[发明专利]一种基于知识图谱的业务处理方法及装置有效

专利信息
申请号: 201811587257.6 申请日: 2018-12-25
公开(公告)号: CN111368089B 公开(公告)日: 2023-04-25
发明(设计)人: 胡林熙;任赣;竺士杰;叶晓龙;蒋通通;乔柏林;黄文婷;曹誉文;孟震 申请(专利权)人: 中国移动通信集团浙江有限公司;中国移动通信集团有限公司
主分类号: G06F16/36 分类号: G06F16/36
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王莹;李相雨
地址: 310016 *** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 知识 图谱 业务 处理 方法 装置
【权利要求书】:

1.一种基于知识图谱的业务处理方法,其特征在于,包括:

从业务知识库中提取业务场景数据,构建知识图谱;

根据定制化的采集口径将所述知识图谱中的业务场景数据同步至预设处理平台,以使所述预设处理平台对所述业务场景数据进行分析和计算后,将计算结果存储至时序数据库中;

根据降维分析算法对所述时序数据库中的所述计算结果进行处理,得到影响当前异常的关键因子,并将所述关键因子同步至业务看板中;

所述从业务知识库中提取业务场景数据,构建知识图谱,具体包括:

从业务知识库中提取业务场景数据,从所述业务场景数据的业务故障数据中汇聚出每个业务环节关联的数据,并将每个业务环节关联的数据存储至图形数据库中,并根据各业务环节的业务关联节点之间的依赖逻辑关系构建知识图谱;

其中,一个业务场景对应一个业务知识实体,一个业务实体中包括若干个业务环节的实体和网状的实体调用关系;

所述降维分析算法为循环神经网络VRNN算法;

相应地,所述根据降维分析算法对所述时序数据库中的所述计算结果进行处理,得到影响当前异常的关键因子,具体包括:

获取所述计算结果中变化范围大于阈值的目标结果,以线性变换的方式将所述目标结果中对应于主要特征的成分映射到低维子空间,并获取所述低维子空间中影响当前异常的关键因子;

所述获取所述计算结果中变化范围大于阈值的目标结果,以线性变换的方式将所述目标结果中对应于主要特征的成分映射到低维子空间,并获取所述低维子空间中影响当前异常的关键因子,具体包括:

计算伯努利随机变量分布ρ的期望值

其中:h和j分别表示表示层h中第j个神经元,ai表示第i个流程环节,m为训练样本数量,x表示训练样本;

获取中KL散度最高的关键因子。

2.一种基于知识图谱的业务处理装置,其特征在于,包括:

图谱构建模块,用于从业务知识库中提取业务场景数据,构建知识图谱;

数据同步模块,用于根据定制化的采集口径将所述知识图谱中的业务场景数据同步至预设处理平台,以使所述预设处理平台对所述业务场景数据进行分析和计算后,将计算结果存储至时序数据库中;

结果处理模块,用于根据降维分析算法对所述时序数据库中的所述计算结果进行处理,得到影响当前异常的关键因子,并将所述关键因子同步至业务看板中;

所述图谱构建模块具体用于从业务知识库中提取业务场景数据,从所述业务场景数据的业务故障数据中汇聚出每个业务环节关联的数据,并将每个业务环节关联的数据存储至图形数据库中,并根据各业务环节的业务关联节点之间的依赖逻辑关系构建知识图谱;

其中,一个业务场景对应一个业务知识实体,一个业务实体中包括若干个业务环节的实体和网状的实体调用关系;

所述降维分析算法为循环神经网络VRNN算法;

相应地,所述结果处理模块具体用于获取所述计算结果中变化范围大于阈值的目标结果,以线性变换的方式将所述目标结果中对应于主要特征的成分映射到低维子空间,并获取所述低维子空间中影响当前异常的关键因子;

所述结果处理模块具体用于:

计算伯努利随机变量分布ρ的期望值

其中:h和j分别表示表示层h中第j个神经元,ai表示第i个流程环节,m为训练样本数量,x表示训练样本;

获取中KL散度最高的关键因子。

3.一种电子设备,其特征在于,包括:

至少一个处理器;以及

与所述处理器通信连接的至少一个存储器,其中:

所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1所述的方法。

4.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行如权利要求1所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国移动通信集团浙江有限公司;中国移动通信集团有限公司,未经中国移动通信集团浙江有限公司;中国移动通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811587257.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top