CN116962673B - 一种应用于智能电视主板系统的异常检测方法及系统 - Google Patents
一种应用于智能电视主板系统的异常检测方法及系统 Download PDFInfo
- Publication number
- CN116962673B CN116962673B CN202311219412.XA CN202311219412A CN116962673B CN 116962673 B CN116962673 B CN 116962673B CN 202311219412 A CN202311219412 A CN 202311219412A CN 116962673 B CN116962673 B CN 116962673B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- functional
- error
- knowledge representation
- anomaly
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 96
- 230000005856 abnormality Effects 0.000 title claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 255
- 238000012360 testing method Methods 0.000 claims abstract description 124
- 239000013598 vector Substances 0.000 claims description 75
- 238000011990 functional testing Methods 0.000 claims description 63
- 238000011156 evaluation Methods 0.000 claims description 38
- 230000004044 response Effects 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 238000011056 performance test Methods 0.000 claims description 6
- 230000035515 penetration Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 61
- 238000012512 characterization method Methods 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 11
- 239000004973 liquid crystal related substance Substances 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007849 functional defect Effects 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/04—Diagnosis, testing or measuring for television systems or their details for receivers
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申请提供一种应用于智能电视主板系统的异常检测方法及系统,首先,获取目标系统功能测试数据,并基于目标系统功能测试数据获取X个功能错误实现事件,每个功能错误实现事件都存在先验标定的一个或多个异常根因,接着基于每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,以反映X个功能错误实现事件属于Y个异常根因的表征状态信息。接着根据目标系统功能测试数据生成第二异常知识表征图,以反映目标系统功能测试数据针对各设定功能测试项目的表征状态信息,从而基于第一异常知识表征图以及第二异常知识表征图,确定异常检测数据。由此,可以有效地提高智能电视主板系统的异常检测能力,从而增强其稳定性和可靠性。
Description
技术领域
本申请涉及主板系统检测技术领域,具体而言,涉及一种应用于智能电视主板系统的异常检测方法及系统。
背景技术
在当前的智能电视技术中,主板系统的异常检测是至关重要的。主板是整个智能电视运行的核心,任何一个小小的异常都可能导致整个系统的失效。现有的异常检测方法难以全面反映系统的实际表征状态,导致对系统的测试和监控缺乏全局观念,当出现功能错误实现事件时,需要人工介入查找和标定异常根因,效率低且准确度有待提高。
发明内容
有鉴于此,本申请的目的在于提供一种应用于智能电视主板系统的异常检测方法及系统。
依据本申请的第一方面,提供一种应用于智能电视主板系统的异常检测方法,应用于智能电视主板系统的异常检测系统,所述方法包括:
获取所述智能电视主板系统的目标系统功能测试数据;
基于所述目标系统功能测试数据获取X个功能错误实现事件,每个功能错误实现事件存在先验标定的一个或多个异常根因;
基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,所述第一异常知识表征图反映所述X个功能错误实现事件属于Y个异常根因的表征状态信息;
基于所述目标系统功能测试数据生成第二异常知识表征图,所述第二异常知识表征图反映所述目标系统功能测试数据针对各个设定功能测试项目的表征状态信息,所述设定功能测试项目包括系统输入响应和处理能力测试项目、预期输出测试项目、系统性能测试项目、用例覆盖测试项目、环境配置测试项目、边界条件测试项目、交互流程测试项目中的一种或者多种组合;
基于所述第一异常知识表征图以及所述第二异常知识表征图,确定异常检测数据。
在第一方面的一种可能的实施方式中,所述基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,包括:
基于所述每个功能错误实现事件关联的一个或多个异常根因,统计所述Y个异常根因中每个异常根因关联的第一触发频次;
基于所述Y个异常根因中每个异常根因关联的第一触发频次,确定所述第一异常知识表征图。
在第一方面的一种可能的实施方式中,所述基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,包括:
