范例物联网设备运行日志。
进一步地，物联网设备可将第一范例设备运行事件，以及与此第一范例设备运行事件相对应的第一范例物联网设备运行日志作为调试集中的一个调试二元组，这样，能够通过调试集中的若干调试二元组对AI神经网络进行调试。
步骤702，通过AI神经网络中事先调试的运行日志特征提取单元，对第一范例物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的候选运行日志事件描述集。
步骤703，通过AI神经网络中的待进行调试的事件特征提取单元，对第一范例设备运行事件进行设备运行事件特征提取，得到所绑定的候选辅助运行事件描述集；候选辅助运行事件描述集中的候选辅助运行事件描述与第一范例设备运行事件中的业务会话主题对应。
示例性的，物联网设备可将第一范例物联网设备运行日志加载至AI神经网络中事先调试的运行日志特征提取单元，将第一样设备运行事件加载至AI神经网络中待进行调试的事件特征提取单元，通过预调试运行日志特征提取单元对第一范例物联网设备运行日志进行物联网设备运行日志事件描述挖掘操作，得到所绑定的候选运行日志事件描述集，通过待进行调试的事件特征提取单元对第一范例设备运行事件进行设备运行事件事件描述挖掘操作，得到所绑定的候选辅助运行事件描述集。
步骤704，通过AI神经网络中的并行局部聚焦单元，逐一确定候选辅助运行事件描述集中的每个候选辅助运行事件描述与候选运行日志事件描述集中的每个候选运行日志事件描述之间的相关性系数，并结合相关性系数，确定每个候选辅助运行事件描述所对应业务会话主题的候选全局型设备状态质量表达。
步骤705，通过AI神经网络中的主题翻译单元对每个候选全局型设备状态质量表达进行主题翻译，得到第一范例设备运行事件中的每个业务会话主题各自所绑定的第一候选业务会话主题描述值。
示例性的，针对候选辅助运行事件描述集中的每个候选辅助运行事件描述，物联网设备可通过AI神经网络中的并行局部聚焦单元分别将每个候选辅助运行事件描述与每个候选运行日志事件描述进行比较，以确定每个候选辅助运行事件描述与每个候选运行日志事件描述集之间的相关性系数，并结合相关性系数，确定每个候选辅助运行事件描述所所绑定的业务会话主题的候选全局型设备状态质量表达。进一步地，AI神经网络中的主题翻译单元可对候选全局型设备状态质量表达进行分类处理，得到与候选全局型设备状态质量表达相对应的业务会话主题的第一候选业务会话主题描述值。
步骤706，通过第一候选业务会话主题描述值和业务会话主题关键词，对AI神经网络进行第一调试，直到满足第一调试完成指标时结束。
在本实施例中，在调试的操作中，由于调试目标借鉴了第一范例设备运行事件中每个业务会话主题所所绑定的第一业务会话主题描述值和业务会话主题关键词，使得AI神经网络可以对每个业务会话主题进行完整的训练，从而提高业务会话主题描述值的精确性，进而提高运行反馈数据的可信度。
在一个可替换的实施例中，确定第一范例物联网设备运行日志、与第一范例物联网设备运行日志所绑定的第一范例设备运行事件、以及第一范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题关键词，包括：确定第一范例物联网设备运行日志、以及与第一范例物联网设备运行日志存在联系的基础设备运行事件；基础设备运行事件包括不少于一个基础业务会话主题；基于设定的备用业务会话主题集，对基础设备运行事件中的不少于一个基础业务会话主题进行更新，得到所绑定的第一范例设备运行事件；将第一范例设备运行事件中的更新业务会话主题所所绑定的业务会话主题关键词调整为第一语义词向量，并将第一范例设备运行事件中的基础业务会话主题所所绑定的业务会话主题关键词调整为第二语义词向量，其中，第一语义词向量与第二语义词向量存在差异。
示例性的，收集若干的第一范例物联网设备运行日志以及对第一范例物联网设备运行日志进行挖掘的基础设备运行事件，并将第一范例物联网设备运行日志以及所绑定的基础设备运行事件加载至物联网设备，以使物联网设备通过配置的备用业务会话主题集对基础设备运行事件中的不少于一个基础业务会话主题进行不间断地更新。其中，基础业务会话主题指的是基础设备运行事件所包含的未被更新的分业务会话主题。备用业务会话主题集指的是包括有若干用于对基础业务会话主题进行更新的更新业务会话主题的业务会话主题库。进一步地，物联网设备确定第一范例设备运行事件中的更新业务会话主题以及基础业务会话主题，并将更新业务会话主题所所绑定的业务会话主题关键词调整为第一语义词向量，将基础业务会话主题所所绑定的业务会话主题关键词调整为第二语义词向量。其中，第一语义词向量与第二语义词向量存在差异。
