基于语义分析的计算机流程分析挖掘系统及方法与流程
本发明属于计算机技术领域，具体涉及基于语义分析的计算机流程分析挖掘系统及方法。
背景技术：
信息系统被广泛运用于制造业等领域的企业生产、运作、流程监控以及优化，对企业的业务活动提供有效的管理和支持。信息系统在运行过程中产生了大量的日志文件，能够直接反映出业务流程中任务实际运行情况和资源的分配。流程挖掘作为业务流程管理中的重要辅助手段，用于从信息系统生成的日志文件中检查和改进已有的流程模型，纠正系统构建过程中的主观性，分析企业生产和运作过程的资源利用情况，促进企业流程优化和资源调度。
现有的基于petri网基本结构的过程模型修复方法，主要通过对原有数据进行处理，使其成为符合规范的事件日志；之后对其使用归纳挖掘算法挖掘出对应的过程模型；通过将扩大的事件日志与挖掘得到的过程模型进行校准，发现过程模型中存在的偏差；最后提出了不同结构下过程模型的修复方案，旨在修复过程模型，增强过程模型的一致性。但这些技术只是采用了一种算法，从控制流角度完成了事件日志的petri模型发现和模型校准，其本身不具备分析和匹配用户需求的能力。
基于理解的分词方法是通过让计算机模拟人对句子的理解，达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。它通常包括三个部分：分词子系统、句法语义子系统、总控部分。在总控部分的协调下，分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断，即它模拟了人对句子的理解过程。这种分词方法需要使用大量的语言知识和信息。由于汉语语言知识的笼统、复杂性，难以将各种语言信息组织成机器可直接读取的形式，因此目前基于理解的分词系统还处在试验阶段。
通过对用户输入的需求的语义分析，可以准确判断和识别用户的需求，针对具体的需求，对计算机系统进行分析和挖掘，能够显著提升准确率，进而提升计算机系统运行的效率。
技术实现要素：
有鉴于此，本发明的主要目的在于提供基于语义分析的计算机流程分析挖掘系统及方法，其基于用户需求的语义分析，针对计算机系统中的日志进行内容挖掘和分析，大幅度提升了计算机流程分析的准确率，同时提升了计算机流程分析的效率。
为达到上述目的，本发明的技术方案是这样实现的：
基于语义分析的计算机流程分析挖掘系统，所述系统包括：需求语义分析单元，配置用于对用户的分析需求进行语义分析，得到需求语义分析结果；日志神经网络综合处理单元，配置用于根据语义分析结果，对计算机内的日志进行挖掘分析处理，生成分析结果；所述日志神经网络综合处理单元包括：需求匹配检索模块，配置用于基于语义分析结果，使用预先建立的检索模型，在预先建立的日志网络中进行检索，得到日志检索集合；日志数据分析模块，配置用于基于日志检索集合，进行日志数据处理，再基于日志数据处理后的结果，进行日志数据分析，得到分析结果；可视化模块，配置用于显示分析结果。
进一步的，所述需求语义分析单元，包括：自然语义分析模块、图像语义分析模块和权重判断模块；所述自然语义分析模块，配置用于建立词语义库，生成分析需求对应的词语义向量，形成最终的语义检索向量，将语义检索向量在语义库中进行分析匹配识别，得到第一语义分析结果；所述图像语义分析模块，配置用于对需求分析进行图像语义识别，得到第二语义分析结果；所述权重判断模块，配置用于基于第一语义分析结果和第二语义分析结果，使用预设的权重判断公式，生成最终的语义分析结果；所述权重判断公式为：最终的语义分析结果＝第一语义分析结果*a+第二语义分析结果*b；其中，a和b为权重值，a取值范围分别为：0.1～0.4；b取值范围为：0.6～0.9；且a+b＝1。
