一种云环境网络设备实体识别方法技术

本发明专利技术公开了一种云环境网络设备实体识别方法，首先收集云环境网络设备信息对应的文本语料库原始数据；再根据云环境网络设备信息的特点，人工制定少量的特征形成特征模板，将输入的语句转换为相应的字向量序列；然后针对转换后的字向量序列，提取各单词的字符级特征；并将字符级特征向量和局部上下文特征相结合作为输入信息，提取输入信息的语义特征；最后针对得到的输入信息的语义特征，利用条件随机场对每个字符进行云环境网络设备实体标注，完成对云环境网络设备实体的识别。本发明专利技术可用于对云环境中实现网络设备实体的识别和分类，便于在封闭的云环境外部快速重构其内部系统架构。架构。架构。

【技术实现步骤摘要】
一种云环境网络设备实体识别方法


[0001]本专利技术涉及云环境网络设备实体识别
，具体为一种基于卷积神经网络和双向长短期记忆神经网络，以及条件随机场的云环境网络设备实体识别方法。

技术介绍

[0002]云环境：云环境是一种以虚拟化技术为基础的分布式计算系统，其系统架构可主要分为基础设施层、平台层和软件服务层三个层次，对应的名称分别为基础设施即服务(IaaS，Infrastructure as a Service)，其主要包含了计算机服务器和通信、存储设备等，通过虚拟化技术将这些计算资源统一虚拟化为计算资源、存储资源和网络资源；平台即服务(PaaS，Platform as a Service)，其主要包含了为用户提供一整套开发、运行和运营应用软件的支撑平台；软件即服务(Software as a Service)，其主要功能是通过互联网为用户提供软件服务的应用模式，在此模式下用户只需要支付应用使用费用，应用开发过程产生的软硬件消耗及维护都由云服务商管理。
[0003]云环境网络设备实体识别：云环境网络设备主要指计算资源设备(CPU本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云环境网络设备实体识别方法，其特征在于，包括步骤1：收集云环境网络设备信息对应的文本语料库原始数据；步骤2：根据云环境网络设备信息的特点，人工制定少量的特征形成特征模板；然后提取局部上下文信息，利用预训练的字向量文件将输入的语句转换为相应的字向量序列；步骤3：针对转换后的字向量序列，利用卷积神经网络对每个单词进行卷积池化，提取各单词的字符级特征；步骤4：将字符级特征向量和局部上下文特征相结合作为输入信息，传入双向长短期记忆神经网络进行训练，并提取输入信息的语义特征；步骤5：针对得到的输入信息的语义特征，利用条件随机场对每个字符进行云环境网络设备实体标注，标记出语句序列中的云环境网络设备实体信息，从而得到最优的标记序列，进而完成对云环境网络设备实体的识别。2.根据权利要求1所述的云环境网络设备实体识别方法，其特征在于，所述步骤2具体为：步骤2.1：综合考量收集的文本数据设备所属类别信息和特定位置信息，人工制定特征模板为：T[
‑
2,0],T[
‑
1,0],T[0,0],T[1,0],T[2,0]；其中，T表示当前的字符，括号内的第一个数字代表它相对当前字符的位置，第二个字符表示所选具体特征的列数；步骤2.2：根据上述特征制定一组特征函数：F
t
(L
loc
‑1,L
loc
,w,loc)其中,L
loc
代表当前的字符标签，L
loc
‑1代表下一个标签，w代表当前的字符，loc代表当前位置；步骤2.3：为所有特征函数赋予权重δ
loc
，若一个特征函数被激活，则其权重δ
loc
将被添加到最终累积值里，该特征得分值F
t
值越高，表明其预测结果越准确；步骤2.4：利用word2vec的CBOW模型训练云环境网络设备的原始语料，得到对应的字向量文件。3.根据权利要求1所述的云环境网络设备实体识别方法，其特征在于，所述步骤3具体为：步骤3.1：通过字嵌入的方式对于不同设备所属类别的字符设置不同的字符向量，用来对字符大小写和类型进行区分；步骤3.2：把输入序列的每个单词转化为对应字符向量，并且以最长的单词为基准通过填充占位符使所有的字符向量矩阵大小一致；步骤3.3：利用卷积神经网络的卷积层提取字符向量矩阵的局部特征，池化层降维特征，进而提取出字符级特征。4.根据权利要求1所述的云环境网络设备实体识别方法，其特征在于，所述步骤4具体为：将提取到的字符级特征及输入特征信息的上下文局部信息同时作为输入，通过拼接h时刻正向LSTM输出的语义特征序列和反向LSTM的...

【专利技术属性】
技术研发人员：陈兴蜀，郑涛，袁磊，刘朋，黄铁脉，廖志红，宋可儿，王海舟，
申请(专利权)人：四川大学，
类型：发明
国别省市：