对所述每个功能错误实现事件关联的一个或多个异常根因进行汇聚,生成第一异常根因序列;
对于该第一异常根因序列中的每个异常根因,获取存在相同异常根因的功能错误实现事件序列;
对于该第一异常根因序列中的每个异常根因,获取所述功能错误实现事件序列中每个功能错误实现事件的第一权重信息,所述第一权重信息包括功能错误实现事件与所述目标系统功能测试数据的特征相关度和/或功能错误实现事件的错误影响系数;
对于该第一异常根因序列中的每个异常根因,基于所述功能错误实现事件序列中每个功能错误实现事件的第一权重信息,确定异常根因置信度;
基于所述第一异常根因序列中每个异常根因关联的异常根因置信度,确定所述第一异常知识表征图。
在第一方面的一种可能的实施方式中,所述基于所述目标系统功能测试数据生成第二异常知识表征图,包括:
将所述目标系统功能测试数据拆分成功能测试运行活动集合,所述功能测试运行活动集合包括Z个功能测试运行活动;
采用功能测试项目库对所述功能测试运行活动集合中的每个功能测试运行活动进行测试结果分析,生成Z个测试评价结果,每个测试评价结果对应于一个功能测试运行活动,所述每个测试评价结果包括N个测试评价向量,所述功能测试项目库包括N个设定功能测试项目;
对所述Z个测试评价结果中对应测试节点上的测试评价向量进行状态计算,生成所述第二异常知识表征图。
在第一方面的一种可能的实施方式中,所述基于所述第一异常知识表征图以及所述第二异常知识表征图,确定异常检测数据,包括:
依据所述第一异常知识表征图,依据所述第一编码器中配置的第一编码特征位图,获取运行错误编码特征,所述第一编码器属于所述异常检测网络;
依据所述运行错误编码特征,依据所述第一编码器中配置的矢量关系配置单元,获取异常根因编码矢量;
依据所述第二异常知识表征图,依据所述第二编码器中配置的第二编码特征位图,获取功能有效性编码特征,所述第二编码器包含于所述异常检测网络;
依据所述功能有效性编码特征,依据所述第二编码器中配置的功能评价单元,获取功能评价编码特征;
依据所述功能评价编码特征,依据所述第二编码器中配置的矢量关系配置单元,获取功能测试编码矢量;
基于所述异常根因编码矢量以及所述功能测试编码矢量,确定目标编码矢量;
依据所述目标编码矢量,依据所述异常检测网络中配置的异常标签预测单元,获取异常标签热力图;
基于所述异常标签热力图确定异常检测数据。
在第一方面的一种可能的实施方式中,所述方法还包括:
获取针对目标主板系统的Q个过往功能错误实现事件,所述目标主板系统为产生所述目标系统功能测试数据的智能电视主板系统,所述Q个过往功能错误实现事件为所述目标主板系统在过往运行阶段内触发过的功能错误实现事件,每个过往功能错误实现事件存在先验标定的一个或多个异常根因;
基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,所述系统异常知识表征图反映所述Q个过往功能错误实现事件属于所述Y个异常根因的置信度映射图;
所述基于所述第一异常知识表征图以及所述第二异常知识表征图,确定异常检测数据,包括:
依据所述第一异常知识表征图,依据异常检测网络中配置的第一编码器,获取异常根因编码矢量;
依据所述第二异常知识表征图,依据所述异常检测网络中配置的第二编码器,获取功能测试编码矢量;
依据所述系统异常知识表征图,依据所述异常检测网络中配置的第一编码特征位图,获取功能调试编码特征;
依据所述功能调试编码特征,依据所述异常检测网络中配置的矢量关系配置单元,获取所述功能错误编码矢量;
基于所述异常根因编码矢量、所述功能测试编码矢量以及所述功能错误编码矢量,确定目标编码矢量;
依据所述目标编码矢量,依据所述异常检测网络中配置的异常标签预测单元,获取异常标签热力图;
基于所述异常标签热力图确定异常检测数据。
在第一方面的一种可能的实施方式中,所述基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,包括:
基于所述每个过往功能错误实现事件关联的一个或多个异常根因,统计所述Y个异常根因中每个异常根因关联的第二触发频次; 基于所述Y个异常根因中每个异常根因关联的第二触发频次,确定所述系统异常知识表征图。
在第一方面的一种可能的实施方式中,所述基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,包括:
对所述每个过往功能错误实现事件关联的一个或多个异常根因进行汇聚,生成第二异常根因序列;
对于该第二异常根因序列中的每个异常根因,获取存在相同异常根因的过往功能错误实现事件序列;
对于该第二异常根因序列中的每个异常根因,获取所述过往功能错误实现事件序列中每个过往功能错误实现事件的第二权重信息,所述第二权重信息包括以下一项或多项:过往功能错误实现事件的渗透跨度,过往功能错误实现事件的触发频次;
对于该第二异常根因序列中的每个异常根因,基于所述过往功能错误实现事件序列中每个过往功能错误实现事件的第二权重信息,确定异常根因置信度;
基于所述第二异常根因序列中每个异常根因关联的异常根因置信度,确定所述系统异常知识表征图。
依据本申请的第二方面,提供一种应用于智能电视主板系统的异常检测系统,所述应用于智能电视主板系统的异常检测系统包括机器可读存储介质及处理器,所述机器可读存储介质存储有机器可执行指令,所述处理器在执行所述机器可执行指令时,该应用于智能电视主板系统的异常检测系统实现前述的应用于智能电视主板系统的异常检测方法。
依据本申请的第三方面,提供提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,当所述计算机可执行指令被执行时,实现前述的应用于智能电视主板系统的异常检测方法。
依据上述任意一个方面,本申请中,首先,获取目标系统功能测试数据,并基于这些数据获取X个功能错误实现事件。每个功能错误实现事件都存在先验标定的一个或多个异常根因。然后,基于每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,该图反映X个功能错误实现事件属于Y个异常根因的表征状态信息。接着,根据目标系统功能测试数据生成第二异常知识表征图,该图反映目标系统功能测试数据针对各设定功能测试项目的表征状态信息,包括系统输入响应和处理能力测试项目、预期输出测试项目、系统性能测试项目、用例覆盖测试项目、环境配置测试项目、边界条件测试项目、交互流程测试项目等。最后,基于第一异常知识表征图以及第二异常知识表征图,确定异常检测数据。通过这种方式,可以有效地提高智能电视主板系统的异常检测能力,从而增强其稳定性和可靠性。