进一步的，所述自然语义分析模块，建立词语义库，生成分析需求对应的词语义向量，形成最终的语义检索向量，将语义检索向量在语义库中进行分析匹配识别，得到第一语义分析结果的方法执行以下步骤：建立词语义库，基于用户输入的分析需求构造各自的词语义向量，形成最终的语义检索向量，并将语义检索向量与语义库进行类别匹配查询，得到初始的分析结果；对初始分析结果进行优化排序，并将最终分析结果返回给用户；所述构造词语义库的方法包括：构造概念空间；设定空间为m维；概念空间的基础维度是一些类别标签的集合，能够表示整个语义库的信息，从语义库分类标签中直接提取的m个类别标签构成向量的m个维度，则分析需求中每个词的语义信息由一个m维向量来描述，称为词语义向量；词语义向量分量值的确定：词是从训练模型的网页分析需求中提取出来的，词语义向量的每一个分量值的大小由训练模型的所有分析需求来决定；词语义向量的每一个分量值计算公式为：
进一步的，所述日志数据分析模块，基于日志检索集合，进行日志数据处理，的方法执行以下步骤：进行日志数据预处理，包括：去除唯一属性、处理缺失值和异常值检测及处理；进行日志数据规约处理，包括：去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的特征向量、将日志数据转换到特征向量构建的新空间中；最后得处理后的新的日志数据，这些日志数据之间两两不相干，但保持原有的信息；进行日志数据标准化处理，将数据按比例缩放，使之落入设定的特定区间。
进一步的，所述基于日志数据处理后的结果，进行日志数据分析，得到分析结果的方法执行以下步骤：基于日志数据处理后的结果，调用预设的分析算法模型进行日志数据分析，得到分析结果。
进一步的，所述预先建立的检索模型，在预先建立的日志网络中进行检索的过程包括：将计算机中的日志文件进行分类，每个类别的日志文件设置不同的特征标识，即每个特征标识对应一个类别的日志文件；将特征表示彼此之间建立连接关系；再进行检索时，使用检索寻路算法再特征表示之间进行寻路检索，检索匹配到符合的结果作为日志检索集合。
一种基于语义分析的计算机流程分析挖掘方法，其特征在于，所述方法执行以下步骤：
步骤1：对用户的分析需求进行语义分析，得到需求语义分析结果；
步骤2：根据语义分析结果，对计算机内的日志进行挖掘分析处理，生成分析结果；包括：基于语义分析结果，使用预先建立的检索模型，在预先建立的日志网络中进行检索，得到日志检索集合；基于日志检索集合，进行日志数据处理，再基于日志数据处理后的结果，进行日志数据分析，得到分析结果；显示分析结果。
进一步的，步骤1：对用户的分析需求进行语义分析，得到需求语义分析结果，包括：建立词语义库，生成分析需求对应的词语义向量，形成最终的语义检索向量，将语义检索向量在语义库中进行分析匹配识别，得到第一语义分析结果；对需求分析进行图像语义识别，得到第二语义分析结果；基于第一语义分析结果和第二语义分析结果，使用预设的权重判断公式，生成最终的语义分析结果；所述权重判断公式为：最终的语义分析结果＝第一语义分析结果*a+第二语义分析结果*b；其中，a和b为权重值，a取值范围分别为：0.1～0.4；b取值范围为：0.6～0.9；且a+b＝1。
进一步的，所述建立词语义库，生成分析需求对应的词语义向量，形成最终的语义检索向量，将语义检索向量在语义库中进行分析匹配识别，得到第一语义分析结果的方法执行以下步骤：建立词语义库，基于用户输入的分析需求构造各自的词语义向量，形成最终的语义检索向量，并将语义检索向量与语义库进行类别匹配查询，得到初始的分析结果；对初始分析结果进行优化排序，并将最终分析结果返回给用户；所述构造词语义库的方法包括：构造概念空间；设定空间为m维；概念空间的基础维度是一些类别标签的集合，能够表示整个语义库的信息，从语义库分类标签中直接提取的m个类别标签构成向量的m个维度，则分析需求中每个词的语义信息由一个m维向量来描述，称为词语义向量；词语义向量分量值的确定：词是从训练模型的网页分析需求中提取出来的，词语义向量的每一个分量值的大小由训练模型的所有分析需求来决定；词语义向量的每一个分量值计算公式为：
