使用机器学习的左移位拓扑构建和信息增强制造技术

提供了一种用于左移位拓扑构建的方法、计算机系统和计算机程序产品。该方法可以包括：收集数据集；提取拓扑实体；将来自拓扑实体的多个数据相互关联；映射拓扑实体；标记针对拓扑实体的多个子图形的入口点；构建拓扑图形。构建拓扑图形。构建拓扑图形。

【技术实现步骤摘要】
【国外来华专利技术】使用机器学习的左移位拓扑构建和信息增强

技术介绍

[0001]本专利技术一般涉及计算领域，并且更特定地，涉及拓扑构建和机器学习。微服务架构可以使用多种不同的拓扑以分布式方式实现。一些包括使用集中式消息收发拓扑、基于表述性状态转移(REST)的拓扑和基于表述性状态转移应用接口(REST
‑
API)的拓扑。

技术实现思路

[0002]本专利技术的实施例公开了一种用于左移位拓扑构建的方法、计算机系统和计算机程序产品。本专利技术的实施例可以包括收集数据集。本专利技术的实施例可以包括从数据集中提取拓扑实体。本专利技术的实施例可以包括将来自拓扑实体的多个数据相互关联。本专利技术的实施例可以包括映射拓扑实体。本专利技术的实施例可以包括标记针对拓扑实体的多个子图形的入口点。本专利技术的实施例可以包括构建拓扑图。
附图说明
[0003]本专利技术的这些和其他目的、特征和优点将从以下结合附图阅读的对其说明性实施例的详细描述中变得显而易见。附图的各种特征不是按比例的，因为为了清楚起见，图示是为了帮助本领域技术人员结合详细描述理解本专利技术。在本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于左移位拓扑构建的方法，所述方法包括：收集数据集；从所述数据集提取拓扑实体；将来自所述拓扑实体的多个数据相互关联；对所述拓扑实体进行映射；标记针对所述拓扑实体的多个子图形的入口点；以及构建拓扑图形。2.根据权利要求1所述的方法，还包括：使用静态数据来更新所述数据集；以及连续地验证经更新的所述数据集。3.根据前述权利要求中任一项所述的方法，还包括：使用来自主题专家(SME)的实时数据作为主动学习反馈模型来更新所述数据集；以及连续地验证经更新的所述数据集。4.根据前述权利要求中任一项所述的方法，其中提取所述拓扑实体包括从授权实体、登录实体、前端实体、弹性搜索实体和图形数据库实体提取信息。5.根据前述权利要求中任一项所述的方法，其中提取所述拓扑实体包括使用无监督机器学习(ML)模型标识被分布在所收集的所述数据集中间的关键词和主题。6.根据前述权利要求中任一项所述的方法，其中将来自所述拓扑实体的所述多个数据相互关联包括匹配来自多个不同源的多个所述拓扑实体，其中应用程序接口(API)路由在所述多个所述拓扑实体之间被标识。7.根据前述权利要求中任一项所述的方法，其中标记针对所述多个子图形的所述入口点包括标记针对所述入口点中的每个入口点的子图形的中央处理单元(CPU)周期。8.根据前述权利要求中任一项所述的方法，其中学习模型被用以从所述多个子图形获得元信息。9.根据权利要求2至8中任一项所述的方法，其中在配置改变出现时，连续地验证经更新的所述数据集。10.一种用于左移位拓扑构建的计算机系统，所述计算机系统包括：一个或多个处理器、一个或多个计算机可读存储器、一个或多个计算机可读有形存储介质、以及被存储在所述一个或多个计算机可读有形存储介质中的至少一个计算机可读有形存储介质上的程序指令，所述程序指令用于由所述一个或多个处理器中的至少一个处理器经由所述一个或多个计算机可读存储器中的至少一个计算机可读存储器执行，其中所述计算机系统能够执行方法，所述方法包括：收集数据集；从所述数据集提取拓扑实体；将来自所述拓扑实体的多个数据相互关联；对所述拓扑实体进行映射；标记针对所述拓扑实体的多个子图形的入口点；以及构建拓扑图形。11.根据权利要求10所述的计算机系统，还包括：
使用静态数据来更新所述数据集；以及连续地验证经更新的所述数据集。12.根据权利要求10至11中任一项所述的计算机系统，还包括：使用来自主题专家(SME)的实时数据作为主动学习反馈模型来更新所述数据集；以及连续地验证经更新的所述数据集。13.根据权利要求10至12中任一项所述的计算机系统，其中...

【专利技术属性】
技术研发人员：黄珍镐，L，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：