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,还可以依据这些附图获得其它相关的附图。
图1本申请实施例所提供的应用于智能电视主板系统的异常检测方法的流程示意图;
图2示出了本申请实施例所提供的用于实现上述的应用于智能电视主板系统的异常检测方法的应用于智能电视主板系统的异常检测系统的组件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将依据本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了依据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其它操作,也可以从流程图中销毁一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。依据本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本申请保护的范围。
相关技术中,常规的异常检测方式是用遥控器选择液晶电视的信号逐一进行人工识别判断好坏,缺点是容易漏测和误判。或者利用软件设定每一个功能工作时间,人工识别判断,缺点容易误判,测试人员疲劳,效率低的问题。通过液晶主板软件与测试系统做一个数据连接自动识别液晶主板的所有功能进行判定,虽然效率高,误判率低,但是难以有效兼容所有工厂的主板。
本申请中,可通过单独的智能电视主板系统的异常检测系统运行相关的测试软件自动识别每个系统运行功能的测试数据,并进行异常检测,实现通用测试系统。
图1示出了本申请实施例提供的应用于智能电视主板系统的异常检测方法的流程示意图,应当理解,在其它实施例中,本实施例的应用于智能电视主板系统的异常检测方法其中部分步骤的顺序可以依据实际需要相互共享,或者其中的部分步骤也可以省略或维持。该应用于智能电视主板系统的异常检测方法的详细包括:
步骤S101,获取所述智能电视主板系统的目标系统功能测试数据。
例如,为了测试智能电视主板系统的功能,可以使用各种测试工具和设备对其进行测试,并记录测试期间的各种数据,包括用户操作响应时间、视频播放质量指标、网络连接速度等,下面具体进行介绍。
用户界面响应时间:记录用户执行某个操作(例如切换频道、调整音量)后,系统产生响应的时间。例如,用户按下遥控器上的按钮,系统需要在100毫秒内产生相应的动作。
视频播放质量指标:包括视频流畅性、画面清晰度、色彩准确性等方面的数据。例如,检测播放高清视频时是否有卡顿或模糊现象。
网络连接速度:记录网络连接的速度和稳定性。例如,下载文件的速度、浏览网页的加载时间等。
系统输入响应和处理能力测试数据:包括用户操作的响应速度和系统对输入的处理能力。例如,记录从用户按下遥控器按钮到系统执行相应操作所需的时间。
预期输出测试数据:用于验证系统是否按照预期生成正确的输出。例如,通过比较预期的图像显示效果和实际显示的图像,来评估系统的正确性。
系统性能测试数据:涉及系统整体性能的指标,例如启动时间、应用程序的加载速度、内存占用量等。
用例覆盖测试数据:记录执行各种功能测试用例时的情况。例如,每个测试用例的执行结果、通过率和失败原因。
环境配置测试数据:包括系统在不同环境配置下的性能和兼容性数据。例如,不同分辨率、不同网络接入方式、不同操作系统版本等。
边界条件测试数据:涉及系统在边界条件下的行为和性能。例如,最大音量或最小亮度下的表现、输入超出范围时的处理能力等。
交互流程测试数据:记录系统在不同交互流程下的行为和响应。例如,用户切换频道、进入设置菜单并进行更改等过程中的状态信息。
值得说明的是,具体的数据类型和指标会根据智能电视主板系统的特定需求和测试目标而有所差异。
步骤S102,基于所述目标系统功能测试数据获取X个功能错误实现事件,每个功能错误实现事件存在先验标定的一个或多个异常根因。
例如,在分析目标系统功能测试数据时,可能会检测到相对应的功能错误实现事件,如用户界面无响应、画面显示异常、Wi-Fi连接中断等。每个功能错误实现事件都被记录下来,并与对应的目标系统功能测试数据相关联。
在智能电视主板系统的功能测试过程中,当出现功能错误实现事件时,每个功能错误实现事件可能都有一个或多个先验标定的异常根因。这意味着在先前的经验和知识基础上,已经确定了可能导致该功能错误的异常根因。
例如,假设在智能电视主板系统的功能测试中,一个功能错误实现事件是用户界面无响应。在之前的经验和知识中,测试团队已经标定了几个可能导致这个问题的异常根因。例如:
软件代码错误:可能由于某些代码逻辑错误导致用户界面无法响应用户操作。
内存不足:功能错误实现事件中的内存资源耗尽,导致无法处理用户界面的请求和交互。
数据传输问题:与用户界面相关的数据在传输过程中出现错误或丢失,导致无法正确显示或响应。
在这个例子中,针对用户界面无响应的功能错误实现事件,存在先验标定的异常根因(软件代码错误、内存不足、数据传输问题),这些异常根因是基于以往的经验和知识得出的。测试人员根据这些先验标定的异常根因,可以进一步分析和排查具体的异常原因,并采取相应的措施来修复问题,保证用户界面的正常运行。
步骤S103,基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,所述第一异常知识表征图反映所述X个功能错误实现事件属于Y个异常根因的表征状态信息。
例如,对于每个功能错误实现事件,可以通过分析找出可能的异常根因。例如,用户界面无响应可能是由于软件代码错误、内存泄漏或数据传输问题引起的。这些异常根因与相应的功能错误实现事件相关联,并形成第一异常知识表征图,其中记录了异常根因和其在功能错误实现事件中的表征状态信息。
所述的第一异常知识表征图是一种图形化表示,用于反映X个功能错误实现事件与Y个异常根因之间的关联和表征状态信息。
具体来说,第一异常知识表征图可以包含以下内容:
功能错误实现事件:图中列出了发生的各个功能错误实现事件,如用户界面无响应、画面显示异常等。
异常根因:图中标明了与每个功能错误实现事件相关联的异常根因。例如,对于用户界面无响应的事件,可能关联的异常根因有软件代码错误、内存不足、数据传输问题等。
表征状态信息:对于每个异常根因,图中可能包含有关其表征状态信息的附加细节。这些细节可以是先验的或以前记录的经验知识,描述异常根因在功能错误实现事件中的影响和特征。例如,对于软件代码错误这个异常根因,表征状态信息可能包括导致用户界面无响应的具体代码部分或错误行为。
通过第一异常知识表征图,可以获知每个功能错误实现事件背后的异常根因,并根据表征状态信息进一步分析和排查问题。这有助于提供针对性的解决方案和改进措施,以解决异常根因并提升系统的功能实现质量。
