[发明专利]配置文件检查方法及装置

权利要求书

1.一种配置文件检查方法，其特征在于，包括：

从待检查配置文件中获取语句集，以及所述语句集中各语句的元数据信息；所述语句集包括所述待检查配置文件的全部语句，所述语句包括至少一个单词；

采用预设语义特征提取方法，获取所述各语句的表示向量；

检测所述表示向量中的异常表示向量；

标记目标语句的元数据信息，所述目标语句对应所述异常表示向量。

2.根据权利要求1所述的方法，其特征在于，所述从待检查配置文件中获取语句集，具体包括：

将所述待检测配置文件中属于同一语句的多个连续的命令拼接为一行，使所述待检查配置文件由语句行组成；

使用空白字符对所述待检查配置文件中的所有语句行进行分割，将分割后的每段作为一个单词；

提取所述待检查配置文件中分词后的全部语句行，合并形成语句集。

3.根据权利要求1或2所述的方法，其特征在于，所述元数据信息包括所述语句所属的配置文件名、所述语句在配置文件中的行号，以及所述配置文件所属的网元设备名。

4.根据权利要求1或2所述的方法，其特征在于，所述预设语义特征提取方法为word2vec方法，所述采用预设语义特征提取方法，获取所述各语句的表示向量，具体包括：

统计所述语句集中的单词数量N，并用1至N给每个单词编号；

用一位有效向量x作为每个单词的初始向量；所述x为N维向量，单词编号i对应的维度值为1，其余维度值为0；

对于所述语句中的单词，将其上下文的初始向量作为预设神经网络模型的输入，检测所述预设神经网络的输出与期望输出x_t间的误差；其中，所述上下文为单词在所述语句中的前k个单词和后k个单词，所述期望输出x_t为所述单词的初始向量，所述误差定义为：

使用所述语句集中的所有语句对所述预设神经网络模型进行有监督训练，使所述误差最小，优化所述预设神经网络模型的权重矩阵；

将优化后的输入权重矩阵的第i行确定为第i个单词的表示向量；

将语句包括的单词的表示向量求平均，得到语句的表示向量。

5.根据权利要求4所述的方法，其特征在于，所述预设神经网络模型为两层神经网络，输入层的输入为单词上下文的初始向量x₁,…,x_2k，所述输入层与隐藏层之间进行如下变换：

ω＝xW

其中，输入权重矩阵W为N行V列的矩阵，且VN；所述ω为V维向量，所述隐藏层的输出h与所述ω之间满足以下公式：

其中，所述h为V维向量；所述隐藏层与输出层之间进行如下变换：

y＝hW′

其中，输出权重矩阵W′为V行N列的矩阵；所述y为N维向量，所述输出层的输出与所述y之间满足以下公式：

其中，所述为N维概率向量，所述中各维度值的总和为1。

6.根据权利要求1或2所述的方法，其特征在于，所述检测所述表示向量中的异常表示向量，具体包括：

从所述表示向量中随机抽取m个表示向量，作为样本集M；

随机选择一个维度，并在该维度的值域里随机选择一个取值，对所述m个表示向量进行二叉划分，即将该维度值小于所述取值的表示向量划分到左分支，该维度值大于所述取值的表示向量划分到右分支；

在左右两个分支重复上述二叉划分操作，直到不可再划分，或二叉树达到预设高度；

重复上述操作，直到构造出T棵树；

计算表示向量的异常分数将异常分数大于预设阈值的表示向量作为异常表示向量；其中，所述满足以下公式：

其中，所述为所述在所述T棵树上的平均高度，满足以下公式：

其中，所述为所述在一棵树上的高度；

所述为树t的平均高度，满足以下公式：

其中，所述τ为所述树t上的表示向量。