WO2023130960A1 - 服务资源确定方法、装置及服务资源确定系统 - Google Patents
服务资源确定方法、装置及服务资源确定系统 Download PDFInfo
- Publication number
- WO2023130960A1 WO2023130960A1 PCT/CN2022/140629 CN2022140629W WO2023130960A1 WO 2023130960 A1 WO2023130960 A1 WO 2023130960A1 CN 2022140629 W CN2022140629 W CN 2022140629W WO 2023130960 A1 WO2023130960 A1 WO 2023130960A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- service resource
- information
- node
- analyzed
- resource information
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种服务资源确定方法,包括:获取待分析服务资源信息和第一服务资源信息,待分析服务资源信息包括服务资源节点信息(S210);基于第一服务资源信息,构建图形数据库(S220);当服务资源节点信息属于第一服务资源信息的情况下,基于服务资源节点信息和图形数据库,利用知识表示模型确定对应目标服务资源节点信息(S230)。解决了现有技术中耗费人力物力、工作效率低及影响产品质量的问题。 (图2)
Description
相关申请的交叉引用
本申请要求于2022年05月12日提交的申请号为202210517953.X、名称为“服务资源确定方法、装置及服务资源确定系统”和2022年01月07日提交的申请号为202210016249.6、名称为“NFT数据交易、交易核实方法、装置、存储介质及设备”的中国专利申请的优先权,该中国专利申请的全部内容通过引用全部并入全文。
本公开涉及信息处理技术领域,具体而言,涉及一种服务资源确定方法、装置及服务资源确定系统。
服务资源是电信网络运营系统中的重要组成部分,是形成服务产品的基础。各类服务资源之间具有各种错综复杂的关联关系,在服务产品的创建过程中,需要对各个服务资源及其关联关系进行信息筛选和优化。
相关技术中,大都是依靠相关业务专家从各类数据文件中进行人工筛选,以为服务产品的构建做准备。但是这种人工筛选方式需要耗费大量的人力和物力,且工作效率非常低,不利于产品快速上线。此外,当面对较大规模的数据时,很难通过人工筛选获得理想结果,影响产品质量。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
根据本公开的第一方面,提供了一种服务资源确定方法,所述方法包括:获取待分析服务资源信息和第一服务资源信息,所述待分析服务资源信息包括服务资源节点信息;基于所述第一服务资源信息,构建图形数据库;当所述服务资源节点信息属于第一服务资源信息的情况下,基于所述服务资源节 点信息和所述图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
在本公开的一种示例性实施例中,基于前述方案,所述构建图形数据库包括:获取第二服务资源信息;基于所述第一服务资源信息和所述第二服务资源信息,构建服务资源对象节点文件和各节点之间关联关系文件;基于所述服务资源对象节点文件和所述关联关系文件,形成结构化数据,并将所述结构化数据存于图形数据库。
在本公开的一种示例性实施例中,基于前述方案,所述方法还包括:对各类业务文本进行分词处理,以获取第一服务资源信息。
在本公开的一种示例性实施例中,基于前述方案,所述知识表示模型的训练过程包括:基于所述第二服务资源信息,抽取对应的三元组信息,形成训练数据;所述三元组信息包括头节点、尾节点及头节点与尾节点之间的关联关系;对所述训练数据中的头节点、尾节点及关联关系分别进行向量化处理;基于头节点对应向量、尾节点对应向量和关联关系对应向量,计算损失函数值;基于所述损失函数值,更新头节点对应向量的参数、尾节点对应向量的参数和关联关系对应向量的参数。
在本公开的一种示例性实施例中,基于前述方案,所述待分析服务资源信息包括待分析三元组节点信息中的两个;所述利用知识表示模型确定对应目标服务资源节点信息,包括:对所述待分析三元组节点信息中的两个节点信息分别进行向量化表示;基于向量化表示的两个节点信息,利用目标函数计算所述待分析三元组信息中的剩余一个节点信息的对应向量,以获得目标服务资源向量;基于所述目标服务资源向量,确定目标服务资源节点信息。
在本公开的一种示例性实施例中,基于前述方案,所述方法还包括:向终端设备发送所述目标服务资源信息,以使终端设备展示所述目标服务资源信息。
根据本公开的第二方面,提供了一种服务资源确定系统,包括:用户终端和服务器端,所述用户端,用于输入待分析服务资源信息;服务器端,用于获取待分析服务资源信息和第一服务资源信息,所述待分析服务资源信息包括服务资源节点信息;基于所述第一服务资源信息,构建图形数据库;当所述服务资源节点信息属于第一服务资源信息的情况下,基于所述服务资源 节点信息和所述图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