步骤S104,基于所述目标系统功能测试数据生成第二异常知识表征图,所述第二异常知识表征图反映所述目标系统功能测试数据针对各个设定功能测试项目的表征状态信息。
本实施例中,所述设定功能测试项目包括系统输入响应和处理能力测试项目、预期输出测试项目、系统性能测试项目、用例覆盖测试项目、环境配置测试项目、边界条件测试项目、交互流程测试项目中的一种或者多种组合。
所述的第二异常知识表征图是一种图形化表示,用于反映目标系统功能测试数据针对各个设定功能测试项目的表征状态信息。
具体来说,第二异常知识表征图可以包含以下内容:
设定功能测试项目:图中列出了进行功能测试时所设定的不同测试项目。这些项目可以是针对系统性能、用户体验、输入响应等方面的测试,根据具体需求而定。例如,系统输入响应和处理能力测试、视频播放质量测试等。
表征状态信息:对于每个设定功能测试项目,图中可能包含有关其表征状态信息的细节。这些信息描述了在功能测试中要关注的指标、预期范围或标准。例如,对于系统输入响应和处理能力测试,表征状态信息可能包括用户操作响应时间的预期范围、菜单导航流畅性的评估标准等。
通过第二异常知识表征图,可以获知每个设定功能测试项目的表征状态信息,以及其在功能测试数据中的体现情况。可以将测试数据与表征状态信息进行比较,找出超出预期范围或不符合标准的情况,从而确定潜在的异常或问题。这有助于及早发现和解决系统中的功能缺陷或性能问题,并提供改进建议以提升系统的质量和用户体验。
步骤S105,基于所述第一异常知识表征图以及所述第二异常知识表征图,确定异常检测数据。
基于以上步骤,首先,获取目标系统功能测试数据,并基于这些数据获取X个功能错误实现事件。每个功能错误实现事件都存在先验标定的一个或多个异常根因。然后,基于每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,该图反映X个功能错误实现事件属于Y个异常根因的表征状态信息。接着,根据目标系统功能测试数据生成第二异常知识表征图,该图反映目标系统功能测试数据针对各设定功能测试项目的表征状态信息,包括系统输入响应和处理能力测试项目、预期输出测试项目、系统性能测试项目、用例覆盖测试项目、环境配置测试项目、边界条件测试项目、交互流程测试项目等。最后,基于第一异常知识表征图以及第二异常知识表征图,确定异常检测数据。通过这种方式,可以有效地提高智能电视主板系统的异常检测能力,从而增强其稳定性和可靠性。
在一种可能的实施方式中,步骤S103中,基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,包括:
步骤S1031,基于所述每个功能错误实现事件关联的一个或多个异常根因,统计所述Y个异常根因中每个异常根因关联的第一触发频次。
步骤S1032,基于所述Y个异常根因中每个异常根因关联的第一触发频次,确定所述第一异常知识表征图。
例如,在测试过程中,可以记录每个功能错误实现事件和其关联的异常根因。统计分析这些记录,并计算各个异常根因第一触发的频次。例如,在所有出现用户界面无响应的情况中,统计软件代码错误、内存不足、数据传输问题等异常根因各自首次出现的次数。然后,可以将每个异常根因及其关联的第一触发频次表示在第一异常知识表征图中,以柱状图或其他可视化方式展示各个异常根因的第一触发频次,帮助了解哪些异常根因首次出现的频率较高,可能对系统功能实现产生重要影响。
由此,在用户界面无响应这个功能错误实现事件中,通过以上三个步骤,可以创建一个第一异常知识表征图,其中包括与该事件关联的异常根因、异常根因的表征状态信息以及每个异常根因的第一触发频次数据。这有助于理解问题的本质和优先处理具有高频次的异常根因,以改进系统质量。
在另一种可能的实施方式中,步骤S103中,所述基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,包括:
步骤S1033,对所述每个功能错误实现事件关联的一个或多个异常根因进行汇聚,生成第一异常根因序列。
步骤S1034,对于该第一异常根因序列中的每个异常根因,获取存在相同异常根因的功能错误实现事件序列。
步骤S1035,对于该第一异常根因序列中的每个异常根因,获取所述功能错误实现事件序列中每个功能错误实现事件的第一权重信息,所述第一权重信息包括功能错误实现事件与所述目标系统功能测试数据的特征相关度和/或功能错误实现事件的错误影响系数。
步骤S1036,对于该第一异常根因序列中的每个异常根因,基于所述功能错误实现事件序列中每个功能错误实现事件的第一权重信息,确定异常根因置信度。
步骤S1036,基于所述第一异常根因序列中每个异常根因关联的异常根因置信度,确定所述第一异常知识表征图。
例如,可以将针对同一个功能错误实现事件的不同异常根因进行汇聚,形成一个包含所有异常根因的第一异常根因序列。针对第一异常根因序列中的每个异常根因,检索测试数据,找出所有与该异常根因相关的功能错误实现事件。这些事件组成了该异常根因的功能错误实现事件序列。
在此基础上,上述的第一权重信息可以根据特定的评估标准或算法来确定。例如,可以使用相关度分析方法计算每个功能错误实现事件与目标系统功能测试数据的特征相关度。另外,也可以考虑功能错误实现事件的错误影响系数,衡量其对系统整体性能或用户体验的影响程度。
由此,基于功能错误实现事件序列中每个事件的第一权重信息,可以计算每个异常根因的置信度。具体的计算方法取决于所选的算法或评估标准。例如,可以将异常根因置信度定义为功能错误实现事件序列中每个事件的第一权重信息的平均值或加权平均值。
进而,基于异常根因置信度,可以构建第一异常知识表征图。该第一异常知识表征图可使用柱状图、饼图或其他可视化方式展示每个异常根因及其对应的置信度。这样可以直观地了解每个异常根因在功能错误实现事件中的重要性和相关程度。
在一种可能的实施方式中,步骤S104中,基于所述目标系统功能测试数据生成第二异常知识表征图,包括:
步骤S1041,将所述目标系统功能测试数据拆分成功能测试运行活动集合,所述功能测试运行活动集合包括Z个功能测试运行活动。
步骤S1042,采用功能测试项目库对所述功能测试运行活动集合中的每个功能测试运行活动进行测试结果分析,生成Z个测试评价结果。
本实施例中,每个测试评价结果对应于一个功能测试运行活动,所述每个测试评价结果包括N个测试评价向量,所述功能测试项目库包括N个设定功能测试项目。例如,对于每个功能测试运行活动,根据功能测试项目库中的设定功能测试项目,生成相应的测试评价结果。每个测试评价结果包括多个评价向量,用于描述该功能测试运行活动的不同方面的测试结果。
