【技术实现步骤摘要】
针对云业务服务异常优化的大数据分析方法及AI分析系统
[0001]本专利技术涉及大数据
,具体而言,涉及一种针对云业务服务异常优化的大数据分析方法及AI分析系统。
技术介绍
[0002]移动互联网充满诸多新的技术、创新与市场机会。云端服务能够满足用户分享、存取与探索的新需求,移动5G时代带来稳定与高速的连接、智能手机提供良好的用户体验,云端服务提供更容易的跨平台能力,这些都证明了,在云端服务将是在移动互联网的新兴创业领域。基于此,云服务平台的运行稳定性关乎到用户体验好坏,因此对于云服务异常事件而言,需要及时挖掘其在对应目标页面运行节点中的异常信息,进而及时进行异常优化,然而相关技术中通常是基于单个维度特征数据进行异常优化决策,导致异常优化决策信息的准确性不佳,影响后续云服务页面运行的稳定性。
技术实现思路
[0003]为了至少克服现有技术中的上述不足,本专利技术的目的在于提供一种针对云业务服务异常优化的大数据分析方法及AI分析系统。
[0004]第一方面,本申请提供一种针对云业务服务异常优化的大数据分析方法,应用于AI分析系统,所述AI分析系统与多个云服务软件服务系统通信连接,所述方法包括:对包含目标云服务异常事件以及目标页面运行节点的异常关系属性图进行特征提取,确定所述目标云服务异常事件的第一图关系特征以及所述目标页面运行节点的第二图关系特征;对包含所述目标云服务异常事件的事件联动关系图进行特征提取,确定所述目标云服务异常事件的第三图关系特征;依据所述第一图关系特征、所述第二图关系特征 ...
【技术保护点】
【技术特征摘要】
1.一种针对云业务服务异常优化的大数据分析方法,其特征在于,所述方法包括:对包含目标云服务异常事件以及目标页面运行节点的异常关系属性图进行特征提取,确定所述目标云服务异常事件的第一图关系特征以及所述目标页面运行节点的第二图关系特征;对包含所述目标云服务异常事件的事件联动关系图进行特征提取,确定所述目标云服务异常事件的第三图关系特征;依据所述第一图关系特征、所述第二图关系特征、所述第三图关系特征以及所述目标云服务异常事件的先验异常大数据进行异常优化决策,确定所述目标页面运行节点对应所述目标云服务异常事件的异常优化决策信息;依据所述目标页面运行节点对应所述目标云服务异常事件的异常优化决策信息对所述目标页面运行节点进行异常优化。2.常事件特征进行融合,确定所述目标云服务异常事件的第一图关系特征;对所述目标页面运行节点的连接云服务异常事件进行多层隐含层特征提取,确定所述目标页面运行节点的多个页面运行节点特征;对所述多个页面运行节点特征进行融合,确定所述目标页面运行节点的第二图关系特征。3.根据权利要求2所述的针对云业务服务异常优化的大数据分析方法,其特征在于,所述隐含层特征提取是基于节点关系推理网络实现的,所述节点关系推理网络之间配置映射互联关系;所述对所述目标云服务异常事件的连接页面运行节点进行多层隐含层特征提取,确定所述目标云服务异常事件的多个云服务异常事件特征的步骤,具体包括:基于映射互联形式的实体关系推理网络中的首个节点关系推理网络,对所述目标云服务异常事件的连接页面运行节点的初始页面运行节点特征进行规则化转换,确定所述目标云服务异常事件在首个节点关系推理网络的所述云服务异常事件特征;将所述目标云服务异常事件在首个节点关系推理网络的所述云服务异常事件特征加载至下个映射互联的实体关系推理网络,基于所述下个映射互联的实体关系推理网络继续进行规则化转换,确定所述目标云服务异常事件在下个映射互联的实体关系推理网络的所述云服务异常事件特征;所述对所述目标页面运行节点的连接云服务异常事件进行多层隐含层特征提取,确定所述目标页面运行节点的多个页面运行节点特征的步骤,具体包括:基于所述映射互联形式的实体关系推理网络中的首个节点关系推理网络,对所述目标页面运行节点的连接云服务异常事件的初始云服务异常事件特征进行规则化转换,确定所述目标页面运行节点在首个节点关系推理网络的所述页面运行节点特征;将所述目标页面运行节点在首个节点关系推理网络的所述页面运行节点特征加载至下个映射互联的实体关系推理网络,基于所述下个映射互联的实体关系推理网络继续进行规则化转换,确定所述目标页面运行节点在下个映射互联的实体关系推理网络的所述页面运行节点特征;所述基于所述下个映射互联的实体关系推理网络继续进行规则化转换,确定所述目标云服务异常事件在下个映射互联的实体关系推理网络的所述云服务异常事件特征的步骤,
具体包括:基于所述映射互联形式的实体关系推理网络的第x个节点关系推理网络实施下述步骤:对于所述目标云服务异常事件的多个连接页面运行节点中的第y个连接页面运行节点,确定所述第y个连接页面运行节点在第x
‑
1个节点关系推理网络的页面运行节点特征;确定所述第y个连接页面运行节点的连接数量以及所述目标云服务异常事件的连接数量;依据所述第y个连接页面运行节点的连接数量以及所述目标云服务异常事件的连接数量,对所述第y个连接页面运行节点在第x个节点关系推理网络的页面运行节点特征进行规则化转换,确定所述第y个连接页面运行节点的规则化转换特征;对所述多个连接页面运行节点分别对应的规则化转换特征进行聚合,确定所述目标云服务异常事件在第x个节点关系推理网络的所述云服务异常事件特征。4.根据权利要求1所述的针对云业务服务异常优化的大数据分析方法,其特征在于,所述对包含目标云服务异常事件以及目标页面运行节点的异常关系属性图进行特征提取,确定所述目标云服务异常事件的第一图关系特征以及所述目标页面运行节点的第二图关系特征的步骤,具体包括:确定所述异常关系属性图的顶点间关系图;依据所述顶点间关系图对所述异常关系属性图进行多层隐含层特征提取,确定所述异常关系属性图的多个隐含层特征;对所述多个隐含层特征进行融合,确定所述异常关系属性图的目标隐含层特征;依据所述目标云服务异常事件在所述目标隐含层特征的特征点,从所述目标隐含层特征中确定所述目标云服务异常事件的第一图关系特征;依据所述目标页面运行节点在所述目标隐含层特征的特征点,从所述目标隐含层特征中确定所述目标页面运行节点的第二图关系特征。5.根据权利要求4所述的针对云业务服务异常优化的大数据分析方法,其特征在于,所述隐含层特征提取是基于节点关系推理网络实现的,所述节点关系推理网络之间配置映射互联关系;所述依据所述顶点间关系图对所述异常关系属性图进行多层隐含层特征提取,确定所述异常关系属性图的多个隐含层特征的步骤,具体包括:基于所述映射互联形式的实体关系推理网络中的首个节点关系推理网络,对所述异常关系属性图的初始隐含层特征以及所述顶点间关系图进行规则化特征提取,确定所述异常关系属性图在首个节点关系推理网络的所述隐含层特征;将所述异常关系属性图在首个节点关系推理网络的所述隐含层特征加载至下个映射互联的实体关系推理网络,基于所述映射互联形式的实体关系推理网络的第z个节点关系推理网络实施下述步骤:确定所述异常关系属性图的连接数量阵列;依据所述异常关系属性图的连接数量阵列对所述顶点间关系图进行规则化转换,确定规则化转换后的所述顶点间关系图;对规则化转换后的所述顶点间关系图、以及所述异常关系属性图在第z
‑
1...
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。