根据本公开的第三方面,一种服务资源确定装置,所述装置包括:第一获取模块、构建模块、预测模块,第一获取模块,用于获取待分析服务资源信息和第一服务资源信息,所述待分析服务资源信息包括服务资源节点信息;构建模块,用于基于所述第一服务资源信息,构建图形数据库;预测模块,用于当所述服务资源节点信息属于第一服务资源信息的情况下,基于所述服务资源节点信息和所述图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的方法。
根据本公开的第五方面,提供一种网络设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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的附图。
图1示意性示出了根据本公开的一个实施例示例性应用场景架构示意图。
图2示意性示出了根据本公开的一个实施例的服务资源确定方法示意图之一。
图3示意性示出了根据本公开的一个实施例的知识表示模型的训练过程示意图。
图4示意性示出了根据本公开的一个实施例的知识表示模型确定目标服务资源信息的过程示意图。
图5示意性示出了根据本公开的一个实施例的服务资源确定方法示意图之二。
图6示意性示出了根据本公开的一个实施例的服务资源确定装置的结构框图。
图7示意性示出了根据本公开的一个实施例中服务资源确定系统的结构框图。
图8示出了适于用来实现本公开实施例的网络设备框图。
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。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。
图1示出了可以应用本公开实施例的一种服务资源确定方法及装置的示例性应用环境的系统架构100的示意图。如图1所示,系统架构100可以包括终端设备101、102、103中的一个或多个,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是具有显示屏的各种网络设备,包括但不 限于台式计算机、便携式计算机、智能手机和平板电脑等等。
服务器105可以是提供各种服务的服务器,例如从终端设备101、102、103获取待分析服务资源信息和第一服务资源信息;基于第一服务资源信息,构建图形数据库;当服务资源节点信息属于第一服务资源信息的情况下,基于服务资源节点信息和图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
本公开实施例所提供的服务资源确定方法可以在服务器105执行,相应地,服务资源确定装置一般设置于服务器105中。
参考图2所示,本公开提供的一种示例实施方式的服务资源确定方法,可以应用于一服务器。该方法可以包括以下步骤:
步骤S210,获取待分析服务资源信息和第一服务资源信息。
在本示例实施方式中,待分析服务资源信息是指针对服务产品的服务资源信息。待分析服务资源信息可以包括服务资源节点信息、业务类别信息等。服务资源节点信息可以包括服务资源对象信息和对象之间的关联关系信息。服务资源对象信息可以包括服务资源对象的名称、编码、类型等信息。对象之间的关联关系信息可以包括关联对象的相关信息和关联关系相关信息。关联对象的相关信息可以包括关联对象的名称、编码、类型等信息;关联关系相关信息可以包括关联关系的名称、编码、标识等信息。
在本示例实施方式中,第一服务资源信息是指不在已有服务资源节点数据库中的服务资源节点信息。已有服务资源节点数据库可以是相关业务专家基于经验建立的节点数据库,也可以是其他现有数据库,本示例对此不做限定。第一服务资源信息可以包括第一服务资源对象信息(如对象名称、编码、类型等)和/或该对象的关联关系信息(如关联关系名称、编码、标识等)。
步骤S220,基于第一服务资源信息,构建图形数据库。
在本示例实施方式中,可以将第一服务资源信息输入现有的开源数据库中,以形成图形数据库。例如,可以将第一服务资源信息输入Neo4J,以形成图形数据库。图形数据库中可以包括多个节点,一个节点是指一个服务资源对象,该对象可以有多个标签,每个标签可以用于表示对象的类型。示例性地,服务资源对象的类型可以是CFS(Customer Facing Service,面向客户的服务)、RFS(Resource Facing Service,面向资源的服务)或RES(Resource,资源)。每个对象也可以有多个属性,每个属性用于描述对应的一个特征,节点与节点之间还可以形成多个有方向的关系。
步骤S230,当服务资源节点信息属于第一服务资源信息的情况下,基于服务资源节点信息和图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
在本示例实施方式中,图形数据库可以用于将服务资源节点信息直接定位于图网络结构中,加快节点的筛选过程。此外,图形数据库可以与前端技术结合,实现网络拓扑数据的展示。