步骤S1043,对所述Z个测试评价结果中对应测试节点上的测试评价向量进行状态计算,生成所述第二异常知识表征图。
对于第二异常知识表征图的生成,需要对每个测试节点上的测试评价向量进行状态计算。这可以基于预定义的状态计算方法,例如统计数量、百分比、平均值等。通过对测试评价向量的状态计算,可以得到对应的状态数据,进而构建第二异常知识表征图。
在一种可能的实施方式中,步骤S105中,基于所述第一异常知识表征图以及所述第二异常知识表征图,确定异常检测数据,包括:
步骤S1051,依据所述第一异常知识表征图,依据所述第一编码器中配置的第一编码特征位图,获取运行错误编码特征,所述第一编码器属于所述异常检测网络。
例如,例如,在异常检测网络中的第一编码器使用先前配置的第一编码特征位图,从第一异常知识表征图中表征的视频播放过程中的运行错误数据中提取编码特征。例如,可以提取出视频卡顿、画面模糊或无法播放的错误特征。
步骤S1052,依据所述运行错误编码特征,依据所述第一编码器中配置的矢量关系配置单元,获取异常根因编码矢量。
例如,使用第一编码器中配置的矢量关系配置单元,将运行错误编码特征转换为异常根因编码矢量。例如,在视频播放过程中,发现视频卡顿可能是由于网络连接速度慢、缓冲区问题或解码器错误等异常根因引起的。
步骤S1053,依据所述第二异常知识表征图,依据所述第二编码器中配置的第二编码特征位图,获取功能有效性编码特征,所述第二编码器包含于所述异常检测网络。
例如,在异常检测网络中的第二编码器使用预先配置的第二编码特征位图,从用户界面响应时间和视频播放质量指标中提取编码特征。例如,可以提取出用户界面响应时间过长、视频卡顿或画面模糊等功能有效性方面的特征。
步骤S1054,依据所述功能有效性编码特征,依据所述第二编码器中配置的功能评价单元,获取功能评价编码特征。
例如,使用第二编码器中配置的功能评价单元,将功能有效性编码特征转换为功能评价编码特征。例如,在用户界面响应时间方面,根据功能有效性编码特征评估了响应时间是否符合预期的标准。
步骤S1055,依据所述功能评价编码特征,依据所述第二编码器中配置的矢量关系配置单元,获取功能测试编码矢量。
例如,使用第二编码器中配置的矢量关系配置单元,将功能评价编码特征转换为功能测试编码矢量。例如,在用户界面响应时间方面,将功能评价编码特征与异常根因编码矢量结合,以确定是否存在响应时间异常的情况。
步骤S1056,基于所述异常根因编码矢量以及所述功能测试编码矢量,确定目标编码矢量。
例如,将异常根因编码矢量和功能测试编码矢量进行组合,得到目标编码矢量。例如,在视频播放过程中,将网络连接速度慢的异常根因编码矢量与视频卡顿的功能测试编码矢量进行组合,以检测网络连接速度导致的视频卡顿异常。
步骤S1057,依据所述目标编码矢量,依据所述异常检测网络中配置的异常标签预测单元,获取异常标签热力图。
例如,使用异常检测网络中配置的异常标签预测单元,根据目标编码矢量预测异常标签,并生成异常标签热力图。该热力图可以显示出不同区域存在异常的强度和分布情况。例如,热力图可能显示网络连接速度较慢引起的视频卡顿在某个特定区域更为严重。
步骤S1058,基于所述异常标签热力图确定异常检测数据。
例如,根据异常标签热力图的结果,可以确定哪些数据被分类为异常。对于的例子而言,检测到的异常数据可能包括视频卡顿的时间段、网络连接速度过慢的时间段等。这些数据将被作为异常检测数据用于进一步的分析和处理。
由此,在智能电视主板系统的异常检测中,基于异常知识表征图提取运行错误编码特征和功能有效性编码特征,将其转换为异常根因编码矢量和功能测试编码矢量。然后,通过组合这些编码矢量,得到目标编码矢量,并利用异常标签预测单元生成异常标签热力图。最后,根据热力图确定异常检测数据,以便进行进一步的分析和处理,从而提高智能电视主板系统的功能实现质量和用户体验。
在另一种可能的实施方式中,本实施例提供的方法还包括:
步骤S110,获取针对目标主板系统的Q个过往功能错误实现事件,所述目标主板系统为产生所述目标系统功能测试数据的智能电视主板系统,所述Q个过往功能错误实现事件为所述目标主板系统在过往运行阶段内触发过的功能错误实现事件,每个过往功能错误实现事件存在先验标定的一个或多个异常根因。
步骤S120,基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,所述系统异常知识表征图反映所述Q个过往功能错误实现事件属于所述Y个异常根因的置信度映射图。
步骤S105还可以包括:
1、依据所述第一异常知识表征图,依据异常检测网络中配置的第一编码器,获取异常根因编码矢量。
2、依据所述第二异常知识表征图,依据所述异常检测网络中配置的第二编码器,获取功能测试编码矢量。
3、依据所述系统异常知识表征图,依据所述异常检测网络中配置的第一编码特征位图,获取功能调试编码特征。
4、依据所述功能调试编码特征,依据所述异常检测网络中配置的矢量关系配置单元,获取所述功能错误编码矢量。
5、基于所述异常根因编码矢量、所述功能测试编码矢量以及所述功能错误编码矢量,确定目标编码矢量。
6、依据所述目标编码矢量,依据所述异常检测网络中配置的异常标签预测单元,获取异常标签热力图。
7、基于所述异常标签热力图确定异常检测数据。
在一种可能的实施方式中,基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,包括:基于所述每个过往功能错误实现事件关联的一个或多个异常根因,统计所述Y个异常根因中每个异常根因关联的第二触发频次。 基于所述Y个异常根因中每个异常根因关联的第二触发频次,确定所述系统异常知识表征图。
在一种可能的实施方式中,基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,包括:对所述每个过往功能错误实现事件关联的一个或多个异常根因进行汇聚,生成第二异常根因序列。对于该第二异常根因序列中的每个异常根因,获取存在相同异常根因的过往功能错误实现事件序列。对于该第二异常根因序列中的每个异常根因,获取所述过往功能错误实现事件序列中每个过往功能错误实现事件的第二权重信息,所述第二权重信息包括以下一项或多项:过往功能错误实现事件的渗透跨度,过往功能错误实现事件的触发频次。
对于该第二异常根因序列中的每个异常根因,基于所述过往功能错误实现事件序列中每个过往功能错误实现事件的第二权重信息,确定异常根因置信度,基于所述第二异常根因序列中每个异常根因关联的异常根因置信度,确定所述系统异常知识表征图。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的应用于智能电视主板系统的异常检测系统100。
