[發明專利]信息提取方法、裝置、設備及存儲介質

在審

• 申請號: 202010544848.6
• 申請日: 2020-06-15
• 公開（公告）號: CN111708860A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 饒琛琳;梁玫娟
• 申請（專利權）人: 北京優特捷信息技術有限公司
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F16/35
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種信息提取方法，其特征在于，包括：

獲取待字段提取日志；

確定與所述待字段提取日志匹配的目標日志格式；

針對所述待字段提取日志，根據與所述目標日志格式匹配的字段提取模板提取符合預設格式的字段名和字段值；其中，所述字段提取模板是通過日志聚類訓練確定的。

2.根據權利要求1所述的方法，其特征在于，所述字段提取模板包括：參數標注位信息和至少一個正則表達片段；其中，所述正則表達片段用于對所述待字段提取日志進行解析，所述參數標注位信息用于確定所述待字段提取日志中符合預設格式的字段的參數信息。

3.根據權利要求2所述的方法，其特征在于，在確定與所述待字段提取日志匹配的目標日志格式之前，還包括：

采用日志聚類算法對日志樣本集合進行聚類處理，確定至少一個日志格式，并得到與每個日志格式對應的模板日志文本；其中，所述模板日志文本中包括時間戳、固定文本和可變參數文本；

分別針對與每個日志格式對應的各個日志樣本，進行預設的參數標注，確定與每個日志格式對應的參數標注位信息；

確定與每個所述模板日志文本分別對應的至少一個正則表達片段，所述正則表達片段由一個可變參數文本以及所述可變參數文本前后位置的固定文本構成。

4.根據權利要求3所述的方法，其特征在于，在采用日志聚類算法對日志樣本集合進行聚類處理之前，還包括：

確定所述日志樣本集合的每個日志樣本中符合預設數據種類的目標參數；

使用與每個所述預設數據種類分別對應的預設替代字符對匹配的目標參數進行替換。

5.根據權利要求3所述的方法，其特征在于，在采用日志聚類算法對日志樣本集合進行聚類處理，確定至少一個日志格式之后，還包括：

根據所述至少一個日志格式構建日志格式樹；

對應的，確定與所述待字段提取日志匹配的目標日志格式，包括：

遍歷所述日志格式樹，確定與所述待字段提取日志匹配的目標日志格式。

6.根據權利要求1所述的方法，其特征在于，確定與所述待字段提取日志匹配的目標日志格式，包括：

在確定不存在與所述待字段提取日志對應的自定義解析規則時，確定與所述待字段提取日志匹配的目標日志格式。

7.根據權利要求6所述的方法，其特征在于，還包括：

在確定存在與所述待字段提取日志對應的自定義解析規則時，根據所述自定義解析規則對所述待字段提取日志進行字段提取。

8.一種信息提取裝置，其特征在于，包括：

日志獲取模塊，設置為獲取待字段提取日志；

日志格式確定模塊，設置為確定與所述待字段提取日志匹配的目標日志格式；

字段提取模塊，設置為針對所述待字段提取日志，根據與所述目標日志格式匹配的字段提取模板提取符合預設格式的字段名和字段值；其中，所述字段提取模板是通過日志聚類訓練確定的。

9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的方法。