一种基于图注意力网络的中文命名实体识别方法和系统

    公开(公告)号:CN114417874B

    公开(公告)日:2024-10-15

    申请号:CN202210083152.7

    申请日:2022-01-25

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于图注意力网络的中文命名实体识别方法,包括以下步骤:获取待中文命名实体识别的中文语句,基于得到的中文语句构建中文语句对应的字向量集合X,将得到的中文语句对应的字向量集合X输入训练好的基于图注意力网络的中文命名实体识别模型中,以得到该中文语句对应的中文命名实体标注。本发明能够解决现有BiLSTM‑CRF模型中存在的单词边界与实体边界不一致、模型输入特征单一的技术问题,以及现有基于图注意力网络的协同图网络模型中存在的传统图注意力计算方法损害图注意力表达能力的技术问题。

    一种基于机器学习的根因定位方法和系统

    公开(公告)号:CN114416423A

    公开(公告)日:2022-04-29

    申请号:CN202210089130.1

    申请日:2022-01-25

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于机器学习的根因定位方法,包括:获取微服务应用系统中调用过程的数据所组成的调用链数据,获取微服务应用系统的业务指标数据、容器指标、中间件指标、主机指标、以及数据库指标数据;将获取的业务指标数据中的时间戳、平均调用时间、业务量、成功数量、成功率输入到训练好的支持向量机SVM网络中,以得到检测结果,并判断检测结果是否为异常,如果异常则对得到的检测结果进行根因检测,以得到故障发生的节点、以及导致故障发生的性能指标。本发明能够解决现有基于静态阈值设置的根因检测方法准确率低的技术问题,以及现有基于滑动窗口的根因检测方法难以识别实际数据指标的周期特性的技术问题。

    一种基于机器学习的根因定位方法和系统

    公开(公告)号:CN114416423B

    公开(公告)日:2024-08-23

    申请号:CN202210089130.1

    申请日:2022-01-25

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于机器学习的根因定位方法,包括:获取微服务应用系统中调用过程的数据所组成的调用链数据,获取微服务应用系统的业务指标数据、容器指标、中间件指标、主机指标、以及数据库指标数据;将获取的业务指标数据中的时间戳、平均调用时间、业务量、成功数量、成功率输入到训练好的支持向量机SVM网络中,以得到检测结果,并判断检测结果是否为异常,如果异常则对得到的检测结果进行根因检测,以得到故障发生的节点、以及导致故障发生的性能指标。本发明能够解决现有基于静态阈值设置的根因检测方法准确率低的技术问题,以及现有基于滑动窗口的根因检测方法难以识别实际数据指标的周期特性的技术问题。

    基于K-MEANS聚类算法的数据分析系统及方法

    公开(公告)号:CN114661829A

    公开(公告)日:2022-06-24

    申请号:CN202210054504.6

    申请日:2022-01-18

    Abstract: 本发明涉及一种基于K‑MEANS聚类算法的数据分析系统及方法,通过所述系统包括:日志数据获取子系统、日志数据管理子系统和日志数据分析子系统;所述日志数据获取子系统用于采集网络安全日志数据;所述日志数据管理子系统用于对所述日志数据进行管理与存储;所述日志数据分析子系统用于对所述日志数据进行分析;解决了现有技术中传统数据仓库的扩展能力差,仅擅长处理结构化数据,无法对海量异构数据的内在价值进行挖掘的缺点,在合理利用已建好的传统数据仓库的基础上,把大数据平台整合进去,建立一个统一的数据存储和数据处理架构,实现对网络日志的监控统计分析。

    一种基于图注意力网络的中文命名实体识别方法和系统

    公开(公告)号:CN114417874A

    公开(公告)日:2022-04-29

    申请号:CN202210083152.7

    申请日:2022-01-25

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于图注意力网络的中文命名实体识别方法,包括以下步骤:获取待中文命名实体识别的中文语句,基于得到的中文语句构建中文语句对应的字向量集合X,将得到的中文语句对应的字向量集合X输入训练好的基于图注意力网络的中文命名实体识别模型中,以得到该中文语句对应的中文命名实体标注。本发明能够解决现有BiLSTM‑CRF模型中存在的单词边界与实体边界不一致、模型输入特征单一的技术问题,以及现有基于图注意力网络的协同图网络模型中存在的传统图注意力计算方法损害图注意力表达能力的技术问题。

Patent Agency Ranking