根据上述描述内容，可以理解的是，通过AI训练网络的调试主要根据若干的调试信息，进而改善现有技术中通过人工对调试信息进行语义词向量批注，这样一来，降低了工作效率，还浪费人工资源和时间资源。本实施例能够智能对基础业务会话主题进行不间断地更新，以及结合更新情况智能配置业务会话主题关键词，这样不仅可以提高语义词向量批注的效率，还可以有效地节约人工成本和时间成本。
在一个可替换的实施例中，通过第一候选业务会话主题描述值和业务会话主题关键词，对AI神经网络进行第一调试，直到满足第一调试完成指标时结束，包括：结合第一候选业务会话主题描述值、以及所绑定的业务会话主题关键词，生成事件特征提取单元性能评价；
通过事件特征提取单元性能评价对AI神经网络中待进行调试的事件特征提取单元进行第一调试，直到满足第一调试完成指标时结束。
示例性的，物联网设备确定第一调试设备运行事件中的同一业务会话主题所所绑定的第一候选业务会话主题描述值和业务会话主题关键词，并结合第一调试设备运行事件中的同一业务会话主题的第一候选业务会话主题描述值和业务会话主题关键词生成设备运行事件特征提取性能评价，也即是结合第一候选业务会话主题描述值及所绑定的业务会话主题关键词，生成事件特征提取单元性能评价。进一步地，物联网设备固定AI神经网络中的运行日志特征提取单元的网络变量，通过事件特征提取单元性能评价对待进行调试的事件特征提取单元进行调试，直到满足第一调试完成指标时结束。例如，直到第一调试设备运行事件中的各第一候选业务会话主题描述值与所绑定的业务会话主题关键词之间的全局误差满足预设标准为止。
在在本实施例中，通过第一候选业务会话主题描述值及所绑定的业务会话主题关键词，确定事件特征提取单元性能评价，使得通过事件特征提取单元性能评价调试得到的事件特征提取单元所输出的辅助运行事件描述集更为完整。
在一个可替换的实施例中，在第一调试结束后，网络调试方法还包括：确定第二范例物联网设备运行日志、与第二范例物联网设备运行日志相对应的第二范例设备运行事件、与第二范例物联网设备运行日志相对应的运行反馈数据语义词向量以及第二范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值语义词向量；通过事先调试的AI神经网络，输出第二范例物联网设备运行日志的候选运行反馈数据、以及第二范例设备运行事件中的每个业务会话主题的第二候选业务会话主题描述值；结合第二候选业务会话主题描述值以及所绑定的业务会话主题描述值语义词向量，确定AI神经网络的第一性能指标；结合候选运行反馈数据以及运行反馈数据语义词向量，确定AI神经网络的第二性能指标；结合第一性能指标和第二性能指标，生成AI神经网络的性能评价；通过AI神经网络的性能评价对事先调试的AI神经网络进行第二调试，直到满足第二调试完成指标时结束。
示例性的，在第一调试结束之后，为了跟进一步地提高AI神经网络的评价精确性，还可对AI神经网络进行第二调试。物联网设备确定第二范例物联网设备运行日志、与第二范例物联网设备运行日志相对应的第二范例设备运行事件、与第二范例物联网设备运行日志相对应的运行反馈数据语义词向量以及第二范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值语义词向量。其中，运行反馈数据语义词向量是旨在表示第二范例物联网设备运行日志的挖掘结果，运行反馈数据语义词向量可以理解为对第二范例物联网设备运行日志的挖掘结果进行描述；业务会话主题描述值语义词向量是用于表征第二范例物联网设备运行日志中的业务会话主题的挖掘结果，业务会话主题描述值语义词向量可以理解为对业务会话主题的挖掘结果进行描述。
进一步地，物联网设备将第二范例设备运行事件以及所绑定的第二范例物联网设备运行日志加载至事先调试的AI神经网络中，即加载至第一调试完毕的AI神经网络中，通过事先调试的AI神经网络输出与第二范例物联网设备运行日志相对应的候选运行反馈数据和第二范例设备运行事件中的每个业务会话主题的第二候选业务会话主题描述值。物联网设备结合第二范例设备运行事件中的同一业务会话主题的第二候选业务会话主题描述值和业务会话主题描述值语义词向量，确定AI神经网络的第一性能指标，结合第二范例物联网设备运行日志的候选运行反馈数据以及所绑定的运行反馈数据语义词向量，确定AI神经网络的第二性能指标，并结合第一性能指标和第二性能指标，生成AI神经网络的性能评价。