进一步的，所述基于日志检索集合，进行日志数据处理，的方法执行以下步骤：进行日志数据预处理，包括：去除唯一属性、处理缺失值和异常值检测及处理；进行日志数据规约处理，包括：去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的特征向量、将日志数据转换到特征向量构建的新空间中；最后得处理后的新的日志数据，这些日志数据之间两两不相干，但保持原有的信息；进行日志数据标准化处理，将数据按比例缩放，使之落入设定的特定区间。
本发明的基于语义分析的计算机流程分析挖掘系统及方法，具有如下有益效果：本发明基于用户需求的语义分析，针对计算机系统中的日志进行内容挖掘和分析，大幅度提升了计算机流程分析的准确率，同时提升了计算机流程分析的效率。主要通过以下过程实现：在得到第一语义分析结果时，使用自然语义分析，该过程通过构建词语义库的基础上，使用语义向量的方式进行语义分析，这样做的好处是可以将需求进行更好的归纳分析，提升了语义分析的效率；同时由于使用语义向量的方式，又能保证语义分析的准确性；在得到第二语义分析结果时，使用图像语义分析直接得到分析结果，再讲两个语义分析结果进行加权平均，可以中和掉某一种语义分析带来的不准确性，两者综合后的结果，准确性更高。另外，本发明通过将计算机系统中的日志信息进行分类，再讲分类后的日志信息文件构建一个检索网络，使得在进行日志挖掘分析的过程中，得到结果的效率更高。
附图说明
图1为本发明实施例提供的基于语义分析的计算机流程分析挖掘系统的系统结构示意图；
图2为本发明实施例提供的基于语义分析的计算机流程分析挖掘方法的方法流程示意图；
图3为本发明实施例提供的基于语义分析的计算机流程分析挖掘系统的日志神经网络综合处理单元的结构示意图；
图4为本发明实施例提供的基于语义分析的计算机流程分析挖掘系统及方法的日志网络中进行检索的原理示意图；
图5为本发明实施例提供的基于语义分析的计算机流程分析挖掘系统及方法的日志网络的结构示意图；
图6本发明实施例提供的基于语义分析的计算机流程分析挖掘系统及方法的图像语义识别的原理示意图；
图7为本发明实施例提供的本发明实施例提供的基于语义分析的计算机流程分析挖掘系统及方法的计算机流程分析准确率随着实验次数变化的曲线示意图与现有技术的对比实验效果示意图。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1
如图1和图3所示，基于语义分析的计算机流程分析挖掘系统，所述系统包括：需求语义分析单元，配置用于对用户的分析需求进行语义分析，得到需求语义分析结果；日志神经网络综合处理单元，配置用于根据语义分析结果，对计算机内的日志进行挖掘分析处理，生成分析结果；所述日志神经网络综合处理单元包括：需求匹配检索模块，配置用于基于语义分析结果，使用预先建立的检索模型，在预先建立的日志网络中进行检索，得到日志检索集合；日志数据分析模块，配置用于基于日志检索集合，进行日志数据处理，再基于日志数据处理后的结果，进行日志数据分析，得到分析结果；可视化模块，配置用于显示分析结果。
采用上述技术方案，本发明基于用户需求的语义分析，针对计算机系统中的日志进行内容挖掘和分析，大幅度提升了计算机流程分析的准确率，同时提升了计算机流程分析的效率。主要通过以下过程实现：在得到第一语义分析结果时，使用自然语义分析，该过程通过构建词语义库的基础上，使用语义向量的方式进行语义分析，这样做的好处是可以将需求进行更好的归纳分析，提升了语义分析的效率；同时由于使用语义向量的方式，又能保证语义分析的准确性；在得到第二语义分析结果时，使用图像语义分析直接得到分析结果，再讲两个语义分析结果进行加权平均，可以中和掉某一种语义分析带来的不准确性，两者综合后的结果，准确性更高。另外，本发明通过将计算机系统中的日志信息进行分类，再讲分类后的日志信息文件构建一个检索网络，使得在进行日志挖掘分析的过程中，得到结果的效率更高。
实施例2