对于一个实施例,图2示出了应用于智能电视主板系统的异常检测系统100,该应用于智能电视主板系统的异常检测系统100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVM)/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110,和被耦合到控制模块104的网络接口112。
处理器102可包括一个或多个单核或多核处理器,处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一种可替代的实施方式中,应用于智能电视主板系统的异常检测系统100能够作为本申请实施例中所述网关等服务器设备。
一种可替代的实施方式中,应用于智能电视主板系统的异常检测系统100可包括具有指令114的一个或多个计算机可读介质(例如,存储器106或NVM/存储设备108)和与该一个或多个计算机可读介质相汇聚被配置为执行指令114以实现模块从而执行本公开中所述的动作的一个或多个处理器102。
对于一个实施例,控制模块104可包括任意适当的接口控制器,以向(一个或多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
控制模块104可包括存储器控制器模块,以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器106可被用于例如为应用于智能电视主板系统的异常检测系统100加载和存储数据和/或指令114。对于一个实施例,存储器106可包括任意适当的易失性存储器,例如,适当的DRAM。一种可替代的实施方式中,存储器106可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块104可包括一个或多个输入/输出控制器,以向NVM/存储设备108及(一个或多个)输入/输出设备110提供接口。
例如,NVM/存储设备108可被用于存储数据和/或指令114。NVM/存储设备108可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备108可包括在物理上作为应用于智能电视主板系统的异常检测系统100被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备108可依据网络经由(一个或多个)输入/输出设备110进行访问。
(一个或多个)输入/输出设备110可为应用于智能电视主板系统的异常检测系统100提供接口以与任意其它适当的设备通信,输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为应用于智能电视主板系统的异常检测系统100提供接口以依据一个或多个网络通信,应用于智能电视主板系统的异常检测系统100可依据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入依据通信标准的无线网络,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器(例如,存储器控制器模块)的逻辑加载在一起。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑加载在一起以形成系统级加载。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,应用于智能电视主板系统的异常检测系统100可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,应用于智能电视主板系统的异常检测系统100可具有更多或更少的组件和/或不同的架构。例如,一种可替代的实施方式中,应用于智能电视主板系统的异常检测系统100包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (7)
1.一种应用于智能电视主板系统的异常检测方法,其特征在于,应用于智能电视主板系统的异常检测系统,所述方法包括:
获取所述智能电视主板系统的目标系统功能测试数据;
基于所述目标系统功能测试数据获取X个功能错误实现事件,每个功能错误实现事件存在先验标定的一个或多个异常根因;
基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,所述第一异常知识表征图反映所述X个功能错误实现事件属于Y个异常根因的表征状态信息;
基于所述目标系统功能测试数据生成第二异常知识表征图,所述第二异常知识表征图反映所述目标系统功能测试数据针对各个设定功能测试项目的表征状态信息,所述设定功能测试项目包括系统输入响应和处理能力测试项目、预期输出测试项目、系统性能测试项目、用例覆盖测试项目、环境配置测试项目、边界条件测试项目、交互流程测试项目中的一种或者多种组合;
基于所述第一异常知识表征图以及所述第二异常知识表征图,确定异常检测数据;
所述基于所述第一异常知识表征图以及所述第二异常知识表征图,确定异常检测数据,包括:
依据所述第一异常知识表征图,依据第一编码器中配置的第一编码特征位图,获取运行错误编码特征,所述第一编码器属于异常检测网络;
依据所述运行错误编码特征,依据所述第一编码器中配置的矢量关系配置单元,获取异常根因编码矢量;
依据所述第二异常知识表征图,依据第二编码器中配置的第二编码特征位图,获取功能有效性编码特征,所述第二编码器包含于所述异常检测网络;
依据所述功能有效性编码特征,依据所述第二编码器中配置的功能评价单元,获取功能评价编码特征;
依据所述功能评价编码特征,依据所述第二编码器中配置的矢量关系配置单元,获取功能测试编码矢量;
基于所述异常根因编码矢量以及所述功能测试编码矢量,确定目标编码矢量;
依据所述目标编码矢量,依据所述异常检测网络中配置的异常标签预测单元,获取异常标签热力图;
基于所述异常标签热力图确定异常检测数据。
2.根据权利要求1所述的应用于智能电视主板系统的异常检测方法,其特征在于,所述基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,包括:
基于所述每个功能错误实现事件关联的一个或多个异常根因,统计所述Y个异常根因中每个异常根因关联的第一触发频次;
基于所述Y个异常根因中每个异常根因关联的第一触发频次,确定所述第一异常知识表征图。
3.根据权利要求1所述的应用于智能电视主板系统的异常检测方法,其特征在于,所述基于所述每个功能错误实现事件关联的一个或多个异常根因,确定第一异常知识表征图,包括:
对所述每个功能错误实现事件关联的一个或多个异常根因进行汇聚,生成第一异常根因序列;
对于该第一异常根因序列中的每个异常根因,获取存在相同异常根因的功能错误实现事件序列;
对于该第一异常根因序列中的每个异常根因,获取所述功能错误实现事件序列中每个功能错误实现事件的第一权重信息,所述第一权重信息包括功能错误实现事件与所述目标系统功能测试数据的特征相关度和/或功能错误实现事件的错误影响系数;
对于该第一异常根因序列中的每个异常根因,基于所述功能错误实现事件序列中每个功能错误实现事件的第一权重信息,确定异常根因置信度;
基于所述第一异常根因序列中每个异常根因关联的异常根因置信度,确定所述第一异常知识表征图。
4.根据权利要求1所述的应用于智能电视主板系统的异常检测方法,其特征在于,所述基于所述目标系统功能测试数据生成第二异常知识表征图,包括:
将所述目标系统功能测试数据拆分成功能测试运行活动集合,所述功能测试运行活动集合包括Z个功能测试运行活动;
采用功能测试项目库对所述功能测试运行活动集合中的每个功能测试运行活动进行测试结果分析,生成Z个测试评价结果,每个测试评价结果对应于一个功能测试运行活动,所述每个测试评价结果包括N个测试评价向量,所述功能测试项目库包括N个设定功能测试项目;
对所述Z个测试评价结果中对应测试节点上的测试评价向量进行状态计算,生成所述第二异常知识表征图,其中,所述状态计算基于预定义的状态计算方法,包括统计数量、百分比或者平均值。
5.根据权利要求1所述的应用于智能电视主板系统的异常检测方法,其特征在于,所述方法还包括:
获取针对目标主板系统的Q个过往功能错误实现事件,所述目标主板系统为产生所述目标系统功能测试数据的智能电视主板系统,所述Q个过往功能错误实现事件为所述目标主板系统在过往运行阶段内触发过的功能错误实现事件,每个过往功能错误实现事件存在先验标定的一个或多个异常根因;
基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,所述系统异常知识表征图反映所述Q个过往功能错误实现事件属于所述Y个异常根因的置信度映射图;
所述基于所述第一异常知识表征图以及所述第二异常知识表征图,确定异常检测数据,包括:
依据所述第一异常知识表征图,依据异常检测网络中配置的第一编码器,获取异常根因编码矢量;
依据所述第二异常知识表征图,依据所述异常检测网络中配置的第二编码器,获取功能测试编码矢量;
依据所述系统异常知识表征图,依据所述异常检测网络中配置的第一编码特征位图,获取功能调试编码特征;
依据所述功能调试编码特征,依据所述异常检测网络中配置的矢量关系配置单元,获取功能错误编码矢量;
基于所述异常根因编码矢量、所述功能测试编码矢量以及所述功能错误编码矢量,确定目标编码矢量;
依据所述目标编码矢量,依据所述异常检测网络中配置的异常标签预测单元,获取异常标签热力图;
基于所述异常标签热力图确定异常检测数据;
所述基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,包括:
对所述每个过往功能错误实现事件关联的一个或多个异常根因进行汇聚,生成第二异常根因序列;
对于该第二异常根因序列中的每个异常根因,获取存在相同异常根因的过往功能错误实现事件序列;
对于该第二异常根因序列中的每个异常根因,获取所述过往功能错误实现事件序列中每个过往功能错误实现事件的第二权重信息,所述第二权重信息包括以下一项或多项:过往功能错误实现事件的渗透跨度,过往功能错误实现事件的触发频次;
对于该第二异常根因序列中的每个异常根因,基于所述过往功能错误实现事件序列中每个过往功能错误实现事件的第二权重信息,确定异常根因置信度;
基于所述第二异常根因序列中每个异常根因关联的异常根因置信度,确定所述系统异常知识表征图。
6.根据权利要求5所述的应用于智能电视主板系统的异常检测方法,其特征在于,所述基于所述每个过往功能错误实现事件关联的一个或多个异常根因,确定系统异常知识表征图,包括:
基于所述每个过往功能错误实现事件关联的一个或多个异常根因,统计所述Y个异常根因中每个异常根因关联的第二触发频次;
基于所述Y个异常根因中每个异常根因关联的第二触发频次,确定所述系统异常知识表征图。
7.一种应用于智能电视主板系统的异常检测系统,其特征在于,包括处理器以及计算机可读存储介质,所述计算机可读存储介质存储有机器可执行指令,所述机器可执行指令被处理器执行时实现权利要求1-6中任意一项所述的应用于智能电视主板系统的异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219412.XA CN116962673B (zh) | 2023-09-21 | 2023-09-21 | 一种应用于智能电视主板系统的异常检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219412.XA CN116962673B (zh) | 2023-09-21 | 2023-09-21 | 一种应用于智能电视主板系统的异常检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116962673A CN116962673A (zh) | 2023-10-27 |
CN116962673B true CN116962673B (zh) | 2023-12-15 |
Family
ID=88462473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311219412.XA Active CN116962673B (zh) | 2023-09-21 | 2023-09-21 | 一种应用于智能电视主板系统的异常检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116962673B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114422325A (zh) * | 2021-12-30 | 2022-04-29 | 优刻得科技股份有限公司 | 内容分发网络异常定位方法、装置、设备及存储介质 |
CN114430365A (zh) * | 2022-04-06 | 2022-05-03 | 北京宝兰德软件股份有限公司 | 故障根因分析方法、装置、电子设备和存储介质 |
CN114598539A (zh) * | 2022-03-16 | 2022-06-07 | 京东科技信息技术有限公司 | 根因定位方法、装置、存储介质及电子设备 |