进一步地，物联网设备通过所生成的AI神经网络的性能评价，对事先调试的AI神经网络进行第二调试，也即对与调试的AI神经网络中的事件特征提取单元、运行日志特征提取单元以及主题翻译单元进行联合调试，直到满足第二调试完成指标时结束。
在一种可能的实施例中，可通过多人对第二范例设备运行事件中的业务会话主题以及所绑定的第二范例物联网设备运行日志分别进行描述值处理，并对第二范例物联网设备运行日志所描述值进行去极化处理计算，得到第二范例物联网设备运行日志相对应的运行反馈数据语义词向量；对相同业务会话主题的描述值进行去极化处理计算，得到对应业务会话主题的业务会话主题描述值语义词向量。
在在本实施例中，由于运行反馈数据语义词向量以及业务会话主题描述值语义词向量能够确定出实时状态数据，通过实时状态数据对事先调试的AI神经网络进行第二调试，使得调试后的AI神经网络所输出的运行反馈数据更为精确。
在一个可替换的实施例中，运行日志特征提取单元通过运行日志特征提取单元调试所获得，运行日志特征提取单元调试步骤可以包括以下内容：确定待进行调试的运行日志分析网络、第三范例物联网设备运行日志以及与第三范例物联网设备运行日志相对应的日志语义分析结果；通过运行日志分析网络中的运行日志特征提取单元，对第三范例物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的特征提取结果集；通过运行日志分析网络中的主题翻译单元，对特征提取结果集进行主题翻译，得到所绑定的主题文本表达；结合主题文本表达和日志语义分析结果，对运行日志分析网络中的运行日志特征提取单元进行第三调试，直到满足第三调试完成指标时结束；
将第三调试结束后运行日志分析网络中的运行日志特征提取单元，作为AI神经网络中的事先调试的运行日志特征提取单元。
示例性的，在对AI神经网络进行第一调试之前，可对运行日志分析网络中的运行日志特征提取单元进行预调试。由于AI神经网络中的运行日志特征提取单元主要是进行特征提取，因此，可将运行日志分析网络中的相似的运行日志特征提取单元，作为AI神经网络中的运行日志特征提取单元。
物联网设备确定待进行调试的运行日志分析网络、第三范例物联网设备运行日志以及与第三范例物联网设备运行日志相对应的日志语义分析结果，并将第三范例物联网设备运行日志加载至待进行调试的运行日志分析网络的运行日志特征提取单元中，通过运行日志分析网络的运行日志特征提取单元对第三范例物联网设备运行日志进行特征提取，得到所绑定的特征提取结果集。进一步地，物联网设备将特征提取结果集加载至运行日志分析网络的主题翻译单元中，通过运行日志分析网络的主题翻译单元，对特征提取结果集进行主题翻译，得到对第三范例物联网设备运行日志进行优化后的主题文本表达。
物联网设备结合主题文本表达与所绑定的日志语义分析结果之间的区别，生成运行日志分析网络的性能评价，并通过运行日志分析网络的性能评价对运行日志分析网络的运行日志特征提取单元进行第三调试，直到满足第三调试完成指标时结束，并将第三调试结束后运行日志分析网络中的运行日志特征提取单元，作为AI神经网络中的事先调试的运行日志特征提取单元。
在本实施例中，通过对运行日志分析网络进行第三调试，使得调试后的运行日志特征提取单元输出的运行日志事件描述集可以更为精确。
在一个可替换的实施例中，提供了一种基于多协议的物联网设备控制方法。该基于多协议的物联网设备控制方法具体包括以下描述内容。
步骤801，表示辅助设备运行事件。
示例性的，物联网设备控制系统中运行有网络信息传输渠道，通过网络信息传输渠道，可对应表达辅助设备运行事件。通过挖掘页面表示辅助设备运行事件。
步骤802，响应于针对辅助设备运行事件所执行的挖掘步骤，执行物联网设备运行日志采集，获得对辅助设备运行事件进行挖掘所获得的待进行分析的物联网设备运行日志。
示例性的，当确定用户针对辅助设备运行事件执行挖掘步骤时，物联网设备控制系统采集用户对辅助设备运行事件进行挖掘所确定的属性内容，并将属性内容作为待进行分析的物联网设备运行日志。步骤803，展示待进行分析的物联网设备运行日志的运行反馈数据。
示例性的，当确定得到待进行分析的物联网设备运行日志时，物联网设备控制系统将待进行分析的物联网设备运行日志以及所绑定的辅助设备运行事件加载至AI神经网络，通过AI神经网络输出辅助设备运行事件中每个业务会话主题的业务会话主题描述值，并结合每个业务会话主题的业务会话主题描述值确定待进行分析的物联网设备运行日志的运行反馈数据。
步骤804，响应于对辅助设备运行事件中业务会话主题的触发操作，展示业务会话主题的业务会话主题描述值；进一步地，运行反馈数据是结合辅助设备运行事件中每个业务会话主题的业务会话主题描述值确定的。
