[发明专利]一种网络管控系统的意图预测方法和意图预测装置

权利要求书

1.一种网络管控系统的意图预测方法，其特征在于，所述意图预测方法包括：

获取目标时间单元之前的预设时长内的历史数据，对所述历史数据进行解析得到能够表征用户意图的特征矩阵，将所述特征矩阵划分为训练数据和测试数据；

将所述训练数据输入至神经网络模型进行训练得到第一预测模型，并通过所述第一预测模型得到所述测试数据对应的时间单元的预测数据；按照预设的步长对所述预测数据与所述测试数据进行协方差运算，如果所述协方差均为正值，则不存在突变区域；如果部分步长范围内的协方差为负值，则存在突变区域；

如果所述预测数据与所述测试数据之间存在突变区域，则获取多个突变时间，依次根据所述突变时间查询所述测试数据得到所述突变时间对应的第一用户操作；将所述第一用户操作输入至知识图谱中，获取概率最高的图谱路径，将该图谱路径的末端值作为下一时间单元的第二用户操作；将所述突变时间对应的除第一用户操作之外的其他特征值与所述第二用户操作组成下一时间单元的矫正数据；

通过所述测试数据和所述矫正数据对所述第一预测模型进行优化，得到第二预测模型，采用所述第二预测模型预测用户在所述目标时间单元的意图。

2.根据权利要求1所述的意图预测方法，其特征在于，所述意图预测方法还包括：

如果不存在突变区域，则按照所述第一预测模型预测用户在目标时间单元的意图；

如果存在突变区域，需要对所述第一预测模型进行优化。

3.根据权利要求1所述的意图预测方法，其特征在于，通过所述测试数据和所述矫正数据对所述第一预测模型进行优化，得到第二预测模型，采用所述第二预测模型预测用户在所述目标时间单元的意图包括：

将所述测试数据作为所述第一预测模型的输入数据，将所述矫正数据作为第一预测模型的输出数据，对所述第一预测模型的参数进行优化，直至消除所有的突变区域，得到第二预测模型，采用所述第二预测模型预测用户在所述目标时间单元的意图。

4.根据权利要求1所述的意图预测方法，其特征在于，所述获取目标时间单元之前的预设时长内的历史数据，对所述历史数据进行解析得到能够表征用户意图的特征矩阵，将所述特征矩阵划分为训练数据和测试数据包括：

获取目标时间单元之前的预设时长内的历史数据，标注所述历史数据的五元组信息；

对所述历史数据进行清洗得到有效数据，将所述五元组信息和所述有效数据生成有效数据序列，对所述有效数据序列进行向量归一化处理得到向量序列；

将所述向量序列根据业务场景和时间顺序分别通过循环神经网络算法进行特征提取，得到每个业务场景下能够表征意图的特征向量；

按照时间顺序将所述特征向量融合成同时刻的特征矩阵；

按照时间顺序将所述特征矩阵划分为训练数据和测试数据。

5.根据权利要求4所述的意图预测方法，其特征在于，所述五元组信息包括时间、ip、业务场景、应用协议和用户操作。

6.根据权利要求4所述的意图预测方法，其特征在于，所述特征矩阵的维度为业务场景的场景数M×最长的特征向量的维度数N，对于维度数小于N的特征向量，在该特征向量的末尾补充指定值。

7.根据权利要求4所述的意图预测方法，其特征在于，按照时间顺序将所述特征矩阵划分为训练数据和测试数据包括：

按时间顺序以8:2比例将所述特征矩阵分为训练数据和测试数据。

8.根据权利要求1所述的意图预测方法，其特征在于，所述意图预测方法包括：

采用深度包检测技术获取目标时间单元之前的预设时长内的历史数据。

9.一种意图预测装置，其特征在于，包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被程序设置为执行如权利要求1~8任一项所述的意图预测方法。