基于频繁序列挖掘的故障告警派生树生成与识别方法

    公开(公告)号:CN116781478A

    公开(公告)日:2023-09-19

    申请号:CN202310717952.4

    申请日:2023-06-16

    摘要: 本发明涉及互联网运维技术领域,公开了一种基于频繁序列挖掘的故障告警派生树生成与识别方法,包括步骤:获取承载网历史告警日志信息,进行数据清洗;告警派生规则挖掘,形成告警派生规则集合;根据挖掘出的告警派生规则集合,生成故障告警派生树;利用历史故障告警派生树识别承载网当前告警,判断承载网当前的告警数据集可能对应的故障派生树,界定告警影响的设备边界,为运维人员提供指导意见。本发明采用频繁序列分析技术生成故障告警派生树,以树状结构全面总结出故障设备节点会造成的多种派生告警,进而利用故障告警派生树对承载网当前实时告警数据进行识别分析,缩小故障设备范围,有效提升了网络节点故障排查效率。

    基于大语言模型辅助的通信网络故障日志分析方法

    公开(公告)号:CN117792882A

    公开(公告)日:2024-03-29

    申请号:CN202311691602.1

    申请日:2023-12-11

    摘要: 本发明涉及通信网络故障维护、大语言模型辅助处理技术领域,提出了一种大语言模型辅助的通信网络故障日志分析方法,包括日志核心信息提取、历史日志数据预处理、历史日志数据分析与知识库构建和实时日志分析与故障推断四个主要步骤。本发明不再依赖于预定义的规则和模板,而是利用大语言模型的自然语言处理能力,根据内容自动提取故障日志中的故障设备、故障类型、故障时间等核心信息;通过整合历史告警日志数据、人工处理的故障案例,形成知识库,对实时故障日志信息进行知识推理,判断实时故障类型,实现故障根因。本发明显著提高了故障日志的分析效率和准确性,加强了现有故障管理系统的能力,实现更高效的网络维护和故障处理流程。

    一种个性化商品推荐方法

    公开(公告)号:CN109903138A

    公开(公告)日:2019-06-18

    申请号:CN201910151051.7

    申请日:2019-02-28

    IPC分类号: G06Q30/06 G06K9/62

    摘要: 本发明涉及一种个性化商品推荐方法,包括:接收用户的商品搜索指令;若用户已被分类,计算用户偏好的多维平均标签信息,用户的推荐模型基于多维平均标签信息计算第一多维属性信息,计算第一多维属性信息与商品类别中每个商品的第二多维属性信息的距离,将距离较小的商品推给用户;否则,基于多个商品的第二多维属性信息,计算第一多维平均属性信息,基于第一多维平均属性信息及各类用户的推荐模型,确定适用于该用户的推荐模型。本发明提供的推荐方法,首先对用户聚类,且利用多维的商品标签信息和商品属性信息,使得推荐准确率高;另外,当用户为新用户时,通过注意力迁移学习,利用已有推荐模型形成新用户的推荐模型,以解决冷启动问题。

    一种个性化商品推荐方法

    公开(公告)号:CN109903138B

    公开(公告)日:2021-05-18

    申请号:CN201910151051.7

    申请日:2019-02-28

    IPC分类号: G06Q30/06 G06K9/62

    摘要: 本发明涉及一种个性化商品推荐方法,包括:接收用户的商品搜索指令;若用户已被分类,计算用户偏好的多维平均标签信息,用户的推荐模型基于多维平均标签信息计算第一多维属性信息,计算第一多维属性信息与商品类别中每个商品的第二多维属性信息的距离,将距离较小的商品推给用户;否则,基于多个商品的第二多维属性信息,计算第一多维平均属性信息,基于第一多维平均属性信息及各类用户的推荐模型,确定适用于该用户的推荐模型。本发明提供的推荐方法,首先对用户聚类,且利用多维的商品标签信息和商品属性信息,使得推荐准确率高;另外,当用户为新用户时,通过注意力迁移学习,利用已有推荐模型形成新用户的推荐模型,以解决冷启动问题。

    一种基于时间动态特性的产品推荐方法

    公开(公告)号:CN109670914B

    公开(公告)日:2020-11-17

    申请号:CN201811544768.X

    申请日:2018-12-17

    IPC分类号: G06Q30/06 G06Q30/02 G06Q10/04

    摘要: 本发明公开了一种基于时间动态特性的产品推荐方法,包括:收集目标时间段内用户的购买记录、评论记录及产品描述信息,将目标时间段划分为时间片序列,并生成用户对产品的评分矩阵;获得各产品的属性相对水平,用于表示产品各属性在产品所属时间片内的档次;根据所收集的信息以及产品的属性相对水平,获得任意两个用户的用户相似度,以及任意两个产品在同一用户关注度下的产品相似度;根据用户相似度和产品相似度预测用户对产品的评分,并根据预测结果确定优化函数;对评分矩阵进行分解,并根据优化函数对矩阵分解结果进行调整,以使得优化函数取值最小,从而生成各用户的推荐列表,完成对用户的产品推荐。本发明能够有效提高产品推荐的准确度。

    一种基于时间动态特性的产品推荐方法

    公开(公告)号:CN109670914A

    公开(公告)日:2019-04-23

    申请号:CN201811544768.X

    申请日:2018-12-17

    IPC分类号: G06Q30/06 G06Q30/02 G06Q10/04

    摘要: 本发明公开了一种基于时间动态特性的产品推荐方法,包括:收集目标时间段内用户的购买记录、评论记录及产品描述信息,将目标时间段划分为时间片序列,并生成用户对产品的评分矩阵;获得各产品的属性相对水平,用于表示产品各属性在产品所属时间片内的档次;根据所收集的信息以及产品的属性相对水平,获得任意两个用户的用户相似度,以及任意两个产品在同一用户关注度下的产品相似度;根据用户相似度和产品相似度预测用户对产品的评分,并根据预测结果确定优化函数;对评分矩阵进行分解,并根据优化函数对矩阵分解结果进行调整,以使得优化函数取值最小,从而生成各用户的推荐列表,完成对用户的产品推荐。本发明能够有效提高产品推荐的准确度。