在本示例实施方式中,知识表示模型可以用于将知识图谱的实体和关系进行向量化。知识表示模型可以是知识图谱嵌入的翻译模型,如TransE、TransH、TransR、TransD等,本示例对此不做限定。
在本示例实施方式所提供的服务资源确定方法中,可以基于第一服务资源信息,构建图形数据库;当服务资源节点信息属于第一服务资源信息的情况下,基于服务资源节点信息和图形数据库,利用知识表示模型确定对应目标服务资源节点信息。一方面,可以通过知识表示模型对属于第一服务资源信息的服务资源节点信息进行快速的预测,从而提高了针对服务产品的服务资源筛选效率,节省人力物力;同时可以避免大规模数据人工筛选带来的产品质量风险。另一方面,可以避免不属于第一服务资源信息的服务资源节点信息的输入模型,可以减少模型数据处理量,提高工作效率。
下面,在另一实施例中,对上述步骤进行更加详细的说明。
在一些实施例中,构建图形数据库可以包括以下步骤:
获取第二服务资源信息。
在本示例实施方式中,第二服务资源信息是指已有服务资源节点数据库 中的服务资源节点信息。已有服务资源节点数据库可以是相关业务专家基于经验建立的节点数据库,也可以是其他现有数据库,本示例对此不做限定。第二服务资源信息可以包括第二服务资源对象信息(如对象名称、编码、类型等)和/或该对象的关联关系信息(如关联关系名称、编码、标识等)。
基于第一服务资源信息和第二服务资源信息,构建服务资源对象节点文件和各节点之间关联关系文件。
在本示例实施方式中,服务资源对象节点文件内存储有第一服务资源对象信息和第二服务资源对象信息,如每个对象的名称、编码、类型等信息。可以将一个对象作为一个节点。各节点之间关联关系文件存储有第一服务资源对象之间的关联关系信息和第二服务资源对象之间的关联关系信息。如关联关系可以是承载、使用、包含、依赖或管理等。
基于服务资源对象节点文件和关联关系文件,形成结构化数据,并将结构化数据存于图形数据库。
在本示例实施方式中,可以将服务资源对象节点与节点对应的关联关系组成一组结构化数据。将结构化数据以节点及节点间的连接边的形式存于图像数据库。在一些实施例中,还可以通过Neo4J数据库,结合前端Vue和D3.js等技术将图像数据库的网络拓扑数据展示于前端页面。
在一种实施例中,方法还包括:对各类业务文本进行分词处理,以获取第一服务资源信息。
在本示例实施方式中,可以从各类业务文本中获取第一服务资源信息,第一服务资源信息可能包含潜在的服务资源节点,以此扩大服务资源的范围,扩大本公开的使用场景。
在本示例实施方式中,可以对各类业务文本进行分词处理,再对分词结果进行关键词提取,获得第一服务资源信息;也可以根据专家经验从分词结果或提取的关键词中进一步确定第一服务资源信息,本示例对此不做限定。本示例中,各类业务文本可以是各运营商针对某业务记录的文本数据。例如,对于给企业办理专网网线业务过程中产生的文本数据,如企业名称、IP地址、业务类型等信息。
在一种实施例中,参考图3,知识表示模型的训练过程包括以下步骤。
基于第二服务资源信息,抽取对应的三元组信息,形成训练数据。
在本示例实施方式中,可以从第二服务资源信息中抽取第二服务资源对象及各对象间的关联关系信息,再将这些对象节点和关联关系整合成包括头节点、尾节点及头节点与尾节点之间的关联关系的三元组信息;关联关系信息可以是图形数据库中两节点的有向边。本示例中,可以将一个三元组信息作为一个训练样本。
对训练数据中的头节点、尾节点及关联关系分别进行向量化处理。
在本示例实施方式中,可以采用Embedding对头节点、尾节点及关联关系分别进行向量化,将节点或关联关系映射成低维度向量。
基于头节点对应向量、尾节点对应向量和关联关系对应向量,计算损失函数值。
其中,γ表示常数,h
p、h
n分别表示正样本、负样本中的头节点对应向量,r
p、r
n分别表示正样本、负样本中的关联关系对应向量,t
p、t
n表示正样本、负样本中的尾节点对应向量,||·||
2表示求2范数。
本示例中的损失函数还可以是其他知识表示模型的对应形式,本示例对此不做限定。
基于损失函数值,更新头节点对应向量的参数、尾节点对应向量的参数和关联关系对应向量的参数。
在本示例实施方式中,可以采用随机梯度下降方法更新各节点对应向量的参数,即头节点对应向量的参数、尾节点对应向量的参数和关联关系对应向量的参数。
在一些实施例中,参考图4,待分析服务资源信息包括待分析三元组节点信息中的两个;待分析三元组节点信息可以包括待分析头节点410、待分析尾节点420、待分析节点关联关系430。利用知识表示模型确定对应目标服务资源节点信息,可以包括以下步骤:
对待分析三元组节点信息中的两个节点信息分别进行向量化表示。
在本示例实施方式中,可以采用训练好的知识表示模型对节点信息进行向量化表示。例如,可以对待分析头节点410和待分析尾节点420进行向量化表示得到第二向量,还可以对待分析头节点410和待分析节点关联关系430进行向量化表示得到第一向量,也可以对待分析尾节点420和待分析节点关联关系430进行向量化表示得到第三向量。本公开可以基于其中两个节点信息预测三元组中的另一节点信息。
基于向量化表示的两个节点信息,利用目标函数计算待分析三元组信息中的剩余一个节点信息的对应向量,以获得目标服务资源向量。
