公开(公告)号：CN108399201B

公开(公告)日：2020-05-12

申请号：CN201810092336.3

申请日：2018-01-30

Applicant: 武汉大学

Inventor： 应时 ,  王冰明 ,  杜飘然 ,  杨喆

IPC: G06F16/9535 ,  G06F16/955 ,  G06N3/04

Abstract: 本发明涉及一种基于循环神经网络的Web用户访问路径预测方法，本发明以用户的访问路径为研究目标，将循环神经网络引入到路径预测问题之中，研究和设计了进行路径预测的网络模型。在简单循环神经网络的基础上，增加了特征层，并在隐藏层采用长短期记忆(Long‑Short Term Memory，LSTM)单元。该方法能够有效的利用用户会话序列的上下文信息，学习和记忆用户的访问规律，并通过训练数据学习获得良好的模型参数，然后对用户下一步的访问路径进行预测。理论分析和实验结果表明，本发明的路径预测效率较高、预测结果较准确，适用于解决Web用户访问路径预测问题。

公开(公告)号：CN109885456A

公开(公告)日：2019-06-14

申请号：CN201910127212.9

申请日：2019-02-20

Applicant: 武汉大学

Inventor： 应时 ,  杨喆 ,  王冰明 ,  程国力 ,  刘辉

IPC: G06F11/30 ,  G06F16/18 ,  G06F16/2458

Abstract: 为了能够在故障预测时进一步提供故障的相关信息，本发明公开了一种基于系统日志聚类的多类型故障事件预测方法，基于日志消息分类和标注日志事件，以提供故障的相关信息，利用改进的层次聚类算法挖掘故障事件各自相关的频繁事件序列，基于频繁事件序列生成故障事件预测规则，并实现对规则的过滤，基于规则的匹配实现多类型故障事件的预测。本发明实现了不仅能够有效的进行故障事件预测，而且能够提供故障的相关信息的技术效果。

公开(公告)号：CN109858208A

公开(公告)日：2019-06-07

申请号：CN201910146103.1

申请日：2019-02-27

Applicant: 武汉大学

Inventor： 应时 ,  吴睿 ,  张婷 ,  杨喆 ,  贾向阳

IPC: G06F21/30

Abstract: 本发明公开了一种基于用户和资源的语义关系推理的访问控制方法及装置，其中的方法首先提出基于语义信息的用户模型和资源模型，然后构建面向用户模型和资源模型的基础本体，并定义一组与访问控制相关的语义规则及推理规则，再设计基于语义推理过程的判定算法，最后基于判定算法进行用户访问控制。本发明的访问控制方法是分析接收到的访问请求，根据语义规则从显示的本体知识中获取相关联的用户信息，并调用判定算法得出用户与资源间的访问权限关系。本发明实现了并将访问权限作为用户和资源间的关系，而不是实体，简化对角色、权限及角色权限分配的管理，实现了动态授权以及简化授权管理的技术效果。

公开(公告)号：CN108399201A

公开(公告)日：2018-08-14

申请号：CN201810092336.3

申请日：2018-01-30

Applicant: 武汉大学

Inventor： 应时 ,  王冰明 ,  杜飘然 ,  杨喆

IPC: G06F17/30 ,  G06N3/04

Abstract: 本发明涉及一种基于循环神经网络的Web用户访问路径预测方法，本发明以用户的访问路径为研究目标，将循环神经网络引入到路径预测问题之中，研究和设计了进行路径预测的网络模型。在简单循环神经网络的基础上，增加了特征层，并在隐藏层采用长短期记忆(Long-Short Term Memory，LSTM)单元。该方法能够有效的利用用户会话序列的上下文信息，学习和记忆用户的访问规律，并通过训练数据学习获得良好的模型参数，然后对用户下一步的访问路径进行预测。理论分析和实验结果表明，本发明的路径预测效率较高、预测结果较准确，适用于解决Web用户访问路径预测问题。

公开(公告)号：CN110288004B

公开(公告)日：2021-04-20

申请号：CN201910463679.0

申请日：2019-05-30

Applicant: 武汉大学

Inventor： 应时 ,  刘辉 ,  王冰明 ,  杨喆 ,  程国力 ,  贾向阳

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F40/30 ,  G06F16/18

Abstract: 本发明公开了一种基于日志语义挖掘的系统故障诊断方法及装置。首先，基于神经网络语言模型对输入日志进行训练得到日志事件的语义特征向量。然后，使用改进的K均值聚类算法对日志事件的语义特征向量进行聚类，并使用一种对聚类后的日志向量对应的日志事件进行过滤的方法。最后，应用过滤方法并提取过滤后的日志数据簇中具有代表性的日志事件形成特征日志序列进行检查。本发明的方法可以进行基于日志的系统故障诊断时有效的挖掘日志的相关信息，不仅能够提高故障识别和诊断的效率，还可以提高诊断的有效性，并且降低系统总体成本。

公开(公告)号：CN110288004A

公开(公告)日：2019-09-27

申请号：CN201910463679.0

申请日：2019-05-30

Applicant: 武汉大学

Inventor： 应时 ,  刘辉 ,  王冰明 ,  杨喆 ,  程国力 ,  贾向阳

IPC: G06K9/62 ,  G06N3/04 ,  G06F16/18 ,  G06F17/27

Abstract: 本发明公开了一种基于日志语义挖掘的系统故障诊断方法及装置。首先，基于神经网络语言模型对输入日志进行训练得到日志事件的语义特征向量。然后，使用改进的K均值聚类算法对日志事件的语义特征向量进行聚类，并使用一种对聚类后的日志向量对应的日志事件进行过滤的方法。最后，应用过滤方法并提取过滤后的日志数据簇中具有代表性的日志事件形成特征日志序列进行检查。本发明的方法可以进行基于日志的系统故障诊断时有效的挖掘日志的相关信息，不仅能够提高故障识别和诊断的效率，还可以提高诊断的有效性，并且降低系统总体成本。