[發明專利]基于機器學習的業務支撐系統業務鏈路發現方法和系統

有效

• 申請號: 201711433930.6
• 申請日: 2017-12-26
• 公開（公告）號: CN109960839B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 任贛;胡林熙;蔣健;唐濤;葉曉龍;喬柏林;蔣通通
• 申請（專利權）人: 中國移動通信集團浙江有限公司;中國移動通信集團公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/241;G06Q10/0631
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種業務鏈路發現方法，其特征在于，包括：

獲取新增業務的服務接口調用日志，基于已訓練的業務鏈路模型，判斷每個服務接口的上下游關系，并基于所述上下游關系擬合得到新增業務的調用鏈路；

基于已訓練的服務接口分組模型，對所述調用鏈路中的每個服務接口進行分類；

其中，所述業務鏈路模型的訓練過程具體包括：

基于業務操作日志，統計已知業務的服務接口信息，通過樸素貝葉斯網絡進行訓練，得到每個已知業務下服務接口的分布及調用關系；

基于業務操作日志，統計已知業務的服務接口信息，具體包括：

基于用戶表中特征字段區分出系統和業務，獲取已知業務和新增業務之間的關系矩陣，抓取指定時間段內的已知業務和新增業務，并從每個服務接口中截取單個業務的端到端系統日志；

通過樸素貝葉斯網絡進行訓練具體包括：

將每個服務接口作為一個獨立事件，基于樸素貝葉斯網絡求得每個獨立事件判定到新增業務的誤判率，以每個獨立事件誤判率最小作為判定規則，獲取新增業務中服務接口的出現概率；

按照概率將服務接口劃分為必選接口、可選接口、不選接口，將可選接口和必選接口作為新增業務的調用鏈路接口。

2.根據權利要求1所述的業務鏈路發現方法，其特征在于，基于樸素貝葉斯網絡求得每個獨立事件判定到新增業務的誤判率，以每個獨立事件誤判率最小作為判定規則，具體包括：

將每個服務接口作為一個獨立事件，業務y＝{C1,C2,C3,C4,...,Ci}，將一個在新增業務中出現的接口C_j錯誤判定為Ci的概率定為λ_ij，基于后驗概率P(Ci|X)，求得事件X與Ci錯誤判斷的概率：

其中，y表示辦理的業務，C1、C2、C3、C4、...、Ci分別表示第1、2、3、4、...、i個獨立事件，X表示樣本，j＝1,2,3,...,N，N為獨立事件的數量，C_j表示一個在新增業務中出現的接口；

獲取h：X→Y最小化總體誤判概率：

R(h)＝Ex[R(h(x)|x)]

R(h(x)|x)表示誤判概率，R(h)表示總體誤判概率，x表示樣本，h表示最小化總體誤判的判定規則；

在每個樣本上選擇誤判R(C|X)最小的標記，以使總體誤判概率R(h)最小化，即：

其中，h*表示貝葉斯最優分類器，x表示樣本，C表示選擇的條件；

條件概率：R(C|X)＝1-P(C|X)，C是選擇的條件，將貝葉斯最優分類作為判定規則：

h*(x)＝argc∈ymaxR(c|x)

其中，h*表示貝葉斯最優分類器，x表示樣本，c表示選擇的條件，y表示辦理的業務。

3.根據權利要求2所述的業務鏈路發現方法，其特征在于，還包括，獲取后驗概率P(C|X)，利用訓練集得到參數θ_c，θ_c極大似然估計，估計c發生的概率；將P(C|X)記為P(C|θ_c)，將訓練集中第C類樣本組成集合Dc：

其中，x表示第C類樣本中的一個樣本，c表示選擇的條件；

取對數似然

其中，x表示第C類樣本中的一個樣本；

θ_c的極大似然為：

θ＝argθ_cmaxLL(θ_c)

取參數μ_c和的極大似然估計為：

其中，μ_c表示均值；表示方差，x表示第C類樣本中的一個樣本，T表示達到業務高準確率要求的最低值；

所有的接口和服務是相互獨立的，因此：

其中，x表示第C類樣本中的一個樣本，c表示選擇的條件，d表示樣本數；

根據判定規則：

其中，x表示第C類樣本中的一個樣本，c表示選擇的條件，y表示辦理的業務；

其中

其中，D表示訓練集，x表示樣本，x_i表示第C類樣本中的第i個樣本，c表示選擇的條件。