在本示例实施方式中,可以将待分析三元组中任意两个节点向量代入目标函数,计算剩余一个节点向量,即为目标服务资源向量。例如,通过第一向量预测尾节点向量;通过第二向量预测关联关系向量;通过第三向量预测头节点向量。目标函数可以是待分析头节点对应向量与待分析节点关联关系对应向量之和等于待分析尾节点对应向量。目标函数也可以是其他知识表示模型的对应目标函数,本示例对此不做限定。
基于目标服务资源向量,确定目标服务资源节点信息。
在本示例实施方式中,可以基于目标服务资源向量,通过知识表示模型反推出对应的目标服务资源节点信息。例如,利用尾节点向量获得目标尾节点,利用头节点向量获得目标头节点,利用关联关系向量获得目标关联关系。目标服务资源信息可以包括多个服务资源节点信息,还可以按概率大小顺序排列多个服务资源节点信息。本示例中的目标服务资源信息包含的节点个数可以根据用户需求确定,如可以将节点个数设置为5。也可以通过用户在终端设备上的相应输入信息确定。
在一些实施例中,方法还包括:向终端设备发送目标服务资源信息,以使终端设备展示目标服务资源信息。
在本示例实施方式中,可以使用Spring Boot框架响应用户在前端页面的查询请求。通过Neo4J数据库,结合前端Vue和D3.js等技术展示目标服务资源信息。
举例而言,参考图5,为本公开的一个示例性实施例,通过以下步骤实现服务产品的服务资源确定过程。
步骤S501,用户在终端设备输入待分析服务资源信息,以使服务器获取 待分析服务资源信息。
在本示例实施方式中,待分析服务资源信息可以是待分析三元组节点信息中的任意两个。如可以是待分析头节点和待分析尾节点。本公开旨在对新的服务产品建立服务资源节点间知识图谱,以加快电信服务产品的开发周期。
步骤S502,服务器从业务系统获取第一服务资源信息。
在本示例实施方式中,可以从各类业务文本中获取第一服务资源信息。第一服务资源信息是指不在现有数据库中的服务资源节点信息,即其可以包括潜在的服务资源节点信息。
步骤S503,服务器获取第二服务资源信息。
步骤S504,服务器基于第二服务资源信息训练知识表示模型。
在以上实施例中,第二服务资源信息是指现有数据库中的服务资源节点信息。现有数据库可以是在以往产品开发过程中形成的资源节点数据库或者依据专家经验建立的资源节点数据库。故第二服务资源信息中的三元组节点信息是已知的,将该已知的三元组节点信息作为训练数据,训练知识表示模型。例如,使用开源的OpenKE平台分别训练知识表示模型,知识表示模型可以是TransE、TransH、TransR、TransD中的任一个。本示例中,也可以采用训练数据分别训练以上四种模型,最后选取效果最好的模型作为本公开的知识表示模型。
步骤S505,服务器基于第一服务资源信息和第二服务资源信息,构建图形数据库。
在本示例实施方式中,可以分别从第一服务资源信息和第二服务资源信息中抽取三元组节点信息(头节点、尾节点及两节点间的关联关系)。将两种资源信息中的头节点、尾节点信息存储于服务资源对象节点文件。将关联关系信息存储于关联关系文件。
服务资源对象节点文件中存储服务资源对象的基本信息,该基本信息可以包含对象名称、对象编码和对象类型等信息,例如,对象名称为云到云专线CFS,对象编码为cfsCloudToCloud,对象类型为CFS。还可以包含主键ID信息(如主键ID为1)。
关联关系文件中存储服务资源对象间的关联关系信息。该关联关系信息中可以包含源服务资源对象的主键ID、名称、编码和目标服务资源对象的主 键ID、名称、编码以及关联关系的名称,关联关系的名称可以包括承载、使用、包含、依赖、管理等。例如,源服务资源对象的主键ID为2、源服务资源对象的名称为固定入网专线CFS、源服务资源对象的编码为cfsFixAccessNetLine,目标服务资源对象的主键ID为3、目标服务资源对象的名称为用户IP段RES、目标服务资源对象的编码为resCustomIpSeg,关联关系的名称为使用。还可以包含该组信息主键ID信息(如主键ID为11)。
步骤S506,服务器判断待分析服务资源信息是否属于第一服务资源信息,若是,则转入步骤507,否则转入步骤S508。
本示例实施方式中,可以判断待分析服务资源信息中的节点是否属于第一服务资源信息中的潜在节点。
步骤S507,服务器利用训练好的知识表示模型对待分析服务资源信息进行关联服务资源节点信息的预测,确定对应目标服务资源节点信息。
步骤S508,通过已有数据库确定对应目标服务资源节点信息。
在本示例中,可以在图形数据库中直接查找确定。
步骤S509,终端设备展示确定的目标服务资源节点信息。
在本示例中,目标服务资源节点信息可以包含多个,可以按概率大小排序后进行展示。
本公开通过知识表示模型对潜在的服务资源节点进行预测,预测的目标服务资源节点信息供用户(如产品开发人员)进一步审查验证,大大缩小了产品开发过程中的数据筛选范围,极大地提升了电信产品服务资源关系的构建效率。本公开确定的少量目标服务资源节点信息可以进一步经过相关业务专家的分析研判,快速确定产品相关的节点及关系,从而实现产品的快速开发上线,大大缩小了产品的开发周期。本公开的开发产品可以是为新一代云网运营系统服务的相关产品。
