-
公开(公告)号：CN116910175A
公开(公告)日：2023-10-20
申请号：CN202311174976.6
申请日：2023-09-13
Applicant: 人工智能与数字经济广东省实验室(广州) , 华南理工大学
IPC: G06F16/31 , G06F40/194 , G06F40/289 , G06F16/34 , G06F16/35
Abstract: 针对故障报告无任何标注，同时因为涉及到的故障种类繁多，难以找到合适的规则进行处理的问题，本发明提供公开了自动化移动设备故障层级树构建方法、装置及储存介质，该方法首先汇总多渠道反馈的故障报告，提取报告中不同的故障现象；其次利用新词发现和中文词性对故障现象进行切割操作得到故障节点列表，使用SimCSE预训练模型对故障节点列表完成句子嵌入处理；最后使用社区检测算法并对故障句子完成聚类操作并构建对应的层级故障树。本发明基于中文词性和新词发现算法切割故障现象可以得到较清晰的故障层级关系，通过社区检测算法聚集故障簇并将每个故障簇内信息可视化至Excel表格方便后续测试人员分析故障信息。
-
公开(公告)号：CN116910175B
公开(公告)日：2023-12-01
申请号：CN202311174976.6
申请日：2023-09-13
Applicant: 人工智能与数字经济广东省实验室(广州) , 华南理工大学
IPC: G06F16/31 , G06F40/194 , G06F40/289 , G06F16/34 , G06F16/35
Abstract: 针对故障报告无任何标注，同时因为涉及到的故障种类繁多，难以找到合适的规则进行处理的问题，本发明提供公开了自动化移动设备故障层级树构建方法、装置及储存介质，该方法首先汇总多渠道反馈的故障报告，提取报告中不同的故障现象；其次利用新词发现和中文词性对故障现象进行切割操作得到故障节点列表，使用SimCSE预训练模型对故障节点列表完成句子嵌入处理；最后使用社区检测算法并对故障句子完成聚类操作并构建对应的层级故障树。本发明基于中文词性和新词发现算法切割故障现象可以得到较清晰的故障层级关系，通过社区检测算法聚集故障簇并将每个故障簇内信息可视化至Excel表格方便后续测试人员分析故障信息。
-
公开(公告)号：CN117574375A
公开(公告)日：2024-02-20
申请号：CN202310847969.1
申请日：2023-07-12
Applicant: 华南理工大学
Abstract: 本发明属于软件漏洞检测领域，为基于复合程序表示的源代码漏洞检测方法，该方法包括步骤：首先，从源代码中提取三种源码中间表示并提取对应的路径；接着从提取的路径中移除额外的标记并构建路径序列，拼接所有的路径序列构建训练语料库；然后根据构建的语料库使用doc2vec模型训练代码嵌入模型；之后使用训练的嵌入模型得到源代码的向量表示形式并划分训练集、测试集和验证集；然后使用了结合正则化损失和四元组损失函数改进度量学习模型，使用训练集训练模型得到漏洞检测模型；最后使用训练后的漏洞检测模型检测源代码是否包含漏洞。本发明通过使用复合的源代码表示方法解决了现有方法基于单一特定的表示，忽视不同表示之间的互补关系，对代码的语义和语法信息表示不足的问题。
-
公开(公告)号：CN116909754A
公开(公告)日：2023-10-20
申请号：CN202311174944.6
申请日：2023-09-13
Applicant: 人工智能与数字经济广东省实验室(广州) , 华南理工大学
Abstract: 本发明公开了一种基于组合模型的移动终端CPU短期负载预测方法及相关设备，涉及移动终端负载预测技术领域，核心步骤主要包括：构建ARIMA模型，将所述线性的负载时间序列输入到所述ARIMA模型中，得到所述线性的负载时间序列的下一时刻负载的线性预测值；根据所述CPU负载时间序列和对应时刻的所述线性的负载时间序列，得到负载时间序列的残差；建立并训练SVR模型，将所述负载时间序列的残差输入到所述SVR模型中，得到下一时刻负载的残差预测值；根据所述下一时刻负载的线性预测值和所述下一时刻负载的残差预测值，得到移动终端CPU短期负载的预测结果。
-
-
-
Search Results
4
records
(took 0.018 seconds)