在一个可替换的实施例中，物联网设备控制系统中可运行有网络信息传输渠道，通过此网络信息传输渠道可对应展示辅助设备运行事件，以及采集用户对此辅助设备运行事件进行挖掘的待进行分析的物联网设备运行日志，并将辅助设备运行事件和采集得到的待进行分析的物联网设备运行日志发送至物联网设备控制系统。当确定得辅助设备运行事件和待进行分析的物联网设备运行日志时，物联网设备控制系统将辅助设备运行事件和待进行分析的物联网设备运行日志加载至AI神经网络，以使AI神经网络确定辅助设备运行事件与待进行分析的物联网设备运行日志之间的相关性系数，并结合相关性系数输出业务会话主题描述值和运行反馈数据。进一步地，物联网设备控制系统将业务会话主题描述值以及运行反馈数据返回至网络信息传输渠道，通过网络信息传输渠道将业务会话主题描述值和运行反馈数据进行说明。
根据上述基于多协议的物联网设备控制方法，通过展示辅助设备运行事件，可响应于对辅助设备运行事件所执行的挖掘步骤，采集待进行分析的物联网设备运行日志；通过采集待进行分析的物联网设备运行日志，可通过待进行分析的物联网设备运行日志和辅助设备运行事件确定辅助设备运行事件中每个业务会话主题的业务会话主题描述值，并结合每个业务会话主题的业务会话主题描述值确定待进行分析的物联网设备运行日志的运行反馈数据；通过确定每个业务会话主题的业务会话主题描述值以及待进行分析的物联网设备运行日志的运行反馈数据，可在输出运行反馈数据的同时，结合对辅助设备运行事件中业务会话主题的执行步骤输出业务会话主题描述值的描述。
在一种可能的实施例中，基于多协议的物联网设备控制方法，具体可以包括以下步骤。
步骤1001，确定待进行分析的物联网设备运行日志以及与待进行分析的物联网设备运行日志所绑定的辅助设备运行事件。
步骤1002，依次对待进行分析的物联网设备运行日志以及辅助设备运行事件进行事件描述挖掘操作，得到所绑定的运行日志事件描述集和辅助运行事件描述集；辅助运行事件描述集中的辅助运行事件描述与辅助设备运行事件中的业务会话主题对应。
步骤1003，针对辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数；结合当前辅助运行事件描述与运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，确定每个运行日志事件描述各自所绑定的局部聚焦指数队列。
步骤1004，结合每个运行日志事件描述各自所绑定的局部聚焦指数队列、运行日志事件描述集以及当前辅助运行事件描述，确定与当前辅助运行事件描述所绑定的业务会话主题的全局型设备状态质量表达。
步骤1005，通过辅助设备运行事件中的每个业务会话主题各自所绑定的全局型设备状态质量表达，确定辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值；结合辅助设备运行事件中的每个业务会话主题各自所绑定的全局型设备状态质量表达，确定与辅助设备运行事件相对应的设备运行事件拼接描述。
步骤1006，结合辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值，确定与辅助设备运行事件相对应的业务会话主题全局描述值。
步骤1007，结合业务会话主题全局描述值和设备运行事件拼接描述，得到待进行分析的物联网设备运行日志的运行反馈数据。
在一种可能的实施例中，AI神经网络的调试方法所描述的步骤，具体包括以下内容。
步骤1101，确定待进行调试的运行日志分析网络、第三范例物联网设备运行日志以及与第三范例物联网设备运行日志相对应的日志语义分析结果。
步骤1102，通过运行日志分析网络中的运行日志特征提取单元，对第三范例物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的特征提取结果集；通过运行日志分析网络中的主题翻译单元，对特征提取结果集进行主题翻译，得到所绑定的主题文本表达。
步骤1103，结合主题文本表达和日志语义分析结果，对运行日志分析网络中的运行日志特征提取单元进行第三调试，直到满足第三调试完成指标时结束；将第三调试结束后运行日志分析网络中的运行日志特征提取单元，作为AI神经网络中的事先调试的运行日志特征提取单元。
步骤1104，确定第一范例物联网设备运行日志、以及与第一范例物联网设备运行日志存在联系的基础设备运行事件；基础设备运行事件包括不少于一个基础业务会话主题；基于设定的备用业务会话主题集，对基础设备运行事件中的不少于一个基础业务会话主题进行更新，得到所绑定的第一范例设备运行事件。
