【技术实现步骤摘要】
本专利技术属于信息处理，具体涉及基于深度学习的数据库报警多模态关系提取方法。
技术介绍
1、随着信息技术的飞速发展，数据库系统在企业和组织中的应用越来越广泛，其稳定性和安全性对业务的连续性至关重要。数据库报警系统是监控数据库运行状态、及时发现并响应潜在问题的关键机制。然而，传统的数据库报警处理方法主要依赖于系统管理员的经验进行手动诊断和处理，这不仅效率低下，而且随着数据库系统的不断扩展和复杂化，手动处理方式越来越无法满足实际需求。特别是在处理多模态数据（如文本日志、系统指标图表等）时，传统方法难以有效捕捉和理解其中的关系，从而无法准确快速地定位和解决问题。
2、传统数据库告警的处理主要依赖于人工分析告警日志和系统状态，这种方式不仅耗时耗力，而且难以应对大规模、高频率的数据库告警事件。为了提高告警处理的效率和准确性，关系提取技术被引入到数据库告警的分析中。关系提取旨在从告警日志中自动识别出关键实体（如数据库对象、错误代码等）及其间的关系（如因果关系、依赖关系等），从而为告警的定位和处理提供有力的信息支持。 在最近的研究中，关系...
【技术保护点】
1.基于深度学习的数据库报警多模态关系提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤1包括：在句子编码器中，通过BERT 模型，将输入的Oracle文本句子 {w1， w2， … wt} 生成一个特征向量矩阵V，表达式为：
3.根据权利要求2所述的方法，其特征在于，步骤2包括：在图像编码器中，使用基于视觉知识检索器的数据库告警标识符来识别图像中的数据库告警实体信息：给定包含数据库告警实体a的图像，得到对应的实体特征表示fa和图像中包含的第i个其他数据库告警实体特征表示fi，定义为：
4.根据权利...
【技术特征摘要】
1.基于深度学习的数据库报警多模态关系提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤1包括：在句子编码器中，通过bert 模型，将输入的oracle文本句子 {w1， w2， … wt} 生成一个特征向量矩阵v，表达式为：
3.根据权利要求2所述的方法，其特征在于，步骤2包括：在图像编码器中，使用基于视觉知识检索器的数据库告警标识符来识别图像中的数据库告警实体信息：给定包含数据库告警实体a的图像，得到对应的实体特征表示fa和图像中包含的第i个其他数据库告警实体特征表示fi，定义为：
4.根据权利要求3所述的方法，其特征在于，步骤2还包括：在图像编码器中，添加一个全连接层和一个批量归一化层来获取两个数据库告警实体的最终特征：向量ha和向量 hi用于分别代替实体特征表示 fa和 fi来表示数据库告警设备实体的最终特征：
5.根据权利要求4所述的方法，其特征在于，步骤3包括：将数据库告警实体的特征向量...
【专利技术属性】
技术研发人员：刘琳，黄施远，王一冉，江文琦，杨靖宇，尹寒悦，王伟尧，奚钰靖，戴宇宸，林怡帆，顾枭，刘文杰，陈良豪，姜明妍，李青秋，李欣韫，
申请(专利权)人：南京信息工程大学，
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。