-
公开(公告)号：CN112950147A
公开(公告)日：2021-06-11
申请号：CN202110134182.1
申请日：2021-01-29
Applicant: 北京航空航天大学
IPC: G06Q10/10 , G06Q50/10 , G06F16/903 , G06F16/907
Abstract: 本发明提供了一种基于场景的智能适配服务的方法及系统，所述方法包括如下步骤：步骤1、系统获取场景关键信息；步骤2、根据所述获取的关键信息判断系统当前所处场景；步骤3、从数据库寻找对应当前所处场景所需的服务；步骤4、将所需的服务部署到系统中供用户使用，本发明用以解决现有技术中人工适配服务的操作麻烦的步骤，还方便非编程技术人员依据自己需求实现相关服务功能，从而实现智能适配服务的目的。
-
公开(公告)号：CN114579407B
公开(公告)日：2022-08-23
申请号：CN202210478087.8
申请日：2022-05-05
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种因果关系检验和微服务指标预测报警方法，包括：基于Granger因果关系检验的服务指标因果关系发现、基于Attention LSTM的多指标预测。该方法通过Granger因果关系检验发现与要预测指标具有因果关系的指标，共同参与预测，提高了预测的准确率。同时针对微服务场景中指标序列较长，指标之间往往局部存在因果关系，整体因果关系不强的问题，本发明对Granger因果关系检验进行改进，分段增量计算因果关系。这种方法在实际应用中，当时间序列有新的值加入时，只需要计算增量的因果关系，无需对历史数据重新计算，从而减少计算量，提高了微服务场景下因果关系发现的效率。
-
Patent Agency Ranking
公开(公告)号：CN114579407A
公开(公告)日：2022-06-03
申请号：CN202210478087.8
申请日：2022-05-05
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种因果关系检验和微服务指标预测报警方法，包括：基于Granger因果关系检验的服务指标因果关系发现、基于Attention LSTM的多指标预测。该方法通过Granger因果关系检验发现与要预测指标具有因果关系的指标，共同参与预测，提高了预测的准确率。同时针对微服务场景中指标序列较长，指标之间往往局部存在因果关系，整体因果关系不强的问题，本发明对Granger因果关系检验进行改进，分段增量计算因果关系。这种方法在实际应用中，当时间序列有新的值加入时，只需要计算增量的因果关系，无需对历史数据重新计算，从而减少计算量，提高了微服务场景下因果关系发现的效率。
-
公开(公告)号：CN112947985A
公开(公告)日：2021-06-11
申请号：CN202110134185.5
申请日：2021-01-29
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种智能检测及修复代码的方法与系统，涉及计算机编程领域，用以解决现有技术中对程序代码检测及修复的不足，本发明的方法包括：获取程序代码信息，根据代码检测规范对代码进行检测，依据代码修复规范对代码进行修复，生成检测报告。本发明所提供的技术方法与系统能够针对目前部分企业采用人工代码检测及修复效率较低的问题，智能检测不符合规范及存在风险的代码，更加客观高效的提升开发人员效率，同时避免代码中存在的典型错误，方便程序的开发及维护以及提高代码的稳定性。
-
公开(公告)号：CN114741322A
公开(公告)日：2022-07-12
申请号：CN202210566644.1
申请日：2022-05-24
Applicant: 北京航空航天大学
Abstract: 本发明提出一种基于注意力机制的API误用检测方法及系统，包括如下步骤：步骤1、获取检测领域预定量代码；步骤2、将所述预定量代码转化为基于注意力机制API误用检测模型所需训练数据；步骤3、利用所述训练数据训练所述基于注意力机制API误用检测模型，得到模型参数；步骤4、获取待检测代码，将待检测代码转化为所述基于注意力机制API误用检测模型要求的数据格式，将待检测代码转换的数据格式通过所述基于注意力机制API误用检测模型，得到检测结果，对所述待检测代码生成检测报告。本发明将自注意力机制应用于API使用规约的学习以及API误用检测，通过采集大量Java代码并通过静态分析构造API使用的样本集，并使用神经网络对这些样本进行训练，构造自动检测API误用的模型。
-
公开(公告)号：CN119045799A
公开(公告)日：2024-11-29
申请号：CN202411192586.6
申请日：2024-08-28
Applicant: 北京航空航天大学
IPC: G06F8/33 , G06F8/71 , G06F8/40 , G06N3/0455 , G06N3/08
Abstract: 一种基于软件演化的API调用序列代码智能生成方法及装置，该方法采用编码器‑解码器的神经网络模型执行，包括：接收想要实现的代码对应的软件版本描述、所需的功能描述；接收原始代码并将其转换为目标代码序列；接收原始代码所需的配置文件并将其转换为配置文件代码序列；分别将功能描述、目标代码序列、以及配置文件代码序列进行编码和位置编码，以及通过注意力模块、add&norm层进行一系列处理，对编码器‑解码器的神经网络模型进行训练，直至训练结果收敛，获得基于软件演化的智能生成API调用序列代码的模型，通过该模型获得所需代码。根据本发明技术方案，能够针对指定版本软件，根据用户需求描述，生成满足用户需求的高质量API调用序列代码。
-
公开(公告)号：CN114741322B
公开(公告)日：2022-08-16
申请号：CN202210566644.1
申请日：2022-05-24
Applicant: 北京航空航天大学
Abstract: 本发明提出一种基于注意力机制的API误用检测方法及系统，包括如下步骤：步骤1、获取检测领域预定量代码；步骤2、将所述预定量代码转化为基于注意力机制API误用检测模型所需训练数据；步骤3、利用所述训练数据训练所述基于注意力机制API误用检测模型，得到模型参数；步骤4、获取待检测代码，将待检测代码转化为所述基于注意力机制API误用检测模型要求的数据格式，将待检测代码转换的数据格式通过所述基于注意力机制API误用检测模型，得到检测结果，对所述待检测代码生成检测报告。本发明将自注意力机制应用于API使用规约的学习以及API误用检测，通过采集大量Java代码并通过静态分析构造API使用的样本集，并使用神经网络对这些样本进行训练，构造自动检测API误用的模型。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