步骤1111，将第一范例设备运行事件中的更新业务会话主题所所绑定的业务会话主题关键词调整为第一语义词向量，并将第一范例设备运行事件中的基础业务会话主题所所绑定的业务会话主题关键词调整为第二语义词向量；其中，第一语义词向量与第二语义词向量存在差异。
步骤1112，通过AI神经网络中事先调试的运行日志特征提取单元，对第一范例物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的候选运行日志事件描述集；通过AI神经网络中的待进行调试的事件特征提取单元，对第一范例设备运行事件进行设备运行事件特征提取，得到所绑定的候选辅助运行事件描述集。
步骤1113，通过AI神经网络中的并行局部聚焦单元，逐一确定候选辅助运行事件描述集中的每个候选辅助运行事件描述与候选运行日志事件描述集中的每个候选运行日志事件描述之间的相关性系数，并结合相关性系数，确定每个候选辅助运行事件描述所对应业务会话主题的候选全局型设备状态质量表达。
步骤1114，通过AI神经网络中的主题翻译单元对每个候选全局型设备状态质量表达进行主题翻译，得到第一范例设备运行事件中的每个业务会话主题各自所绑定的第一候选业务会话主题描述值。
步骤1115，结合第一候选业务会话主题描述值、以及所绑定的业务会话主题关键词，生成事件特征提取单元性能评价；通过事件特征提取单元性能评价对AI神经网络中待进行调试的事件特征提取单元进行第一调试，直到满足第一调试完成指标时结束。
步骤1116，确定第二范例物联网设备运行日志、与第二范例物联网设备运行日志相对应的第二范例设备运行事件、与第二范例物联网设备运行日志相对应的运行反馈数据语义词向量以及第二范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值语义词向量。
步骤1117，通过事先调试的AI神经网络，输出第二范例物联网设备运行日志的候选运行反馈数据、以及第二范例设备运行事件中的每个业务会话主题的第二候选业务会话主题描述值。
步骤1118，结合第二候选业务会话主题描述值以及所绑定的业务会话主题描述值语义词向量，确定AI神经网络的第一性能指标；结合候选运行反馈数据以及运行反馈数据语义词向量，确定AI神经网络的第二性能指标。
步骤1119，结合第一性能指标和第二性能指标，生成AI神经网络的性能评价；通过AI神经网络的性能评价对事先调试的AI神经网络进行第二调试，直到满足第二调试完成指标时结束。
在上述基础上，请结合参阅图2，提供了一种基于多协议的物联网设备控制装置200，应用于基于多协议的物联网设备控制系统，所述装置包括：
描述绑定模块210，用于确定待进行分析的物联网设备运行日志以及与所述待进行分析的物联网设备运行日志所绑定的辅助设备运行事件；依次对所述待进行分析的物联网设备运行日志以及所述辅助设备运行事件进行事件描述挖掘操作，得到所绑定的运行日志事件描述集和辅助运行事件描述集；所述辅助运行事件描述集中的辅助运行事件描述与所述辅助设备运行事件中的业务会话主题存在关联；
协议调整模块220，用于对于所述辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与所述运行日志事件描述集中的每个运行日志事件描述之间的相关性系数；结合所述相关性系数，确定每个所述辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达；调用所述辅助设备运行事件中业务会话主题的所述全局型设备状态质量表达，确定所述待进行分析的物联网设备运行日志的运行反馈数据；结合所述运行反馈数据对所述待进行分析的物联网设备运行日志所对应的目标物联网设备的通信协议进行调整。
在上述基础上，请结合参阅图3，示出了一种基于多协议的物联网设备控制系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，依次对待进行分析的物联网设备运行日志以及辅助设备运行事件进行事件描述挖掘操作，得到运行日志事件描述集和辅助运行事件描述集。对于辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与每个运行日志事件描述之间的相关性系数。结合相关性系数，确定全局型设备状态质量表达。调用辅助设备运行事件中业务会话主题的全局型设备状态质量表达，确定运行反馈数据。