在上一实施例的基础上，所述需求语义分析单元，包括：自然语义分析模块、图像语义分析模块和权重判断模块；所述自然语义分析模块，配置用于建立词语义库，生成分析需求对应的词语义向量，形成最终的语义检索向量，将语义检索向量在语义库中进行分析匹配识别，得到第一语义分析结果；所述图像语义分析模块，配置用于对需求分析进行图像语义识别，得到第二语义分析结果；所述权重判断模块，配置用于基于第一语义分析结果和第二语义分析结果，使用预设的权重判断公式，生成最终的语义分析结果；所述权重判断公式为：最终的语义分析结果＝第一语义分析结果*a+第二语义分析结果*b；其中，a和b为权重值，a取值范围分别为：0.1～0.4；b取值范围为：0.6～0.9；且a+b＝1。
具体的，本发明的两种语义分析结果所选取的权重值视情况而定，可以在进行试验的过程中进行调整，以保证结果准确性最高。
实施例3
在上一实施例的基础上，所述自然语义分析模块，建立词语义库，生成分析需求对应的词语义向量，形成最终的语义检索向量，将语义检索向量在语义库中进行分析匹配识别，得到第一语义分析结果的方法执行以下步骤：建立词语义库，基于用户输入的分析需求构造各自的词语义向量，形成最终的语义检索向量，并将语义检索向量与语义库进行类别匹配查询，得到初始的分析结果；对初始分析结果进行优化排序，并将最终分析结果返回给用户；所述构造词语义库的方法包括：构造概念空间；设定空间为m维；概念空间的基础维度是一些类别标签的集合，能够表示整个语义库的信息，从语义库分类标签中直接提取的m个类别标签构成向量的m个维度，则分析需求中每个词的语义信息由一个m维向量来描述，称为词语义向量；词语义向量分量值的确定：词是从训练模型的网页分析需求中提取出来的，词语义向量的每一个分量值的大小由训练模型的所有分析需求来决定；词语义向量的每一个分量值计算公式为：
具体的，语义可以分成两部分：研究单个词的语义(即词义)以及单个词的含义是怎么联合起来组成句子(或者更大的单位)的含义
语义研究的是：词语的含义、结构和说话的方式。
实施例4
在上一实施例的基础上，所述日志数据分析模块，基于日志检索集合，进行日志数据处理，的方法执行以下步骤：进行日志数据预处理，包括：去除唯一属性、处理缺失值和异常值检测及处理；进行日志数据规约处理，包括：去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的特征向量、将日志数据转换到特征向量构建的新空间中；最后得处理后的新的日志数据，这些日志数据之间两两不相干，但保持原有的信息；进行日志数据标准化处理，将数据按比例缩放，使之落入设定的特定区间。
具体的，在计算机领域，日志文件(logfile)是一个记录了发生在运行中的操作系统或其他软件中的事件的文件，或者记录了在网络聊天软件的用户之间发送的消息。[来源请求]日志记录(logging)是指保存日志的行为。最简单的做法是将日志写入单个存放日志的文件。
许多操作系统、软件框架和程序都包含日志系统。广泛使用的一项日志标准是syslog，它在互联网工程任务组(ietf)的rfc5424中定义。syslog标准使专门的标准化子系统得以生成、过滤、记录和分析日志消息。这可以减轻软件开发人员设计和编写自己的临时日志系统的难度。
事件日志(eventlogs)记录了在系统运行期间发生的事件，以便于了解系统活动和诊断问题。它对于了解复杂系统的活动轨迹至关重要，尤其是只有很少用户交互的应用程序(例如服务器应用程序)。
集成多个来源的日志文件条目也是有用的。这种方法通过集成的统计数据分析，可能揭示出不同服务器上看似不相关的事件的相关性。其他解决方案则采用网络范围的查询与报告机制。
实施例5
在上一实施例的基础上，所述基于日志数据处理后的结果，进行日志数据分析，得到分析结果的方法执行以下步骤：基于日志数据处理后的结果，调用预设的分析算法模型进行日志数据分析，得到分析结果。
实施例6
