基于图注意力网络关系嵌入的设备故障预测方法及系统

    公开(公告)号:CN115115113A

    公开(公告)日:2022-09-27

    申请号:CN202210743095.0

    申请日:2022-06-28

    摘要: 本发明提供了基于图注意力网络关系嵌入的设备故障预测方法及系统。其中,该方法包括基于已有的设备故障记录,构建运维知识图谱,将故障记录映射到知识图谱的对应实体中,提取每种故障对应的三元组,根据不同的关系将每个三元组划分为若干个三元组;基于三元组集合,引入图注意力网络,量化故障记录和知识图谱中故障之间的相关性,实现在相同交互关系上尾部实体到头部实体的信息聚合和关系嵌入向量的学习,得到设备故障向量;将设备故障向量输出至softmax函数,输出候选故障的概率分布,筛选概率最大的候选故障作为预测结果;将预测结果与实际的故障记录进行对比,并将比对结果反馈至图注意力网络来优化图注意力网络中的数据权重值,以提高预测结果的精准性。

    一种软件缺陷预测方法及系统

    公开(公告)号:CN118672594B

    公开(公告)日:2024-10-29

    申请号:CN202411170015.2

    申请日:2024-08-26

    申请人: 山东大学

    摘要: 本发明属于软件缺陷预测技术领域,提供了一种软件缺陷预测方法及系统,将软件系统包含的源代码文件,解析为抽象语法树,从中提取特征节点和标签节点,提取代码行之间的控制流和数据流依赖关系,构建行属性图;生成特征节点的语法表示向量,并计算出多标签对比学习损失值,再逐步生成文件表示向量;利用获得的文件表示向量生成过程中产生的注意力权重进行代码行级别的软件缺陷预测任务,利用获得的文件表示向量,进行文件级别的缺陷预测。本发明能够对源代码语法语义信息进行综合挖掘,更加完整地表示了源代码蕴含的信息,对存在隐藏缺陷的模块进行了更精准的预测。

    一种软件系统多指标异常检测方法及系统

    公开(公告)号:CN117724935B

    公开(公告)日:2024-06-07

    申请号:CN202410166028.6

    申请日:2024-02-06

    申请人: 山东大学

    IPC分类号: G06F11/30 G06F18/2433

    摘要: 本发明属于大数据信息处理及智能化运维技术领域,提供了一种软件系统多指标异常检测方法及系统,其技术方案为:基于软件系统收集多维监控指标数据;然后利用注意力机制通过注意力权重来充分捕获多维监控指标数据的时间特征信息;使用图注意力网络来学习多维监控指标数据的空间特征信息;将学习到的时间特征信息和空间特征信息进行融合,构建基于变分Transformer的重构模型,经过残差变分自编码器得到隐变量,使用解码器得到最终的重构数据表示;基于重构数据与原始数据的重构损失来进行异常检测任务,解决了现有技术未充分考虑时间特征信息和空间特征信息,导致异常检测性能不佳的问题。

    一种软件系统多指标异常检测方法及系统

    公开(公告)号:CN117724935A

    公开(公告)日:2024-03-19

    申请号:CN202410166028.6

    申请日:2024-02-06

    申请人: 山东大学

    IPC分类号: G06F11/30 G06F18/2433

    摘要: 本发明属于大数据信息处理及智能化运维技术领域,提供了一种软件系统多指标异常检测方法及系统,其技术方案为:基于软件系统收集多维监控指标数据;然后利用注意力机制通过注意力权重来充分捕获多维监控指标数据的时间特征信息;使用图注意力网络来学习多维监控指标数据的空间特征信息;将学习到的时间特征信息和空间特征信息进行融合,构建基于变分Transformer的重构模型,经过残差变分自编码器得到隐变量,使用解码器得到最终的重构数据表示;基于重构数据与原始数据的重构损失来进行异常检测任务,解决了现有技术未充分考虑时间特征信息和空间特征信息,导致异常检测性能不佳的问题。

    一种软件缺陷预测方法及系统

    公开(公告)号:CN118672594A

    公开(公告)日:2024-09-20

    申请号:CN202411170015.2

    申请日:2024-08-26

    申请人: 山东大学

    摘要: 本发明属于软件缺陷预测技术领域,提供了一种软件缺陷预测方法及系统,将软件系统包含的源代码文件,解析为抽象语法树,从中提取特征节点和标签节点,提取代码行之间的控制流和数据流依赖关系,构建行属性图;生成特征节点的语法表示向量,并计算出多标签对比学习损失值,再逐步生成文件表示向量;利用获得的文件表示向量生成过程中产生的注意力权重进行代码行级别的软件缺陷预测任务,利用获得的文件表示向量,进行文件级别的缺陷预测。本发明能够对源代码语法语义信息进行综合挖掘,更加完整地表示了源代码蕴含的信息,对存在隐藏缺陷的模块进行了更精准的预测。

    一种基于监控感知的K8S容器调度方法及系统

    公开(公告)号:CN117729204B

    公开(公告)日:2024-05-10

    申请号:CN202410166032.2

    申请日:2024-02-06

    申请人: 山东大学

    IPC分类号: H04L67/1004 H04L67/1025

    摘要: 本发明属于服务调度及智能化运维领域,提供了一种基于监控感知的K8S容器调度方法及系统,其技术方案为:获取容器和节点运行时的多维监控指标数据,并预处理得到时间序列数据;基于时间序列数据,分别构建服务器节点画像和服务画像;基于服务器节点画像和服务画像,面向待调度容器,基于动态规划算法对符合要求的节点进行评分,将容器调度到评分最高的节点,得到最优调度方案。本发明能够有效减少容器间跨节点通信以及容器间资源竞争,提升集群资源利用率和系统的响应性能。

    一种基于跨模态知识图谱对比学习的服务推荐方法及系统

    公开(公告)号:CN116257696A

    公开(公告)日:2023-06-13

    申请号:CN202211729896.8

    申请日:2022-12-30

    IPC分类号: G06F16/9536 G06F16/36

    摘要: 本发明属于信息推荐技术领域,提供了一种基于跨模态知识图谱对比学习的服务推荐方法及系统,根据所获取的信息进行知识表示,构建本体模型,对所述本体模型进行处理,形成知识图谱,并区分描述属性和结构连接;对知识图谱的节点进行描述视图编码;对知识图谱的节点进行结构视图编码;基于所构建描述视图编码和结构视图编码进行跨模态对比学习,最大化描述视图和结构视图之间的互信息;基于跨模态对比学习的结果,利用交互预测函数来计算待推荐的需求任务与预设的各服务的交互概率,根据所述交互概率,进行最终的服务推荐。本发明将传统关系分为描述性属性和结构属性连接,并结合跨模态对比学习来获得更有效的节点表示和服务推荐结果。

    一种基于监控感知的K8S容器调度方法及系统

    公开(公告)号:CN117729204A

    公开(公告)日:2024-03-19

    申请号:CN202410166032.2

    申请日:2024-02-06

    申请人: 山东大学

    IPC分类号: H04L67/1004 H04L67/1025

    摘要: 本发明属于服务调度及智能化运维领域,提供了一种基于监控感知的K8S容器调度方法及系统,其技术方案为:获取容器和节点运行时的多维监控指标数据,并预处理得到时间序列数据;基于时间序列数据,分别构建服务器节点画像和服务画像;基于服务器节点画像和服务画像,面向待调度容器,基于动态规划算法对符合要求的节点进行评分,将容器调度到评分最高的节点,得到最优调度方案。本发明能够有效减少容器间跨节点通信以及容器间资源竞争,提升集群资源利用率和系统的响应性能。