结合运行反馈数据对待进行分析的物联网设备运行日志所对应的目标物联网设备的通信协议进行调整。这样一来，能够更加准确地获得全局型设备状态质量表达，进而提高获得的运行反馈数据的准确性和可信度，继而持续性地通过运行反馈数据对目标物联网设备的通信协议进行调整，通过调整目标物联网设备的通信协议，能够在数据通信层面实现对目标物联网设备的控制，使得目标物联网设备能够基于优化后的通信协议进行完整准确的数据传输，进而提高物联网设备工作效率。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于多协议的物联网设备控制方法，其特征在于，应用于物联网设备控制系统，所述方法至少包括：
确定待进行分析的物联网设备运行日志以及与所述待进行分析的物联网设备运行日志所绑定的辅助设备运行事件；依次对所述待进行分析的物联网设备运行日志以及所述辅助设备运行事件进行事件描述挖掘操作，得到所绑定的运行日志事件描述集和辅助运行事件描述集；所述辅助运行事件描述集中的辅助运行事件描述与所述辅助设备运行事件中的业务会话主题存在关联；
对于所述辅助运行事件描述集中的每个辅助运行事件描述，逐一确定与所述运行日志事件描述集中的每个运行日志事件描述之间的相关性系数；结合所述相关性系数，确定每个所述辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达；调用所述辅助设备运行事件中业务会话主题的所述全局型设备状态质量表达，确定所述待进行分析的物联网设备运行日志的运行反馈数据；结合所述运行反馈数据对所述待进行分析的物联网设备运行日志所对应的目标物联网设备的通信协议进行调整。
2.如权利要求1所述的方法，其特征在于，所述结合所述相关性系数，确定每个所述辅助运行事件描述所对应业务会话主题的全局型设备状态质量表达，包括：
结合当前辅助运行事件描述与所述运行日志事件描述集中的每个运行日志事件描述之间的相关性系数，确定每个所述运行日志事件描述各自所绑定的局部聚焦指数队列；
结合每个所述运行日志事件描述各自所绑定的局部聚焦指数队列、所述运行日志事件描述集以及所述当前辅助运行事件描述，确定与所述当前辅助运行事件描述所绑定的业务会话主题的全局型设备状态质量表达。
3.如权利要求1所述的方法，其特征在于，所述调用所述辅助设备运行事件中业务会话主题的所述全局型设备状态质量表达，确定所述待进行分析的物联网设备运行日志的运行反馈数据，包括：
调用所述辅助设备运行事件中的每个业务会话主题各自所绑定的所述全局型设备状态质量表达，确定所述辅助设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值；
结合所述全局型设备状态质量表达和所述业务会话主题描述值，确定所述待进行分析的物联网设备运行日志的运行反馈数据。
4.如权利要求3所述的方法，其特征在于，所述结合所述全局型设备状态质量表达和所述业务会话主题描述值，确定所述待进行分析的物联网设备运行日志的运行反馈数据，包括：
结合所述辅助设备运行事件中的每个业务会话主题各自所绑定的所述全局型设备状态质量表达，确定与所述辅助设备运行事件相对应的设备运行事件拼接描述；
结合所述辅助设备运行事件中的每个业务会话主题各自所绑定的所述业务会话主题描述值，确定与所述辅助设备运行事件相对应的业务会话主题全局描述值；
结合所述业务会话主题全局描述值和所述设备运行事件拼接描述，得到所述待进行分析的物联网设备运行日志的运行反馈数据。
5.如权利要求1至4中任一项所述的方法，其特征在于，所述基于多协议的物联网设备控制方法由AI神经网络执行，所述AI神经网络通过以下方式调试得到：
确定第一范例物联网设备运行日志、与所述第一范例物联网设备运行日志相对应的第一范例设备运行事件以及所述第一范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题关键词；
调用所述AI神经网络中事先调试的运行日志特征提取单元，对所述第一范例物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的候选运行日志事件描述集；
调用所述AI神经网络中的待进行调试的事件特征提取单元，对所述第一范例设备运行事件进行设备运行事件特征提取，得到所绑定的候选辅助运行事件描述集；所述候选辅助运行事件描述集中的候选辅助运行事件描述与所述第一范例设备运行事件中的业务会话主题对应；