本公开针对电信网络系统中各类资源节点之间的错综复杂的关系,如构成关系、群子关系、主从关系、互斥关系、强制依赖关系、绑定关系、双向绑定关系、共线关系、代付费关系、依赖关系等等。通过整合现有的电信网络产品服务资源关系三元组数据(第二服务资源信息),训练知识表示模型,成功实现从大量业务编排数据文件中筛选潜在数据节点关系的目标。候选目标数据供用户进一步分析验证,为用户极大地缩小了数据筛选范围。
进一步的,本示例实施方式中,还提供了一种服务资源确定装置600,装置600包括:第一获取模块610、构建模块620和确定模块630。其中,第一获取模块610,用于获取待分析服务资源信息和第一服务资源信息,待分析服务资源信息包括服务资源节点信息;构建模块620,用于基于第一服务资源信息,构建图形数据库;确定模块630,用于当服务资源节点信息属于第一服务资源信息的情况下,基于服务资源节点信息和图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
在本公开的一种示例性实施例中,构建模块620包括:第二获取模块,用于获取第二服务资源信息;构建子模块,用于基于第一服务资源信息和第二服务资源信息,构建服务资源对象节点文件和各节点之间关联关系文件;存储模块,用于基于服务资源对象节点文件和关联关系文件,形成结构化数据,并将结构化数据存于图形数据库。
在本公开的一种示例性实施例中,装置600还用于:对各类业务文本进行分词处理,以获取第一服务资源信息。
在本公开的一种示例性实施例中,装置600还包括训练模块,训练模块用于:基于第二服务资源信息,抽取对应的三元组信息,形成训练数据;三元组信息包括头节点、尾节点及头节点与尾节点之间的关联关系;对训练数据中的头节点、尾节点及关联关系分别进行向量化处理;基于头节点对应向量、尾节点对应向量和关联关系对应向量,计算损失函数值;基于损失函数值,更新头节点对应向量的参数、尾节点对应向量的参数和关联关系对应向量的参数。
在本公开的一种示例性实施例中,待分析服务资源信息包括待分析三元组节点信息中的两个;确定模块630包括:向量化模块,用于对待分析三元组节点信息中的两个节点信息分别进行向量化表示;计算模块,用于基于向量化表示的两个节点信息,利用目标函数计算待分析三元组信息中的剩余一个节点信息的对应向量,以获得目标服务资源向量;确定子模块,用于基于目标服务资源向量,确定目标服务资源节点信息。
在本公开的一种示例性实施例中,装置600还包括发送模块,发送模块,用于向终端设备发送目标服务资源信息,以使终端设备展示目标服务资源信息。
上述服务资源确定装置中各单元或模块的具体细节已经在对应的服务资源确定方法中进行了详细的描述,因此此处不再赘述。
参考图7,本示例实施方式中,还提供一种服务资源确定系统700,系统700包括:用户终端710和服务器端720。用户终端710,用于输入待分析服务资源信息。服务器端720,用于获取待分析服务资源信息和第一服务资源信息,待分析服务资源信息包括服务资源节点信息;基于第一服务资源信息,构建图形数据库;当服务资源节点信息属于第一服务资源信息的情况下,基于服务资源节点信息和图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
上述服务资源确定系统中各模块或单元的具体细节已经在对应的服务资源确定方法中进行了详细的描述,因此此处不再赘述。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的网络设备中所包含的;也可以是单独存在,而未装配入该网络设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该网络设备执行时,使得该网络设备实现如下述实施例中的方法。例如,网络设备可以实现如图2~图5所示的各个步骤等。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可 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。计算机可读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、电线、光缆、RF等等,或者上述的任意合适的组合。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的网络设备。所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本公开的这种实施例的网络设备800。图8显示的网络设备800仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,网络设备800以通用计算设备的形式表现。网络设备800的组件可以包括但不限于:上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。
其中,存储单元存储有程序代码,程序代码可以被处理单元810执行,使得处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。
