[發(fā)明專利]系統(tǒng)日志分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810127088.1
• 申請(qǐng)日: 2018-02-08
• 公開（公告）號(hào): CN108427720B
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計(jì)）人: 程杰超;任睿;殷巖;詹劍鋒;王磊
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院計(jì)算技術(shù)研究所
• 主分類號(hào): G06F16/18
• 分類號(hào): G06F16/18;G06F16/35;G06N3/04
• 代理公司: 北京泛華偉業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11280
• 代理人: 李科;紀(jì)雯

1.一種從系統(tǒng)日志中提取特征向量的方法，包括：

步驟1)針對(duì)預(yù)先設(shè)定的每個(gè)類別，計(jì)算該類別下的關(guān)鍵字與所述系統(tǒng)日志的語義相似度，并且按預(yù)定規(guī)則選取預(yù)定數(shù)量的多個(gè)語義相似度組合為所述系統(tǒng)日志在該類別下的特征向量；

步驟2)將所述系統(tǒng)日志在每個(gè)類別下的特征向量作為行向量或列向量，組合所述系統(tǒng)日志在所有類別下的特征向量，得到所述系統(tǒng)日志的二維的特征向量。

2.根據(jù)權(quán)利要求1所述的方法，在步驟1)中，按預(yù)定規(guī)則選取預(yù)定數(shù)量的多個(gè)語義相似度組合為所述系統(tǒng)日志在該類別下的特征向量包括：

按從大到小的順序選擇預(yù)定數(shù)量的語義相似度，將所選擇的語義相似度組合為所述系統(tǒng)日志在該類別下的特征向量；

其中，所述預(yù)定數(shù)量小于或等于每個(gè)類別下的關(guān)鍵字的數(shù)量。

3.根據(jù)權(quán)利要求1或2所述的方法，其中，通過計(jì)算所述系統(tǒng)日志中的msg信息與關(guān)鍵字的編輯距離，來獲得所述系統(tǒng)日志與所述關(guān)鍵字的語義相似度。

4.根據(jù)權(quán)利要求3所述的方法，在步驟1)之前，還包括：

過濾所述系統(tǒng)日志中的msg信息中的噪聲。

5.根據(jù)權(quán)利要求1或2所述的方法，還包括：

對(duì)所述系統(tǒng)日志的特征向量做歸一化處理。

6.一種構(gòu)建系統(tǒng)日志分類模型的方法，包括：

步驟a)收集系統(tǒng)日志，從所收集的系統(tǒng)日志中獲得訓(xùn)練數(shù)據(jù)集；

步驟b)根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的方法對(duì)所述訓(xùn)練數(shù)據(jù)集中的每個(gè)系統(tǒng)日志提取特征向量，得到所述訓(xùn)練數(shù)據(jù)集中的每個(gè)系統(tǒng)日志的特征向量；

步驟c)將所述訓(xùn)練數(shù)據(jù)集中的每個(gè)系統(tǒng)日志的特征向量作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)訓(xùn)練得到系統(tǒng)日志分類模型。

7.根據(jù)權(quán)利要求6所述的方法，其中，在步驟b)之前還包括：

根據(jù)所述訓(xùn)練數(shù)據(jù)集預(yù)先設(shè)定系統(tǒng)日志的類別，并且獲得每個(gè)類別下的關(guān)鍵字。

8.一種系統(tǒng)日志分類方法，包括：

步驟i)根據(jù)權(quán)利要求6或7所述的方法，構(gòu)建系統(tǒng)日志分類模型；

步驟ii)根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的方法對(duì)待分類的系統(tǒng)日志提取特征向量；

步驟iii)將所提取的特征向量輸入所述系統(tǒng)日志分類模型，由所述系統(tǒng)日志分類模型輸出分類結(jié)果。

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，在所述存儲(chǔ)器上存儲(chǔ)有能夠被所述處理器執(zhí)行的指令，其特征在于，當(dāng)所述指令被所述處理器執(zhí)行時(shí)使得所述計(jì)算機(jī)設(shè)備實(shí)現(xiàn)如權(quán)利要求1-5中任一項(xiàng)所述的方法或者權(quán)利要求6或7所述的方法或者權(quán)利要求8所述的方法。