调用所述AI神经网络中的并行局部聚焦单元，逐一确定所述候选辅助运行事件描述集中的每个候选辅助运行事件描述与所述候选运行日志事件描述集中的每个候选运行日志事件描述之间的相关性系数，并结合所述相关性系数，确定每个所述候选辅助运行事件描述所对应业务会话主题的候选全局型设备状态质量表达；
调用所述AI神经网络中的主题翻译单元对每个所述候选全局型设备状态质量表达进行主题翻译，得到所述第一范例设备运行事件中的每个业务会话主题各自所绑定的第一候选业务会话主题描述值；
调用所述第一候选业务会话主题描述值和所述业务会话主题关键词，对所述AI神经网络进行第一调试，直到满足第一调试完成指标时结束。
6.如权利要求5所述的方法，其特征在于，所述确定第一范例物联网设备运行日志、与所述第一范例物联网设备运行日志相对应的第一范例设备运行事件以及所述第一范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题关键词，包括：
确定第一范例物联网设备运行日志、以及与所述第一范例物联网设备运行日志存在联系的基础设备运行事件；所述基础设备运行事件包括不少于一个基础业务会话主题；
基于设定的备用业务会话主题集，对所述基础设备运行事件中的不少于一个基础业务会话主题进行更新，得到所绑定的第一范例设备运行事件；
将所述第一范例设备运行事件中的更新业务会话主题所所绑定的业务会话主题关键词调整为第一语义词向量，并将所述第一范例设备运行事件中的基础业务会话主题所所绑定的业务会话主题关键词调整为第二语义词向量；其中，所述第一语义词向量与所述第二语义词向量存在差异。
7.如权利要求5所述的方法，其特征在于，所述调用所述第一候选业务会话主题描述值和所述业务会话主题关键词，对所述AI神经网络进行第一调试，直到满足第一调试完成指标时结束，包括：
结合所述第一候选业务会话主题描述值、以及所绑定的所述业务会话主题关键词，生成事件特征提取单元性能评价；
调用所述事件特征提取单元性能评价对所述AI神经网络中待进行调试的事件特征提取单元进行第一调试，直到满足第一调试完成指标时结束。
8.如权利要求5所述的方法，其特征在于，在所述第一调试结束后，所述方法还包括：
确定第二范例物联网设备运行日志、与所述第二范例物联网设备运行日志相对应的第二范例设备运行事件、与所述第二范例物联网设备运行日志相对应的运行反馈数据语义词向量以及所述第二范例设备运行事件中的每个业务会话主题各自所绑定的业务会话主题描述值语义词向量；
通过事先调试的AI神经网络，输出所述第二范例物联网设备运行日志的候选运行反馈数据、以及所述第二范例设备运行事件中的每个业务会话主题的第二候选业务会话主题描述值；
结合所述第二候选业务会话主题描述值以及所绑定的所述业务会话主题描述值语义词向量，确定所述AI神经网络的第一性能指标；结合所述候选运行反馈数据以及所述运行反馈数据语义词向量，确定所述AI神经网络的第二性能指标；结合所述第一性能指标和所述第二性能指标，生成所述AI神经网络的性能评价；
调用所述AI神经网络的性能评价对事先调试的所述AI神经网络进行第二调试，直到满足第二调试完成指标时结束。
9.如权利要求5所述的方法，其特征在于，运行日志特征提取单元通过运行日志特征提取单元调试步骤调试获得，所述运行日志特征提取单元调试步骤包括：
确定待进行调试的运行日志分析网络、第三范例物联网设备运行日志以及与所述第三范例物联网设备运行日志相对应的日志语义分析结果；
调用所述运行日志分析网络中的运行日志特征提取单元，对所述第三范例物联网设备运行日志进行物联网设备运行日志特征提取，得到所绑定的特征提取结果集；
调用所述运行日志分析网络中的主题翻译单元，对所述特征提取结果集进行主题翻译，得到所绑定的主题文本表达；
结合所述主题文本表达和所述日志语义分析结果，对所述运行日志分析网络中的运行日志特征提取单元进行第三调试，直到满足第三调试完成指标时结束；
将第三调试结束后所述运行日志分析网络中的运行日志特征提取单元，作为所述AI神经网络中的事先调试的运行日志特征提取单元。
10.一种基于多协议的物联网设备控制系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。
CN202211518146.6A 2022-11-30 2022-11-30 一种基于多协议的物联网设备控制方法及系统 Pending CN116248475A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211518146.6A CN116248475A (zh) 2022-11-30 2022-11-30 一种基于多协议的物联网设备控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211518146.6A CN116248475A (zh) 2022-11-30 2022-11-30 一种基于多协议的物联网设备控制方法及系统