在上一实施例的基础上，所述预先建立的检索模型，在预先建立的日志网络中进行检索的过程包括：将计算机中的日志文件进行分类，每个类别的日志文件设置不同的特征标识，即每个特征标识对应一个类别的日志文件；将特征表示彼此之间建立连接关系；再进行检索时，使用检索寻路算法再特征表示之间进行寻路检索，检索匹配到符合的结果作为日志检索集合。
参考图4和图5，日志网络的寻路过程为，在日志从c方向到达一个节点时，该节点对应的为特征标识，若该特征标识匹配该需求，则顺应该特征标识的下一个路径cy前行，若该特征标识不匹配该需求，则朝向a方向或者其他方向前行，到达下一个特征标识时，使用相同的方法进行判定和传递。ax和b均为前行的方向。
实施例7
参考图2，一种基于语义分析的计算机流程分析挖掘方法，其特征在于，所述方法执行以下步骤：
步骤1：对用户的分析需求进行语义分析，得到需求语义分析结果；
步骤2：根据语义分析结果，对计算机内的日志进行挖掘分析处理，生成分析结果；包括：基于语义分析结果，使用预先建立的检索模型，在预先建立的日志网络中进行检索，得到日志检索集合；基于日志检索集合，进行日志数据处理，再基于日志数据处理后的结果，进行日志数据分析，得到分析结果；显示分析结果。
实施例8
在上一实施例的基础上，步骤1：对用户的分析需求进行语义分析，得到需求语义分析结果，包括：建立词语义库，生成分析需求对应的词语义向量，形成最终的语义检索向量，将语义检索向量在语义库中进行分析匹配识别，得到第一语义分析结果；对需求分析进行图像语义识别，得到第二语义分析结果；基于第一语义分析结果和第二语义分析结果，使用预设的权重判断公式，生成最终的语义分析结果；所述权重判断公式为：最终的语义分析结果＝第一语义分析结果*a+第二语义分析结果*b；其中，a和b为权重值，a取值范围分别为：0.1～0.4；b取值范围为：0.6～0.9；且a+b＝1。
具体的，图像语义识别的原理在于，将输入的需求信息的语句转换到预先设置的矩阵模板中。矩阵模板中的每个位置都进行编号，语句转换到该矩阵模板中后，对应的位置若被占用，则可以得到具体被占用的位置的编号。参考图6，则可以根据矩阵模板中被占用的情况使用预先建立的识别模型进行语义识别。
实施例9
在上一实施例的基础上，所述建立词语义库，生成分析需求对应的词语义向量，形成最终的语义检索向量，将语义检索向量在语义库中进行分析匹配识别，得到第一语义分析结果的方法执行以下步骤：建立词语义库，基于用户输入的分析需求构造各自的词语义向量，形成最终的语义检索向量，并将语义检索向量与语义库进行类别匹配查询，得到初始的分析结果；对初始分析结果进行优化排序，并将最终分析结果返回给用户；所述构造词语义库的方法包括：构造概念空间；设定空间为m维；概念空间的基础维度是一些类别标签的集合，能够表示整个语义库的信息，从语义库分类标签中直接提取的m个类别标签构成向量的m个维度，则分析需求中每个词的语义信息由一个m维向量来描述，称为词语义向量；词语义向量分量值的确定：词是从训练模型的网页分析需求中提取出来的，词语义向量的每一个分量值的大小由训练模型的所有分析需求来决定；词语义向量的每一个分量值计算公式为：
实施例10
在上一实施例的基础上，所述基于日志检索集合，进行日志数据处理，的方法执行以下步骤：进行日志数据预处理，包括：去除唯一属性、处理缺失值和异常值检测及处理；进行日志数据规约处理，包括：去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的特征向量、将日志数据转换到特征向量构建的新空间中；最后得处理后的新的日志数据，这些日志数据之间两两不相干，但保持原有的信息；进行日志数据标准化处理，将数据按比例缩放，使之落入设定的特定区间。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，上述实施例提供的系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！