基于随流检测的业务路径的确定方法、装置及电子设备

    公开(公告)号:CN120034481A

    公开(公告)日:2025-05-23

    申请号:CN202510183852.7

    申请日:2025-02-19

    Abstract: 本发明提供了一种基于随流检测的业务路径的确定方法、装置及电子设备,方法包括:获取每个目标设备对应的至少一个业务流的随流检测数据;其中,每个目标设备预先配置有随流检测功能;根据每个随流检测数据,从多个目标设备中确定每个业务流对应的多个传输设备;根据每个随流检测数据的流节点标识信息、时间戳信息、流方向信息、接口信息,以及每个传输设备预先配置的LLDP信息,对每个业务流对应的多个传输设备的接口进行排序并连接,以确定每个业务流对应的业务路径;该方式中,基于随流检测进行业务路径还原,可以从复杂的网络流量中准确还原出单一业务路径,从而解决了传统网络监控方法在复杂网络环境中无法精确还原业务路径的问题。

    基于大语言模型的多智能体协同方法、装置、设备及介质

    公开(公告)号:CN118551751A

    公开(公告)日:2024-08-27

    申请号:CN202411009034.7

    申请日:2024-07-26

    Abstract: 本发明提供了一种基于大语言模型的多智能体协同方法、装置、设备及介质,涉及人工智能技术领域,包括:获取待处理自然语言,将待处理自然语言输入至预先训练的大型语言模型中,主控智能体对待处理自然语言进行意图识别、流程推理和流程分解得到推理结果和分解流程;任务创建智能体基于分解流程进行任务创建,得到分解任务;意图编排智能体基于推理结果和分解任务进行流程编排,得到处理流程;从至少一个专业智能体中确定目标专业智能体,目标专业智能体基于对应的处理流程进行流程处理得到处理结果;主控智能体基于处理结果进行意图推理,得到并输出推理结论。该方式中,可以得到精准的推理结果及执行准确的处理流程,提高了推理结论的准确性。

    一种图数据库中资源关系的发现方法和装置

    公开(公告)号:CN117290550A

    公开(公告)日:2023-12-26

    申请号:CN202311244459.1

    申请日:2023-09-25

    Inventor: 董越 王震新

    Abstract: 本申请提供了一种图数据库中资源关系的发现方法和装置,能够支持查询到的资源关系与图数据库中基础的资源关系同步,保证了查询到的资源关系的准确性和实时性。方法包括:当图数据库中资源关系变动时,在图数据库中更新变动的第一资源节点以及与其关联的第一中间资源节点信息;若第一查询条件包括第一关系类型,根据第一关系类型进行目标规则的检索;若检索到目标规则,根据目标规则中位于第一路径两端的两个资源节点的类型,和包括第一资源节点和第一中间资源节点的第一路径的中间信息,将第一查询条件更新为第二查询条件;根据第二查询条件在图数据库中进行查询,获取第一目标路径;向该路径位于两端的两个资源节点之间补充第一资源关系。

    基于推理模板的大模型意图推理方法、装置、设备及介质

    公开(公告)号:CN119005153A

    公开(公告)日:2024-11-22

    申请号:CN202411009030.9

    申请日:2024-07-26

    Abstract: 本发明提供了一种基于推理模板的大模型意图推理方法、装置、设备及介质,大型语言模型部署有智能体自主系统,智能体自主系统包括主控智能体、意图编排智能体和专业智能体,包括:获取待处理自然语言;将待处理自然语言输入至大型语言模型中,主控智能体基于大型语言模型中的历史案例、预先设置的推理模板和预先生成的提示词集对待处理自然语言进行意图识别和流程推理,得到推理结果;意图编排智能体基于推理结果进行流程编排,得到处理流程;专业智能体基于处理流程进行流程处理得到处理结果;主控智能体基于处理结果进行意图推理得到推理结论;大型语言模型输出推理结论。该方式中,解决了推理过程中出现的幻觉问题,提高了推理结论的准确性。

    基于大语言模型的多智能体协同方法、装置、设备及介质

    公开(公告)号:CN118551751B

    公开(公告)日:2024-11-08

    申请号:CN202411009034.7

    申请日:2024-07-26

    Abstract: 本发明提供了一种基于大语言模型的多智能体协同方法、装置、设备及介质,涉及人工智能技术领域,包括:获取待处理自然语言,将待处理自然语言输入至预先训练的大型语言模型中,主控智能体对待处理自然语言进行意图识别、流程推理和流程分解得到推理结果和分解流程;任务创建智能体基于分解流程进行任务创建,得到分解任务;意图编排智能体基于推理结果和分解任务进行流程编排,得到处理流程;从至少一个专业智能体中确定目标专业智能体,目标专业智能体基于对应的处理流程进行流程处理得到处理结果;主控智能体基于处理结果进行意图推理,得到并输出推理结论。该方式中,可以得到精准的推理结果及执行准确的处理流程,提高了推理结论的准确性。

