买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利服务器诊断日志的分类方法及电子设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120763715B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511277148.4，技术领域涉及：G06F18/241；该发明授权服务器诊断日志的分类方法及电子设备是由刘自勇;常亮设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本服务器诊断日志的分类方法及电子设备在说明书摘要公布了：本申请涉及诊断测试技术领域，特别涉及一种服务器诊断日志的分类方法及电子设备，方法包括：对待分类诊断日志数据进行预处理，得到数值化数据，并输入至预先训练的深度学习分类模型，将数值化数据映射为词向量，并从正反两个方向提取词向量序列的上下文特征，并根据特征序列得到待分类诊断日志的分类结果，其中，预先训练的深度学习分类模型由带有类别标签的诊断日志样本数据集训练双向长短期记忆网络得到。由此，解决了传统正则表达式在服务器诊断日志分类中存在的灵活性差、跨条目关联能力弱、效率低下和准确率不足的问题，实现了服务器诊断日志的智能、高效、精准自动分类，显著降低人工维护成本并提升故障定位准确率。

本发明授权服务器诊断日志的分类方法及电子设备在权利要求书中公布了：1.一种服务器诊断日志的分类方法，其特征在于，包括以下步骤： 获取当前服务器的待分类诊断日志数据； 对所述待分类诊断日志数据进行预处理，得到数值化数据； 将所述数值化数据输入至预先训练的深度学习分类模型，通过所述预先训练的深度学习分类模型将所述数值化数据映射为词向量，并从正反两个方向提取所述词向量序列的上下文特征得到特征序列，对所述特征序列进行加权求和，得到加权求和后的特征序列，并对加权求和后的特征序列进行降维处理，生成固定长度的特征向量；将所述特征向量映射为故障类别的概率分布，得到所述待分类诊断日志的分类结果，其中，所述预先训练的深度学习分类模型由带有类别标签的诊断日志样本数据集训练双向长短期记忆网络得到； 其中，所述对所述待分类诊断日志数据进行预处理，得到数值化数据，包括：对所述待分类诊断日志数据进行分词处理，得到分词序列；将所述分词序列转换为对应的词向量；将所述词向量转换为预设的深度学习框架可识别的张量格式，得到所述数值化数据；所述预设的深度学习框架为TensorFlow框架，所述预先训练的深度学习分类模型的输出层采用预设激活函数； 在将所述数值化数据输入至预先训练的深度学习分类模型，得到待分类诊断日志的分类结果之前，还包括：获取所述带有类别标签的诊断日志样本数据集；对所述诊断日志样本数据集中的诊断日志样本进行预处理，得到样本数值化数据集；基于预设的划分比例，将所述样本数值化数据集划分为训练集、验证集和测试集；构建所述双向长短期记忆网络，并基于预设的学习率，将所述训练集输入至所述双向长短期记忆网络进行训练，得到初始模型参数；基于所述初始模型参数，将所述验证集输入至所述双向长短期记忆网络进行性能评估，并根据性能评估结果调整所述初始模型参数和所述预设的学习率直至所述验证集的联合损失函数收敛，得到最优模型参数；基于所述最优模型参数，将所述测试集输入所述双向长短期记忆网络进行模型测试，并在测试结果满足预设条件时，得到所述预先训练的深度学习分类模型；其中，所述预设条件为所述双向长短期记忆网络在测试集上的分类准确率大于第一预设准确率； 在将所述训练集输入至所述双向长短期记忆网络进行训练之前，还包括：统计所述训练集中任一故障类别的样本数量，并将任一故障类别的样本数量的倒数作为初始权重；根据历史分类错误记录构建类别混淆矩阵，并生成任一类别的混淆度因子；将所述初始权重与对应类别的混淆度因子相乘后进行归一化处理，得到动态样本权重；将所述动态样本权重嵌入损失函数，并在任一训练周期结束后，根据新的分类结果对所述类别混淆矩阵和所述动态样本权重进行更新； 所述分类结果包括服务器板卡的故障类型，所述故障类型包括基板管理控制器故障、中央处理器故障、内存故障、电源故障和硬盘故障中的至少一种。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区综保区经一路1号8幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。