[發明專利]依賴包信息的獲取方法、裝置、設備及計算機介質

在審

• 申請號: 202010934921.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112084391A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 張晨
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/9535;G06F9/455;G06F8/61;G06F8/71;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種依賴包信息的獲取方法，其特征在于，所述方法包括：

獲取深度學習平臺的系統信息，根據所述系統信息生成鏡像信息調用語句；

通過執行所述鏡像信息調用語句，獲取所述深度學習平臺的鏡像中存在的多個依賴包的依賴包信息；

將所述依賴包信息以鍵值對形式保存至鍵值數據表；

獲取所述深度學習平臺接收到的需求數據，利用特征提取網絡提取所述需求數據的需求特征，得到需求特征集；

將所述需求特征集進行特征優選，得到優選特征；

在所述鍵值數據表中查詢并獲取與所述優選特征對應的依賴包信息。

2.如權利要求1所述的依賴包信息的獲取方法，其特征在于，所述利用特征提取網絡提取所述需求數據的需求特征，得到需求特征集，包括：

利用所述特征提取網絡中的網絡層次描述所述需求數據的數據分布；

利用機器學習算法對所述數據分布進行特征提取，得到所述需求特征集。

3.如權利要求2所述的依賴包信息的獲取方法，其特征在于，所述機器學習算法為：

其中，h為所述需求特征，Y為所述需求數據的數據分布，w為所述特征提取網絡的權值矩陣，b為所述特征提取網絡的偏置向量。

4.如權利要求1所述的依賴包信息的獲取方法，其特征在于，所述系統信息包括所述深度平臺中用于存儲鏡像的Docker容器的啟動參數，所述根據所述系統信息生成鏡像信息調用語句，包括：

利用編譯器將所述啟動參數編譯為鏡像信息調用語句。

5.如權利要求1所述的依賴包信息的獲取方法，其特征在于，所述將所述依賴包信息以鍵值對形式保存至鍵值數據表，包括：

獲取所述依賴包信息中的依賴包名稱和依賴包版本號；

將所述依賴包名稱和所述依賴包版本號寫入鍵值數據表，其中，所述依賴包名稱為所述鍵值數據表的主鍵，所述依賴包名稱的值為所述鍵值數據表的主鍵值，所述依賴包版本號為所述鍵值數據表的附屬字段，所述依賴包版本號的值為所述鍵值數據表的主鍵值。

6.如權利要求1至5中任一項所述的依賴包信息的獲取方法，其特征在于，所述將所述需求特征集進行特征優選，得到優選特征，包括：

計算所述需求特征集中多個需求特征的特征權重；

選取所述特征權重大于權重閾值的多個需求特征，將所述多個目標特征匯集為所述優選特征。

7.如權利要求1至5中任一項所述的依賴包信息的獲取方法，其特征在于，所述在所述鍵值數據表中查詢并獲取與所述優選特征對應的依賴包信息之后，所述方法還包括：

將所述依賴包信息轉換為html數據流；

利用預設編譯器將所述html數據流編譯為web語句；

通過執行所述web語句生成包含所述依賴信息列表的web頁面；

向目標用戶推送所述web頁面。

8.一種依賴包信息的獲取裝置，其特征在于，所述裝置包括：

調用語句生成模塊，用于獲取深度學習平臺的系統信息，根據所述系統信息生成鏡像信息調用語句；

依賴包信息抽取模塊，用于通過執行所述鏡像信息調用語句，獲取所述深度學習平臺的鏡像中存在的多個依賴包的依賴包信息；

依賴包信息保存模塊，用于將所述依賴包信息以鍵值對形式保存至鍵值數據表；

需求特征提取模塊，用于獲取所述深度學習平臺接收到的需求數據，利用特征提取網絡提取所述需求數據的需求特征，得到需求特征集；

需求特征篩選模塊，用于將所述需求特征集進行特征優選，得到優選特征；

依賴包信息查詢模塊，用于在所述鍵值數據表中查詢并獲取與所述優選特征對應的依賴包信息。