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！

龙图腾网获悉中山大学申请的专利一种基于信息冗余度的调用链数据压缩方法及系统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：CN118713677B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202410715232.9，技术领域涉及：H03M7/30；该发明授权一种基于信息冗余度的调用链数据压缩方法及系统是由陈鹏飞;俞泽斌;李民;张涛;张传富设计研发完成，并于2024-06-04向国家知识产权局提交的专利申请。

本一种基于信息冗余度的调用链数据压缩方法及系统在说明书摘要公布了：本发明公开了一种基于信息冗余度的调用链数据压缩方法及系统，方法包括：针对收集的调用链数据，采用KMeans算法提取相似数据，将所述调用链数据中的数据点分组，得到各个聚类组；其中，同一聚类组内的数据相似度高，不同聚类组间的数据相似度低；采用基于层次聚类的离线尾部抽样策略所述聚类组进行抽样处理，输出结构化文件；采用无损压缩的方式对所述结构化文件进行无损压缩处理，完成对所述调用链数据的压缩。本发明针对调用链数据的特性，结合了有损压缩的采样思想，在保持数据分析价值的基础上大幅减少了压缩后文件的大小和存储负担，提高了效率和实时性，能够保证数据完整性并强化泛化能力，可广泛应用于计算机技术领域。

本发明授权一种基于信息冗余度的调用链数据压缩方法及系统在权利要求书中公布了：1.一种基于信息冗余度的调用链数据压缩方法，其特征在于，包括以下步骤： 针对收集的调用链数据，采用KMeans算法提取相似数据，将所述调用链数据中的数据点分组，得到各个聚类组；其中，同一聚类组内的数据相似度高，不同聚类组间的数据相似度低； 采用基于层次聚类的离线尾部抽样策略对所述聚类组进行抽样处理，输出结构化文件； 采用无损压缩的方式对所述结构化文件进行无损压缩处理，完成对所述调用链数据的压缩； 所述针对收集的调用链数据，采用KMeans算法提取相似数据，将所述调用链数据中的数据点分组，得到各个聚类组，包括以下步骤： 通过OpenTelemetry框架收集微服务的调用链数据，经由一个networkx库函数所构建的图生成单元进行处理，得到对应的有向图；其中，所述有向图用于表征调用链数据中各服务组件间的调用关系； 通过节点向量化单元应用Node2Vec算法对所述有向图中的节点进行处理，将图结构中的节点数据转换为向量形式； 通过标准化处理单元采用标准化工具对向量化的节点数据进行归一化处理，得到标准化的数据流； 通过特性选择单元对所述标准化的数据流进行特征选择，得到目标特征集； 通过聚类处理单元实施Kmeans算法进行数据点的聚类，将数据划分为多个不同的聚类簇，每个所述聚类簇带有对应的簇标签； 所述采用基于层次聚类的离线尾部抽样策略对所述聚类组进行抽样处理，输出结构化文件，包括以下步骤： 计算每个KMeans聚类簇在整体数据集中的相对比例，确定从每个聚类簇中所需抽取的样本数量； 对每个KMeans聚类内部的数据，利用scipy库中的linkage函数计算层次聚类的链接矩阵，并使用sklearn库的AgglomerativeClustering函数执行层次聚类算法，构建树状结构，利用树状结构的纯度原理将相似性高的数据点放置于同一分支，得到层次聚类结果； 根据所述层次聚类结果，从各子簇中抽取样本，完成采样； 完成采样之后，通过sklearn库的silhouette_score函数对每一个聚类簇计算轮廓系数，以度量聚类质量； 将所有抽取到的样本进行去重处理后，整合到一个新的数据结构中，输出得到所述结构化文件。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135号；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。