[发明专利]一种自动化提取物联网设备信息的方法

权利要求书

1.一种自动化提取物联网设备信息的方法，其特征在于，包括：

步骤一：设备类型信息的确定，包括：步骤a，针对一个应用层报文信息进行预处理，删除干扰内容，预处理模块完成后，将标语转换为文本格式，作为后续所有步骤的输入；步骤b，将纯文本格式的文字转化为词向量，并训练得到设备类型分类器；步骤c，对应用层报文进行处理，得到设备类型信息；

步骤二：设备厂商信息的确认，包括：步骤d，利用命名实体识别技术，识别文本所属的实体；步骤e，利用循环神经网络模型，得到设备厂商信息；

步骤三：产品型号信息的确认，包括：在设备厂商信息附近，利用相似度计算，提取超过阈值的文字，得到产品型号信息；

步骤四，物联网设备信息的确认，包括：结合以上三个步骤，得到物联网设备信息，即(设备类型，设备厂商，产品型号)；

所述步骤a中预处理包括步骤：a1，删除应用层的错误状态码；a2，删除超文件标示语言的无关内容；a3，去除特殊字符；a4，删除时间戳、数字、标点和停用词；a5，在剩下的报文内容中，提取纯文本并将其拆分为单个文字，进行词标记化；

所述步骤b具体包括：使用Word2Vec处理训练数据，得到一个预先训练的模型，将纯文本格式的文字转化为词向量，利用基于注意力机制的双向长短期记忆网络模型，以词向量作为输入，训练得到设备类型的分类器；

所述步骤c具体包括：给定一个应用层报文信息，将其转换为文本标记和向量标式，作为模型的输入；而分类器给出物联网设备类型的判定，并提供设备类型的标签：(设备类型，#，#)；

所述步骤d具体包括：经过步骤一处理后的应用层报文信息，成为纯文本，识别每个字所属的类别，采用V，O来标记，其中V表示设备厂商类别，O表示其他类别；

所述步骤e具体包括：将步骤一的纯文本信息，进行三种不同的向量化，包括词向量、字母向量和混合向量；利用门控循环单元模型进行单词的字母向量表示，最后将词向量与字母向量结合起来作为一个单独的序列向量，即混合向量表示；将混合向量表示作为每一个门控循环单元的输入，训练循环神经网络模型，从而将步骤一的纯文本信息中的每一个字，进行标记；查找标记为V的文本，作为物联网设备的厂商，提供设备厂商的标签：(#，设备厂商，#)。

2.根据权利要求1所述的一种自动化提取物联网设备信息的方法，其特征在于，所述步骤三具体为：基于所述步骤二的设备厂商类别V，设置一个长度为W的窗口，在该窗口找到所有出现的文字，生成候选集合B；对集合B中的每一个文字，进行字母级别词向量表示和通用的词向量表示；已知的物联网产品型号名称，作为集合A，比较集合B中的文字的向量表示和集合A中的文字的向量表示，如果相似度超过阈值T，那么就将文字作为此设备的产品型号，得到产品型号的标签：(#，#，产品型号)。