存储单元820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)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205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830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。
网络设备800也可以与一个或多个外部设备870(例如键盘、指向设备、 蓝牙设备等)通信,还可与一个或者多个使得用户能与该网络设备800交互的设备通信,和/或与使得该网络设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,网络设备800还可以通过网络适配器860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)通信。如图所示,网络适配器860通过总线830与网络设备800的其它模块通信。应当明白,尽管图中未示出,可以结合网络设备800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、RA标识系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例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,根据本公开实施例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非易失性存储介质(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网络设备执行根据本公开实施例的方法。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等,均应视为本公开的一部分。
应可理解的是,本说明书公开和限定的本公开延伸到文中和/或附图中提到或明显的两个或两个以上单独特征的所有可替代组合。所有这些不同的组合构成本公开的多个可替代方面。本说明书的实施方式说明了已知用于实现本公开的最佳方式,并且将使本领域技术人员能够利用本公开。
Claims (10)
- 一种服务资源确定方法,所述方法包括:获取待分析服务资源信息和第一服务资源信息,所述待分析服务资源信息包括服务资源节点信息;基于所述第一服务资源信息,构建图形数据库;当所述服务资源节点信息属于所述第一服务资源信息的情况下,基于所述服务资源节点信息和所述图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
- 根据权利要求1所述的服务资源确定方法,其中,所述构建图形数据库包括:获取第二服务资源信息;基于所述第一服务资源信息和所述第二服务资源信息,构建服务资源对象节点文件和各节点之间关联关系文件;基于所述服务资源对象节点文件和所述关联关系文件,形成结构化数据,并将所述结构化数据存于图形数据库。
- 根据权利要求1或2所述的服务资源确定方法,其中,所述方法还包括:对各类业务文本进行分词处理,以获取第一服务资源信息。
- 根据权利要求2所述的服务资源确定方法,其中,所述知识表示模型的训练过程包括:基于所述第二服务资源信息,抽取对应的三元组信息,形成训练数据;所述三元组信息包括头节点、尾节点及头节点与尾节点之间的关联关系;对所述训练数据中的头节点、尾节点及关联关系分别进行向量化处理;基于头节点对应向量、尾节点对应向量和关联关系对应向量,计算损失函数值;基于所述损失函数值,更新头节点对应向量的参数、尾节点对应向量的参数和关联关系对应向量的参数。
- 根据权利要求1或4所述的服务资源确定方法,其中,所述待分析服务资源信息包括待分析三元组节点信息中的两个;所述利用知识表示模型确 定对应目标服务资源节点信息,包括:对所述待分析三元组节点信息中的两个节点信息分别进行向量化表示;基于向量化表示的两个节点信息,利用目标函数计算所述待分析三元组信息中的剩余一个节点信息的对应向量,以获得目标服务资源向量;基于所述目标服务资源向量,确定目标服务资源节点信息。
- 根据权利要求1所述的服务资源确定方法,其中,所述方法还包括:向终端设备发送所述目标服务资源信息,以使终端设备展示所述目标服务资源信息。
- 一种服务资源确定装置,所述装置包括:第一获取模块,用于获取待分析服务资源信息和第一服务资源信息,所述待分析服务资源信息包括服务资源节点信息;构建模块,用于基于所述第一服务资源信息,构建图形数据库;确定模块,用于当所述服务资源节点信息属于所述第一服务资源信息的情况下,基于所述服务资源节点信息和所述图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
- 一种服务资源确定系统,所述系统包括:用户终端,用于输入待分析服务资源信息;服务器端,用于获取待分析服务资源信息和第一服务资源信息,所述待分析服务资源信息包括服务资源节点信息;基于所述第一服务资源信息,构建图形数据库;当所述服务资源节点信息属于所述第一服务资源信息的情况下,基于所述服务资源节点信息和所述图形数据库,利用知识表示模型确定对应目标服务资源节点信息。
