基于元级化低代码平台的软件知识图谱智能构建方法与流程

本发明涉及知识图谱构建，特别涉及一种基于元级化低代码平台的软件知识图谱智能构建方法。

背景技术：

1、在当前数字化转型的背景下，企业对于智能化、自动化和集成化的需求日益增强。软件知识图谱作为连接不同系统和数据的关键技术，具有广泛的应用前景。然而，传统的软件知识图谱构建方法往往存在开发周期长、技术门槛高、维护成本大等问题，难以满足企业快速响应市场变化的需求。故如何快速构建与更新软件知识图谱成为当前研究中心之一。

2、因此，本发明提供一种基于元级化低代码平台的软件知识图谱智能构建方法，可应用于各种低代码开发平台，支持快速构建和更新软件知识图谱，提升开发效率和软件质量。

技术实现思路

1、本发明提供一种基于元级化低代码平台的软件知识图谱智能构建方法，用以通过提取目标知识要素整合至元模型；基于预设图数据库，实现对低代码开发知识的图谱化构建；实时监测代码仓库中代码的变化状态，并根据变化状态数据动态更新知识图谱，可支持快速构建和更新软件知识图谱，应用于各种低代码开发平台以及提升开发效率和软件质量。

2、本发明提供一种基于元级化低代码平台的软件知识图谱智能构建方法，包括：

3、步骤1：从不同类型的数据源中提取目标知识要素，整合到目标元模型中，并建立目标元数据管理系统；

4、步骤2：基于预设图数据库，实现对低代码开发知识的图谱化构建，得到目标知识图谱；

5、步骤3：实时监测代码仓库中代码的变化状态，并根据变化状态数据实现对目标知识图谱的动态更新。

6、优选的，从不同类型的数据源中提取目标知识要素，整合到目标元模型中，并建立目标元数据管理系统，包括；

7、利用当前元级化低代码平台的智能知识抽取功能，从不同类型的数据源中提取得到第一知识要素；

8、实时监测第一知识要素的抽取过程，并当检测到异常时作出响应；

9、对抽取得到的第一知识要素数据清洗后，再数据转换为目标元模型所支持的格式与类型，得到目标知识要素；

10、基于设定映射规则，将所述目标知识要素映射至目标元模型内的相应元素和关系；

11、将所述目标知识要素与目标元模型内的相应元素和关系的映射关系存储到目标知识库；

12、基于数据需求，建立目标元数据管理系统，存储当前元级化低代码平台的元数据。

13、优选的，数据源类型包括结构化类型、半结构化类型以及非结构化类型。

14、优选的，实时监测第一知识要素的抽取过程，并当检测到异常时作出响应，包括：

15、利用目标监控工具，对第一知识要素抽取过程进行实时监测，得到第一性能指标数据；

16、通过将所述第一性能指标数据与设定性能阈值进行比较分析，对每个第一性能指标数据进行状态标定；

17、根据对第一性能指标数据的状态标定结果，建立指标状态集合表；

18、若所述指标状态集合表中只存在正常状态指标，则判定当前知识要素抽取过程正常；

19、若所述指标状态集合表中存在异常状态指标或可能异常状态指标，则判定当前第一知识要素抽取过程存在异常；

20、当第一知识要素抽取过程存在异常时，采取相应的异常处理策略进行异常处理。

21、优选的，当第一知识要素抽取过程存在异常时，采取相应的异常处理策略进行异常处理，包括：

22、若所述指标状态集合表中存在异常状态指标，则从设定类型-异常处理映射表中，基于所述异常状态指标确定第一异常类型，并提取与当前第一异常类型相匹配的第一设定异常处理规则；

23、从第一设定异常处理规则中提取异常处理措施，并作为第一措施；

24、若所述指标状态集合表中存在可能异常状态指标，则提取所述可能异常状态指标的预设时间周期内的历史性能数据，并通过利用机器学习算法识别得到潜在异常点；

25、根据所述潜在异常点的时间戳，确定第一时间窗口；

26、从日志数据库中提取第一时间窗口内的所有日志条目，并进行条目筛选，得到第一日志条目；

27、将所述第一日志条目与潜在异常点进行关联分析，得到异常关联系数；

28、将异常关联系数大于设定关联阈值的第一日志条目标记为第一高关联条目；

29、提取所述第一高关联条目的异常相关特征输入预先建立的类型识别模型中，输出异常相关特征对应的异常类型识别结果并作为第二异常类型；

30、从设定类型-异常处理映射表中，提取与当前第二异常类型相匹配的第二设定异常处理规则；

31、从第二设定异常处理规则中提取异常处理措施，并视为第二措施；

32、当所述指标状态集合表中存在异常状态指标，不存在可能异常状态指标，则将第一措施作为异常处理策略立即进行异常处理；

33、当所述指标状态集合表中存在可能异常状态指标，不存在异常状态指标，则对获取的所有第二措施按照设定优先评估机制进行优先级排序后，再按序作为异常处理策略进行对应异常处理；

34、当所述指标状态集合表中同时存在异常状态指标和可能异常状态指标时，立即执行获取的第一措施进行对应异常处理；若存在第二措施与第一措施一致，则删除当前第二措施，对剩余的第二措施按照设定优先评估机制进行优先级排序后，再按序进行对应异常处理；若不存在第二措施与第一措施一致，则将获取的第二措施按照设定优先评估机制进行优先级排序后，再按序进行对应异常处理。

35、优选的，异常关联系数的计算公式如下所示：

36、；式中，表示为第i个第一目标条目与当前潜在异常点的异常关联系数；表示为第i个第一目标条目的时间戳与当前潜在异常点的发生时刻的时间间隔；表示为第i个第一目标条目与当前潜在异常点描述的文本相似度；表示为第i个第一目标条目的实体总个数；表示为第i个第一目标条目与当前潜在异常点的相同实体个数；表示为第i个第一目标条目与当前潜在异常点的相同实体的实体重要度总值；表示为第i个第一目标条目与当前潜在异常点的相似实体个数；表示为第i个第一目标条目与当前潜在异常点的第j个相似实体的相似度；表示为第i个第一目标条目与当前潜在异常点的第j个相似实体的实体重要度。

37、优选的，基于预设图数据库，实现对低代码开发知识的图谱化构建，得到目标知识图谱，包括：

38、选取设定导入方式将映射后的目标知识要素及其关系导入预设图数据库；

39、利用预设图数据库提供的目标语言创建节点和关系，得到目标知识图谱；

40、采用预设可视化工具对所述目标知识图谱可视化。

41、优选的，实时监测代码仓库中代码的变化状态，并根据变化状态数据实现对目标知识图谱的动态更新，包括：

42、从监控方式中，基于对筛选需求指标的分析选取目标监控方式监控代码仓库的变更情况，得到代码变更内容；

43、从所述代码变更内容中利用设定匹配规则提取与所述目标知识图谱相关联的第一文件；

44、采用设定文本处理方式对所述第一文件进行内容解析，得到目标变更信息；

45、根据所述目标变更信息，确定变更类型；

46、基于所述变更类型，对所述目标知识图谱中的节点、关系或属性进行相应变更，得到变更知识图谱；

47、对所述变更知识图谱中的频繁查询节点的属性与频繁查询关系的属性创建索引。

48、与现有技术相比，本技术的有益效果如下：

49、通过提取目标知识要素整合至元模型；基于预设图数据库，实现对低代码开发知识的图谱化构建；实时监测代码仓库中代码的变化状态，并根据变化状态数据动态更新知识图谱，可支持快速构建和更新软件知识图谱，应用于各种低代码开发平台以及提升开发效率和软件质量。

50、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

51、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。