    基于大语言模型的推理流程确定方法、装置、设备及介质

    公开(公告)号:CN118861296A

    公开(公告)日:2024-10-29

    申请号:CN202411009032.8

    申请日:2024-07-26

    Abstract: 本发明提供了一种基于大语言模型的推理流程确定方法、装置、设备及介质,涉及人工智能技术领域,应用于大型语言模型,大型语言模型部署有预先构建的智能体自主系统,智能体自主系统包括主控智能体、意图编排智能体;方法包括:获取待处理自然语言,将待处理自然语言输入至预先训练的大型语言模型中,主控智能体对待处理自然语言进行意图识别和流程推理,得到推理结果;意图编排智能体基于推理结果进行流程编排和流程验证,得到处理流程;大型语言模型基于处理流程进行流程处理及意图推理,得到并输出推理结论。该方式可以得到精准的推理结果及执行准确的处理流程,进而输出准确的推理结论,提高了推理结论的准确性。

    CMBD全属性资源检索方法、装置、设备及存储介质

    公开(公告)号:CN117785870A

    公开(公告)日:2024-03-29

    申请号:CN202311651118.6

    申请日:2023-12-04

    Abstract: 本发明涉及数据处理技术领域,尤其涉及一种CMBD全属性资源检索方法、装置、设备及存储介质。方法包括:通过全量和增量的处理机制将CMDB中动态资源数据用经过特殊设计的索引表向Opensearch中写入。在对资源数据实例进行检索时可根据特定的索引表进行查询,特定的检索表支持对动态CMDB模型下资源的任意属性检索,以及特定的检索表的应用还能解决现有针对CMDB动态模型的检索方式随着索引数量的增加和索引中属性数据的增加导致逻辑愈加复杂以及性能逐渐变差的问题。

    Kafka收发消息一致性的监控方法、装置及电子设备

    公开(公告)号:CN117749599A

    公开(公告)日:2024-03-22

    申请号:CN202311656931.2

    申请日:2023-12-05

    Abstract: 本发明提供的Kafka收发消息一致性的监控方法、装置及电子设备,获取预先生成的监控规则,基于监控规则获取Kafka主题名称信息对应的Kafka分区和Kafka分区的消息偏移量;基于Kafka分区的消息偏移量以及监控策略信息对应的预设阈值判断Kafka分区的消息收发是否出现异常;如果出现异常,根据预设的通知类型生成异常信息并按通知类型发送至客户端。该方式中通过灵活自定义的监控规则,可以获取主题名称信息对应的分区和分区的消息偏移量,然后根据消息偏移量及其对应的预设阈值,能自动及时发现故障异常,并将该故障异常通过多种方式主动通知给用户,从而提升监控人员工作效率和运维人员故障处理能力。

    网页元素的流程自动化操作方法及装置

    公开(公告)号:CN117555539A

    公开(公告)日:2024-02-13

    申请号:CN202311444416.8

    申请日:2023-11-01

    Abstract: 本发明提供了一种网页元素的流程自动化操作方法及装置,涉及计算机应用的技术领域,该方法包括:响应网页元素的操作请求,获取目标网页元素;提取目标网页元素的元素路径;基于元素路径从目标网页上筛选与目标网页元素同层级的待操作网页元素;对待操作网页元素执行操作指令,以对待操作网页元素进行批量操作。本发明提供的网页元素的流程自动化操作方法及装置,用户只需选取目标网页元素,即可筛选出同层级的待操作网页元素,进行执行对应的操作指令,无需用户进行额外的编程处理,实现的逻辑相对简单且无需大量的工作量,不能能够提高网页元素操作的效率,还有助于在普通用户中推广使用。

    基于机器学习的商务大数据分析方法、设备及存储介质

    公开(公告)号:CN119357198A

    公开(公告)日:2025-01-24

    申请号:CN202411920409.5

    申请日:2024-12-25

    Abstract: 本发明属于大数据分析技术领域,本发明提供了一种基于机器学习的商务大数据分析方法、设备及存储介质,首先获取企业的内部数据和相关外部数据;然后根据内部数据,计算企业的当前成长指数向量;接着根据当前成长指数向量、相关外部数据和预先构建的混合模型,预测企业的成长指数变化曲线;本发明通过内部数据评估当前企业发展,结合时间序列模型来预测企业的后续发展,同时考虑了外部因素对企业发展的影响,采用神经网络模型来将该影响量化叠加至企业的发展预测,从而使预测出的成长指数变化曲线更准确,同时进一步评估企业的稳定性和风险,更深层次的提取出企业数据的关键特征,为企业发展提供数字化战略参考。

Patent Agency Ranking