CN115729796A (zh) * | 2022-12-23 | 2023-03-03 | 许伟 | 基于人工智能的异常操作分析方法及大数据应用系统 |
CN116418653A (zh) * | 2023-03-17 | 2023-07-11 | 圣麦克思智能科技(江苏)有限公司 | 基于多指标根因定位算法的故障定位方法及装置 |
CN116600329A (zh) * | 2023-06-14 | 2023-08-15 | 杭州东方通信软件技术有限公司 | 一种消息错误识别码定界方法及装置 |
CN116594364A (zh) * | 2023-06-13 | 2023-08-15 | 宁夏迎福食品科技有限公司 | 基于预制菜生产控制系统的优化方法及系统 |
CN116595756A (zh) * | 2023-05-16 | 2023-08-15 | 平安银行股份有限公司 | 基于数字孪生的数据中心智能化运维方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230102786A1 (en) * | 2021-09-24 | 2023-03-30 | Bmc Software, Inc. | Ccontinuous knowledge graph generation using causal event graph feedback |
-
2023
- 2023-09-21 CN CN202311219412.XA patent/CN116962673B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114422325A (zh) * | 2021-12-30 | 2022-04-29 | 优刻得科技股份有限公司 | 内容分发网络异常定位方法、装置、设备及存储介质 |
CN114598539A (zh) * | 2022-03-16 | 2022-06-07 | 京东科技信息技术有限公司 | 根因定位方法、装置、存储介质及电子设备 |
CN114430365A (zh) * | 2022-04-06 | 2022-05-03 | 北京宝兰德软件股份有限公司 | 故障根因分析方法、装置、电子设备和存储介质 |
CN115729796A (zh) * | 2022-12-23 | 2023-03-03 | 许伟 | 基于人工智能的异常操作分析方法及大数据应用系统 |
CN116418653A (zh) * | 2023-03-17 | 2023-07-11 | 圣麦克思智能科技(江苏)有限公司 | 基于多指标根因定位算法的故障定位方法及装置 |
CN116595756A (zh) * | 2023-05-16 | 2023-08-15 | 平安银行股份有限公司 | 基于数字孪生的数据中心智能化运维方法及装置 |
CN116594364A (zh) * | 2023-06-13 | 2023-08-15 | 宁夏迎福食品科技有限公司 | 基于预制菜生产控制系统的优化方法及系统 |
CN116600329A (zh) * | 2023-06-14 | 2023-08-15 | 杭州东方通信软件技术有限公司 | 一种消息错误识别码定界方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于知识图谱和多任务学习的工业生产关键设备故障诊断方法;卞嘉楠 等;《中国科学:信息科学》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116962673A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107509107B (zh) | 视频播放故障的检测方法、装置及设备、可读介质 | |
US9354996B2 (en) | System test apparatus | |
CN116340076B (zh) | 硬盘性能测试方法、装置及介质 | |
CN109302423B (zh) | 一种漏洞扫描能力测试方法和装置 | |
CN110764986B (zh) | 页面流畅度检测方法及装置 | |
CN108322737B (zh) | 摄像帧率测量方法和装置 | |
CN112035314A (zh) | 内存泄漏的监控方法、装置及电子设备 | |
CN114490375A (zh) | 应用程序的性能测试方法、装置、设备及存储介质 | |
CN114911706A (zh) | 用例推荐方法、装置、设备及存储介质 | |
CN116962673B (zh) | 一种应用于智能电视主板系统的异常检测方法及系统 | |
CN112153375B (zh) | 基于视频信息的前端性能测试方法、装置、设备及介质 | |
CN107153601B (zh) | 单元性能测试方法及设备 | |
CN111708704B (zh) | 一种云真机测试方法、装置、终端及存储介质 | |
WO2017095362A1 (en) | Generating application flow entities | |
CN112817869A (zh) | 测试方法、装置、介质及电子设备 | |
CN106708705B (zh) | 终端后台进程监控方法和系统 | |
CN111694735A (zh) | 一种页面性能测试方法、装置、电子设备及存储介质 | |
JP6375200B2 (ja) | 計算機システムの異常予兆検出装置および方法 | |
CN114048085B (zh) | 一种磁盘故障分析方法、装置、设备及可读存储介质 | |
CN110502416B (zh) | 应用卡顿检测方法、装置、计算机设备及可读介质 | |
CN108021478B (zh) | 一种图形处理器鲁棒性测试方法 | |
US20210397506A1 (en) | Localization of potential issues to objects | |
CN115426534A (zh) | 视频流质量检测方法、装置、设备及存储介质 | |
Frajberg et al. | A testing framework for multi-sensor mobile applications | |
CN111506488B (zh) | 一种应用页面响应测试方法及装置 |
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 |