[发明专利]智能组网环境的信息配置方法及智能组网系统

权利要求书

1.一种智能组网环境的信息配置方法，其特征在于，应用于包括管理设备和网络设备的智能组网系统，所述方法包括：

所述管理设备根据各所述网络设备的设备描述信息，获得各网络设备的第一结构化设备特征向量；所述设备描述信息包括以自然语言形式记录的网络设备的设备名称、设备类型、安装位置中的至少一种；

所述管理设备根据各所述网络设备的第一结构化设备特征向量确定各所述网络设备之间的拓扑关系；

所述管理设备根据所述拓扑关系向各所述网络设备下发组网配置信息；

各所述网络设备根据接收到的所述组网配置信息执行对应的网络参数配置。

2.根据权利要求1所述的方法，其特征在于，所述管理设备根据各所述网络设备的第一结构化设备特征向量确定各所述网络设备之间的拓扑关系的步骤，包括：

针对所述网络设备中的目标网络设备，将所述目标网络设备的第一结构化设备特征向量输入训练完成的特征提取模型，获得所述目标网络设备的拓扑关系文本表示向量，并将所述网络设备中除所述目标网络设备以外的每个第一候选设备的第一结构化设备特征向量分别输入所述训练完成的特征提取模型，获得各所述第一候选设备的拓扑关系文本表示向量；其中，所述训练完成的特征提取模型是根据带标注上下级关系的第一样本集合得到的，所述第一样本集合包括具有同级关系的网络设备样本以及具有非同级关系的网络设备样本的第一结构化设备特征向量；

根据各所述第一候选设备的拓扑关系文本表示向量与所述目标网络设备的拓扑关系文本表示向量，确定各所述第一候选设备为所述目标网络设备的上级设备的概率；

根据各所述第一候选设备为所述目标网络设备的上级设备的概率，确定所述目标网络设备的上级设备；

根据各所述网络设备的上下级关系，确定各所述网络设备的拓扑关系。

3.根据权利要求2所述的方法，其特征在于，所述根据各所述第一候选设备的拓扑关系文本表示向量与所述目标网络设备的拓扑关系文本表示向量，确定各所述第一候选设备为所述目标网络设备的上级设备的概率的步骤，包括：

针对各所述第一候选设备，将所述目标网络设备的拓扑关系文本表示向量和设备类型、该所述第一候选设备的拓扑关系文本表示向量和设备类型、以及所述目标网络设备与该第一候选设备之间的安装位置关系输入训练完成的关系预测模型，获得各所述第一候选设备为所述目标网络设备的上级设备的概率；

其中，所述训练完成的关系预测模型是根据带标注概率的第二样本集合得到的，所述第二样本集合中包括网络设备样本的拓扑关系文本表示向量、设备类型以及所述网络设备样本之间的安装位置关系。

4.根据权利要求2所述的方法，其特征在于，所述根据各所述网络设备的设备描述信息，获得各网络设备的第一结构化设备特征向量的步骤，包括：

从各所述网络设备的设备描述信息中提取各所述网络设备的结构化描述信息；

将各所述网络设备的结构化描述信息输入训练完成的语义特征提取模型，获得各所述网络设备的第一结构化设备特征向量；所述第一结构化设备特征向量包含网络设备的设备描述信息中每个结构化描述信息的属性值；

所述训练完成的特征提取模型为知识表示学习网络；所述将所述目标网络设备的第一结构化设备特征向量输入训练完成的特征提取模型，获得所述目标网络设备的拓扑关系文本表示向量，并将所述网络设备中除所述目标网络设备以外的每个第一候选设备的第一结构化设备特征向量分别输入所述训练完成的特征提取模型，获得各所述第一候选设备的拓扑关系文本表示向量的步骤，包括：

基于所述知识表示学习网络的知识获取层，对所述目标网络设备的第一结构化设备特征向量包含的每个属性值进行加权求和得到所述目标网络设备的第二结构化设备特征向量，并对每个所述第一候选设备的第一结构化设备特征向量包含的每个属性值进行加权求和得到每个所述第一候选设备的第二结构化设备特征向量；

基于所述知识表示学习网络的表示学习层，对所述目标网络设备的第二结构化设备特征向量中的拓扑关系文本特征进行特征提取得到所述目标网络设备的拓扑关系文本表示向量，对每个第一候选设备的第二结构化设备特征向量中的拓扑关系文本特征进行特征提取得到每个第一候选设备的拓扑关系文本表示向量。