一种运维知识图谱的知识补充方法及装置制造方法及图纸

本申请实施例提供一种运维知识图谱的知识补充方法及装置，涉及信息处理技术领域。该运维知识图谱的知识补充方法包括：创建运维知识图谱；获取新增节点信息；根据所述新增节点信息和所述运维知识图谱生成新增节点知识图谱；基于预设DeepWalk算法、预设TransE模型和预设GCN模型对新增节点知识图谱进行处理，分别获得节点向量表示数据、关系向量表示数据之后进行回归处理，生成融合节点向量表示数据和融合关系向量表示数据；根据所述融合节点向量表示数据和所述融合关系向量表示数据完成所述运维知识图谱的知识补充。该运维知识图谱的知识补充方法可以实现提高知识图谱知识补充的效率和准确性的技术效果。的效率和准确性的技术效果。的效率和准确性的技术效果。

【技术实现步骤摘要】
一种运维知识图谱的知识补充方法及装置


[0001]本申请涉及信息处理
，具体而言，涉及一种运维知识图谱的知识补充方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]目前，随着经济水平的提高，企业业务趋向多样性，适应多样业务的整体架构也日趋复杂，数据中心成为了越来越多企业进行资产管理的一种有效方式，如金融行业、制造业等等。数据中心运维也自然成为了企业生存下去必不可少的工作，如何实现对环境、IT设备、业务等内容进行更好的运维已经成为当今比较热的研究课题。数据中心日产TB级，甚至是PB级的数据量，如此庞大数量的数据既是财富也是痛点，如何进行有效的数据挖掘和数据分析是企业面临的难题。为了保障良好的用户体验和高可靠的业务连续性，运维工作变得异常艰巨，而传统的运维方式已经无法适应大数据环境，智能运维就是解决上述问题的有效手段之一。
[0003]现有技术中，知识图谱在如金融、中医药等诸多领域都有着重要应用，通过实体、属性和关系等内容进行存储并以图的形式进行展示，直观的表达该领域中涉及到的事物与关系。同时，利用知识图谱进行推理，挖掘出大量的有价值的信息。知识图谱在运维领域仍属新鲜事物，虽然运维领域的数据基本上都是结构化数据，这对于知识图谱的创建无疑是一个优势，但是如何有效并合理的定义运维知识图谱中的实体、属性以及关系的框架才是构建运维知识图谱的核心。此外，随着企业业务的增加以及规模的扩大，知识的动态更新是必然的。对于企业来说，新业务的上线、新服务器的增加、新数据库的部署等内容是寻常事务，但对于运维知识图谱每一步都是一次不小的更新。新增一个节点就涉及到该节点相关知识的补充，即与该节点有关的节点关系的补充。传统更新知识图谱的方法是繁琐和复杂的，需要耗费大量的人力去对新增的节点进行手动的知识补充和校验。

技术实现思路

[0004]本申请实施例的目的在于提供一种运维知识图谱的知识补充方法、装置、电子设备及计算机可读存储介质，可以实现提高知识图谱知识补充的效率和准确性的技术效果。
[0005]本申请实施例提供了一种运维知识图谱的知识补充方法，包括：
[0006]创建运维知识图谱；
[0007]获取新增节点信息；
[0008]根据所述新增节点信息和所述运维知识图谱生成新增节点知识图谱；
[0009]基于所述新增节点知识图谱中的节点和关系作为矩阵参数生成节点关系矩阵，并基于预设DeepWalk算法对所述节点关系矩阵进行操作，获得第一节点向量表示数据和第一关系向量表示数据；
[0010]将所述新增节点知识图谱作为数据输入训练预设TransE模型，获得第二节点向量表示数据和第二关系向量表示数据；
[0011]将所述新增节点知识图谱作为数据输入训练预设GCN模型，获得第三节点向量表示数据；
[0012]根据所述第一节点向量表示数据、所述第一关系向量表示数据、所述第二节点向量表示数据、所述第二关系向量表示数据和所述第三节点向量表示数据进行回归处理，生成融合节点向量表示数据和融合关系向量表示数据；
[0013]根据所述融合节点向量表示数据和所述融合关系向量表示数据完成所述运维知识图谱的知识补充。
[0014]在上述实现过程中，该运维知识图谱的知识补充方法在获取新增节点信息并生成新增节点知识图谱后，通过TransE可以获得新增节点知识图谱的节点、关系的知识表示(只有一个结果)，而通过DeepWalk和GCN可以得到新增节点知识图谱的节点的知识表示(缺少关系知识表示)；该运维知识图谱的知识补充方法通过融合DeepWalk、TransE和GCN三种算法模型完成知识图谱的知识补充，避免了手动更新知识图谱既不高效且准确率不高、单一的图表示学习方法进行知识补充的准确率较低的问题，可以实现提高知识图谱知识补充的效率和准确性的技术效果。
[0015]进一步地，所述基于所述新增节点知识图谱中的节点和关系作为矩阵参数生成节点关系矩阵，并基于预设DeepWalk算法对所述节点关系矩阵进行操作，获得第一节点向量表示数据和第一关系向量表示数据的步骤，包括：
[0016]将所述新增节点知识图谱中所有的节点和关系作为行列单元，构建所述节点关系矩阵，所述节点关系矩阵的矩阵值为0或1，0表示当前行单元与当前列单元之间没有连接，1表示当前行单元与当前列单元之间有连接；
[0017]基于所述预设DeepWalk算法和所述节点关系矩阵获得节点随机游走结果，根据所述节点随机游走结果进行模型训练，获得第一节点向量表示数据和第一关系向量表示数据。
[0018]在上述实现过程中，预设DeepWalk算法将原有的节点关系矩阵进行拓展，将关系也作为一个节点放入到节点关系矩阵；从而，矩阵内容的值同样是0或者1，0表示二者没有连接，1表示二者有连接。重复传统DeepWalk的操作就可以得到有新增节点的知识图谱中所有节点和关系的向量表示，即获得第一节点向量表示数据和第一关系向量表示数据。
[0019]进一步地，所述根据所述第一节点向量表示数据、所述第一关系向量表示数据、所述第二节点向量表示数据、所述第二关系向量表示数据和所述第三节点向量表示数据进行回归处理，生成融合节点向量表示数据和融合关系向量表示数据的步骤，包括：
[0020]根据第一预设公式对所述第一节点向量表示数据、所述第二节点向量表示数据和所述第三节点向量表示数据进行回归处理，获得融合节点向量表示数据；
[0021]根据第二预设公式对所述第一关系向量表示数据和所述第二关系向量表示数据进行回归处理，生成融合关系向量表示数据。
[0022]进一步地，所述第一预设公式表示为：
[0023]V＝a0+a1*Vd+a2*Vt+a3*Vg；
[0024]其中，V表示融合节点向量表示数据，Vd表示第一节点向量表示数据，Vt表示第二节点向量表示数据，Vg表示第三节点向量表示数据，a0、a1、a2、a3表示待定回归分析参数；
[0025]所述第二预设公式表示为：
[0026]E＝b0+b1*Ed+b2*Et；
[0027]其中，E表示融合关系向量表示数据，Ed表示第一关系向量表示数据，Et表示第二关系向量表示数据，b0、b1、b2表示待定回归分析参数。
[0028]进一步地，所述根据所述融合节点向量表示数据和所述融合关系向量表示数据完成所述运维知识图谱的知识补充的步骤，包括：
[0029]根据所述融合节点向量表示数据和所述融合关系向量表示数据计算新增节点、原有节点以及预设关系之间的距离信息，并根据所述距离信息进行升序排列，完成所述运维知识图谱的知识补充。
[0030]在上述实现过程中，根据距离信息进行升序排列，即可以通过顺序推荐的方式进行知识更新，可大幅度节省手动进行知识补充以及知识校验的时间，提升运维效率，更好的满足更多企业降本增效的需求。
[0031]进一步地，所述根据所述新增节点信息和所述运维知识图谱生成新增节点知识图谱的步骤，包括：
...