- 一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1-6任一项所述的方法。
- 一种网络设备,包括:一个或多个处理器;存储装置,用于存储一个或多个计算机程序,当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述网络设备实现如权利要求1-6中的任一项所述的方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210016249 | 2022-01-07 | ||
CN202210016249.6 | 2022-01-07 | ||
CN202210517953.X | 2022-05-12 | ||
CN202210517953.XA CN116455958A (zh) | 2022-01-07 | 2022-05-12 | 服务资源确定方法、装置及服务资源确定系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023130960A1 true WO2023130960A1 (zh) | 2023-07-13 |
Family
ID=87073089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/140629 WO2023130960A1 (zh) | 2022-01-07 | 2022-12-21 | 服务资源确定方法、装置及服务资源确定系统 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2023130960A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757461A (zh) * | 2023-08-23 | 2023-09-15 | 北京国电通网络技术有限公司 | 更新电网基建业务节点信息显示方法、装置、设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110087783A1 (en) * | 2009-10-09 | 2011-04-14 | Siddhartha Annapureddy | Allocating resources of a node in a server farm |
CN105227342A (zh) * | 2014-06-27 | 2016-01-06 | 瞻博网络公司 | 用于网络服务域中的服务规划和配置的图形数据库 |
US20190057119A1 (en) * | 2017-08-18 | 2019-02-21 | Red Hat, Inc. | Supporting graph database backed object unmarshalling |
WO2019070010A1 (ja) * | 2017-10-06 | 2019-04-11 | 株式会社 東芝 | サービス提供システム、ビジネス分析支援システム、方法及びプログラム |
CN112765369A (zh) * | 2021-01-31 | 2021-05-07 | 西安电子科技大学 | 知识图谱信息表示学习方法、系统、设备及终端 |
CN113127168A (zh) * | 2021-04-07 | 2021-07-16 | 深圳希施玛数据科技有限公司 | 服务分配方法、系统、装置、服务器及介质 |
-
2022
- 2022-12-21 WO PCT/CN2022/140629 patent/WO2023130960A1/zh unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110087783A1 (en) * | 2009-10-09 | 2011-04-14 | Siddhartha Annapureddy | Allocating resources of a node in a server farm |
CN105227342A (zh) * | 2014-06-27 | 2016-01-06 | 瞻博网络公司 | 用于网络服务域中的服务规划和配置的图形数据库 |
US20190057119A1 (en) * | 2017-08-18 | 2019-02-21 | Red Hat, Inc. | Supporting graph database backed object unmarshalling |
WO2019070010A1 (ja) * | 2017-10-06 | 2019-04-11 | 株式会社 東芝 | サービス提供システム、ビジネス分析支援システム、方法及びプログラム |
CN112765369A (zh) * | 2021-01-31 | 2021-05-07 | 西安电子科技大学 | 知识图谱信息表示学习方法、系统、设备及终端 |
