【技术实现步骤摘要】
一种网络智能运维知识图谱协同构建和共享方法与装置
[0001]本专利技术属于光通信
,更具体地,涉及一种网络智能运维知识图谱协同构建和共享方法与装置。
技术介绍
[0002]传统通信网络的运营和维护主要依赖运维专家的经验,通过人工模式实现网络规划、业务开通、性能优化、故障排查、扩容割接等操作。传统网络运维模式面临周期长、成本高、效率低等诸多问题。随着人工智能技术的发展,以及深度学习等技术在图像识别、语音处理、棋类博弈等领域的成功应用,基于深度学习、人工智能等新型技术实现通信网络智能运营和维护成为新的研究热点。
[0003]网络智能运营与维护的核心技术之一是构建智能运维知识图谱。知识图谱主要技术包括知识提取、知识融合、知识推理。知识提取技术从各种类型的数据中识别关键信息,挖掘出隐藏在数据内部的核心内容,构建实体、关系、属性。经典知识提取方法包括基于规则和模板的提取方法、基于数据分析统计的提取方法、基于机器学习的提取方法等。知识融合主要解决概念与关系的不一致和歧义等问题,解决各个局部知识库合并成一个整体知识库所面临的定义冲突、内容重复、指代不明、层次混乱等问题。在知识融合过程中将采用聚类、相似度分析、概率统计分析等多项技术,最终构建出简洁、清晰、完备的全局知识库。知识推理的目标是通过一系列方法获得新的知识或者相关结论,常用方法包括基于描述逻辑的推理、基于图结构的推理、基于统计规则的推理、基于概率逻辑的推理等。目前知识图谱相关技术在搜索、推荐、问答等领域有比较广泛和成功的应用,在网络智能运维领域的落地和实践处 ...
【技术保护点】
【技术特征摘要】
1.一种网络智能运维知识图谱协同构建和共享方法,其特征在于,包括:S1、构建高维空间统一表示模型;S2、以高维空间统一表示模型作为基础,将不同时刻、不同厂商、不同网络设备所对应的知识图谱表示为知识图谱增量,并在高维空间中依据维度有序排列,构建网络运维知识图谱高维协同模型;S3、在网络运维知识图谱高维协同模型内,将实体的特征输入高维空间多因素赋权距离度量公式,输出实体语义相似度集合;S4、遍历实体语义相似度集合,输入图谱内容判定算子,如果实体相似,则通过增量图谱合并算子进行嵌入,否则通过增量图谱舍弃算子去掉一个增量图谱;完成上述处理以后,利用增量图谱标识算子对图谱的实体关系进行重新标识,形成包括所有增量的全量知识图谱;S5、基于全量知识图谱生成图谱摘要,利用公钥加密知识图谱摘要,形成密文摘要,将密文摘要和全量知识图谱上传至网络运维平台,利用私钥对密文摘要进行解密,并判断全量知识图谱在共享过程中是否被第三方篡改,如果没被篡改,则进行存储并启动后续流程。2.如权利要求1所述的网络智能运维知识图谱协同构建和共享方法,其特征在于,所述步骤S1包括:将构建的高维空间统一表示模型形式化描述为S=I
abcd
…
,其中I表示整数域,abcd
…
表示协同模型的各个维度,其中维度I
a
与维度I
b
表示网络运维知识图谱的实体标识,维度I
c
表示实体之间的关系,维度I
d
表示不同的知识图谱增量。3.如权利要求2所述的网络智能运维知识图谱协同构建和共享方法,其特征在于,所述高维空间统一表示模型还可以根据实际需要添加新的维度。4.如权利要求1或2所述的网络智能运维知识图谱协同构建和共享方法,其特征在于,所述步骤S3中的实体包括网络运营与维护过程中涉及的概念和实例。5.如权利要求1或2所述的网络智能运维知识图谱协同构建和共享方法,其特征在于,在所述步骤S2中:每一个知识图谱增量有序地部署在高维协同模型中,高维协同模型维度I
d
的长度等于知识图谱增量的个数。6.如权利要求1或2所述的网络智能运维知识图谱协同构建和共享方法,其特征在于,所述步骤S3中的高维空间多因素赋权距离度量公式为:其中,N为空间维度,S=I
abcd
…
N
和S
’
=I
a
’
b
’
c
’
d
’…
N
’
为N维空间协同模型中存在两个点,d为点S与点S
’
的多因素赋权距离,系数ε表示厂商间实体语义相似度权重,系数β表示实体语义量纲配平权重。7.如权利要求1或2所述的网络智能运维知识图谱协同构建和共享方法,其特征在于,在所述步骤S4中:所述图谱内容判定算子形式化描述为r=
▽
(s1,s2),这个算子用于判定两个知识图谱增量所描述的内容是否相似,其中s1和s1表示两个增量知识图谱,
▽
表示判定算子,r表示判定结果,判定结果为布尔数值,true表示两个增量图谱内容相似...
【专利技术属性】
技术研发人员:匡立伟,
申请(专利权)人:烽火通信科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。