【技术保护点】

【技术特征摘要】
1.一种运维知识图谱的知识补充方法，其特征在于，包括：创建运维知识图谱；获取新增节点信息；根据所述新增节点信息和所述运维知识图谱生成新增节点知识图谱；基于所述新增节点知识图谱中的节点和关系作为矩阵参数生成节点关系矩阵，并基于预设DeepWalk算法对所述节点关系矩阵进行操作，获得第一节点向量表示数据和第一关系向量表示数据；将所述新增节点知识图谱作为数据输入训练预设TransE模型，获得第二节点向量表示数据和第二关系向量表示数据；将所述新增节点知识图谱作为数据输入训练预设GCN模型，获得第三节点向量表示数据；根据所述第一节点向量表示数据、所述第一关系向量表示数据、所述第二节点向量表示数据、所述第二关系向量表示数据和所述第三节点向量表示数据进行回归处理，生成融合节点向量表示数据和融合关系向量表示数据；根据所述融合节点向量表示数据和所述融合关系向量表示数据完成所述运维知识图谱的知识补充。2.根据权利要求1所述的运维知识图谱的知识补充方法，其特征在于，所述基于所述新增节点知识图谱中的节点和关系作为矩阵参数生成节点关系矩阵，并基于预设DeepWalk算法对所述节点关系矩阵进行操作，获得第一节点向量表示数据和第一关系向量表示数据的步骤，包括：将所述新增节点知识图谱中所有的节点和关系作为行列单元，构建所述节点关系矩阵，所述节点关系矩阵的矩阵值为0或1，0表示当前行单元与当前列单元之间没有连接，1表示当前行单元与当前列单元之间有连接；基于所述预设DeepWalk算法和所述节点关系矩阵获得节点随机游走结果，根据所述节点随机游走结果进行模型训练，获得第一节点向量表示数据和第一关系向量表示数据。3.根据权利要求1或2所述的运维知识图谱的知识补充方法，其特征在于，所述根据所述第一节点向量表示数据、所述第一关系向量表示数据、所述第二节点向量表示数据、所述第二关系向量表示数据和所述第三节点向量表示数据进行回归处理，生成融合节点向量表示数据和融合关系向量表示数据的步骤，包括：根据第一预设公式对所述第一节点向量表示数据、所述第二节点向量表示数据和所述第三节点向量表示数据进行回归处理，获得融合节点向量表示数据；根据第二预设公式对所述第一关系向量表示数据和所述第二关系向量表示数据进行回归处理，生成融合关系向量表示数据。4.根据权利要求3所述的运维知识图谱的知识补充方法，其特征在于，所述第一预设公式表示为：V＝a0+a1*Vd+a2*Vt+a3*Vg；其中，V表示融合节点向量表示数据，Vd表示第一节点向量表示数据，Vt表示第二节点向量表示数据，Vg表示第三节点向量表示数据，a0、a1、a2、a3表示待定回归分析参数；所述第二预设公式表示为：
E＝b0+b1*Ed+b2*Et；其中，E表示融合关系向量表示数据，Ed表示第一关系向量表示数据，Et表示第二关系向量表示数据，b0、b...

【专利技术属性】
技术研发人员：姜勇越，王菲，
申请(专利权)人：创新奇智上海科技有限公司，
类型：发明
国别省市：