Publications (1)

Publication Number Publication Date
CN116248475A true CN116248475A (zh) 2023-06-09

Family

ID=86631975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211518146.6A Pending CN116248475A (zh) 2022-11-30 2022-11-30 一种基于多协议的物联网设备控制方法及系统

Country Status (1)

Country Link
CN (1) CN116248475A (zh)

Similar Documents

Publication Publication Date Title
US12001514B2 (en) Image classification modeling while maintaining data privacy compliance
US11308942B2 (en) Method and apparatus for operating smart terminal
CN109743311B (zh) 一种WebShell检测方法、装置及存储介质
US8387017B2 (en) Black box testing optimization using information from white box testing
CN110852421A (zh) 模型生成方法和装置
US20200090053A1 (en) Systems and methods for generating and using knowledge graphs
CN111382270A (zh) 基于文本分类器的意图识别方法、装置、设备及存储介质
CN116112746B (zh) 在线教育直播视频压缩方法及系统
US20210192281A1 (en) Management of indexed data to improve content retrieval processing
US10839168B2 (en) Dynamic automation of pipeline creation
KR20220166241A (ko) 데이터 처리 방법, 장치, 전자기기, 저장매체 및 프로그램
US11907863B2 (en) Natural language enrichment using action explanations
CN110716843B (zh) 系统故障分析处理方法、装置、存储介质及电子设备
US9747891B1 (en) Name pronunciation recommendation
US9323793B2 (en) Control data driven modifications and generation of new schema during runtime operations
CN118132305A (zh) 日志分析方法、装置、设备、介质和程序产品
US11941414B2 (en) Unstructured extensions to rpa
CN115481197B (zh) 一种分布式数据处理方法、系统及云平台
CN115473822B (zh) 一种5g智能网关数据传输方法、系统及云平台
CN116248475A (zh) 一种基于多协议的物联网设备控制方法及系统
KR102243258B1 (ko) 텍스트 및 키워드 마이닝을 통한 디버깅을 수행하는 장치 및 그 방법
CN110471708B (zh) 基于可重用组件的配置项获取的方法及装置
CN113220933A (zh) 对音频片段进行分类的方法、装置和电子设备
CN112925889A (zh) 自然语言处理方法、装置、电子设备和存储介质
CN114329209B (zh) 结合创新资源数据的画像分析方法及系统

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