公开(公告)号：CN111198817B

公开(公告)日：2021-06-04

申请号：CN201911397867.4

申请日：2019-12-30

Applicant: 武汉大学

Inventor： 应时 ,  帕提古丽·阿不力孜 ,  段晓宇 ,  成海龙 ,  原万里

IPC: G06F11/36 ,  G06F40/279 ,  G06N3/04

Abstract: 本发明公开了一种基于卷积神经网络的SaaS软件故障诊断方法，首先对系统产生的日志数据进行过滤；然后对过滤后的日志数据进行类别划分与标注；接着对进行类别划分与标注后的日志数据进行去噪处理；接下来采用Skip‑Gram方法对去噪后的日志数据进行向量化，对向量化后的日志数据进行二维拓扑结构的构造，构造成词向量维度和单词维度两个维度的二维向量数据；再将构造的二维向量数据作为训练数据对预先构建好的卷积神经网络模型进行训练，获得训练好的性能故障诊断模型；最后利用训练好的性能故障诊断模型对未知类型日志数据进行诊断，获得日志数据的故障类型。本发明提高了对未知类型日志数据的诊断准确性和诊断效率。

公开(公告)号：CN111198817A

公开(公告)日：2020-05-26

申请号：CN201911397867.4

申请日：2019-12-30

Applicant: 武汉大学

Inventor： 应时 ,  帕提古丽·阿不力孜 ,  段晓宇 ,  成海龙 ,  原万里

IPC: G06F11/36 ,  G06F40/279 ,  G06N3/04

Abstract: 本发明公开了一种基于卷积神经网络的SaaS软件故障诊断方法，首先对系统产生的日志数据进行过滤；然后对过滤后的日志数据进行类别划分与标注；接着对进行类别划分与标注后的日志数据进行去噪处理；接下来采用Skip-Gram方法对去噪后的日志数据进行向量化，对向量化后的日志数据进行二维拓扑结构的构造，构造成词向量维度和单词维度两个维度的二维向量数据；再将构造的二维向量数据作为训练数据对预先构建好的卷积神经网络模型进行训练，获得训练好的性能故障诊断模型；最后利用训练好的性能故障诊断模型对未知类型日志数据进行诊断，获得日志数据的故障类型。本发明提高了对未知类型日志数据的诊断准确性和诊断效率。

公开(公告)号：CN119046253A

公开(公告)日：2024-11-29

申请号：CN202411039493.X

申请日：2024-07-31

Applicant: 武汉大学

Inventor： 应时 ,  成海龙 ,  原万里 ,  李田港

IPC: G06F16/18 ,  G06F18/24 ,  G06F18/214 ,  G06F40/186 ,  G06F17/18 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本申请涉及软件工程技术领域，特别涉及一种日志解析方法、装置、电子设备及存储介质，包括：对每个实时目标日志进行分割，得到每个实时目标日志对应的目标日志令牌，基于训练后的第一预设模型对每个目标日志令牌进行向量化，得到每个目标日志令牌的嵌入向量；基于训练后的第一预设模型生成的目标样本，利用每个目标日志令牌的嵌入向量和目标样本的平均相似性对每个目标日志令牌进行分类，并根据分类结果得到每个实时目标日志的日志模板，存储日志模板并更新日志模板集，以根据日志模板集解析至少一个实时目标日志。由此，解决了相关技术的日志解析方法受限于数据驱动特性，使得日志文本处理能力和适应能力较低以及解析效率和准确性低等问题。