CN113127168A (zh) * | 2021-04-07 | 2021-07-16 | 深圳希施玛数据科技有限公司 | 服务分配方法、系统、装置、服务器及介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757461A (zh) * | 2023-08-23 | 2023-09-15 | 北京国电通网络技术有限公司 | 更新电网基建业务节点信息显示方法、装置、设备和介质 |
CN116757461B (zh) * | 2023-08-23 | 2023-11-24 | 北京国电通网络技术有限公司 | 更新电网基建业务节点信息显示方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9934260B2 (en) | Streamlined analytic model training and scoring system | |
US11604980B2 (en) | Targeted crowd sourcing for metadata management across data sets | |
US20210201198A1 (en) | Method, electronic device, and storage medium for generating node representations in heterogeneous graph | |
EP3913545A2 (en) | Method and apparatus for updating parameter of multi-task model, and electronic device | |
US20180276553A1 (en) | System for querying models | |
KR20200109230A (ko) | 뉴럴 네트워크 생성 방법 및 장치 | |
CN108140018A (zh) | 创作用于基于文本的文档的视觉表示 | |
US20220100963A1 (en) | Event extraction from documents with co-reference | |
WO2023124005A1 (zh) | 地图兴趣点查询方法、装置、设备、存储介质及程序产品 | |
US10147020B1 (en) | System and method for computational disambiguation and prediction of dynamic hierarchical data structures | |
CN115244587A (zh) | 高效基础事实注释 | |
US11507747B2 (en) | Hybrid in-domain and out-of-domain document processing for non-vocabulary tokens of electronic documents | |
US20220100772A1 (en) | Context-sensitive linking of entities to private databases | |
WO2023130960A1 (zh) | 服务资源确定方法、装置及服务资源确定系统 | |
US20230008897A1 (en) | Information search method and device, electronic device, and storage medium | |
WO2024036662A1 (zh) | 一种基于数据采样的并行图规则挖掘方法及装置 | |
CN113254716A (zh) | 视频片段检索方法、装置、电子设备和可读存储介质 | |
CN110807097A (zh) | 分析数据的方法和装置 | |
WO2023213157A1 (zh) | 数据处理方法、装置、程序产品、计算机设备和介质 | |
WO2023185125A1 (zh) | 产品资源的数据处理方法及装置、电子设备、存储介质 | |
CN111488386A (zh) | 数据查询方法和装置 | |
WO2023087667A1 (zh) | 用于智能推荐的排序模型训练方法、智能推荐方法及装置 | |
CN113435523B (zh) | 预测内容点击率的方法、装置、电子设备以及存储介质 | |
US20220122022A1 (en) | Method of processing data, device and computer-readable storage medium | |
US11580322B2 (en) | Scalable attributed graph embedding for large-scale graph analytics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22918403 Country of ref document: EP Kind code of ref document: A1 |