一种信息处理方法及系统技术方案

本发明专利技术涉及一种信息处理方法，包括：接收待处理信息；根据原始策略模型和机器学习模型分别对待处理信息进行分析处理，得到原始策略模型处理结果和机器学习模型处理结果；根据原始策略模型和机器学习模型各自的权重，以及原始策略模型处理结果和机器学习模型处理结果，输出综合处理结果。本发明专利技术从数据库中的原始处理信息进行信息的特征提取和监督学习的训练标记，完善和优化机器学习模型。该方法通过对海量的物联网设备的告警和业务性能数据进行实时处理，通过机器学习的人工智能机制，实现对了各种物联网设备不同类型以及提高了新生的物联网告警事件的实时处理能力，提升了物联网业务设备的告警处理能力和效率。

【技术实现步骤摘要】
一种信息处理方法及系统
本专利技术涉及设备监控领域，尤其是涉及一种基于机器学习的信息处理方法及系统。
技术介绍
随着物联网快速发展和物联网设备数量的迅速增长，对于海量的物联网设备和系统产生的业务及设备告警也越来越多。现有传统的告警监控系统，在实现上，采用传统网元设备告警分析处理机制，多数依赖于数据库中预先配置的各种告警分类策略，基于模板或者半自动的人为定义规则进行处理。但是对于层出不穷新增加的物联网设备类型，以及各种新厂家物联网设备的加入、不同的数据字典定义、新的数据类型、告警内容，现有传统基于人工预先定义数据库的告警分析和处理手段已经无法满足这种新的告警事件信息处理方式。
技术实现思路
本专利技术主要实现信息处理，以及自学习和自动优化信息处理的方法和机制，从而提高信息处理的能力。为实现上述目的，本专利技术一方面提供了一种信息处理方法，包括：接收待处理信息；根据原始策略模型和机器学习模型分别对待处理信息进行分析处理，得到原始策略模型处理结果和机器学习模型处理结果；根据原始策略模型和机器学习模型各自的权重，以及原始策略模型处理结果和机器学习模型处理结果，输出综合处理结果。优选地，输出综合处理结果，包括：当原始策略模型或所述机器学习模型中的任意一个权重大于或等于第一权重阈值时，输出权重大的模型所处理的处理结果；或者，当原始策略模型和机器学习模型中的权重同时小于第一权重阈值时，若原始策略模型的处理结果和机器学习模型的处理结果相同，则输出相同的处理结果；若原始策略模型的处理结果和机器学习模型的处理结果不同，则输出待处理信息并提示用户。优选地，在根据原始策略模型和机器学习模型分别对待处理信息进行分析处理，得到原始策略模型处理结果和机器学习模型处理结果之前，方法还包括：生成机器学习模型。优选地，生成所述机械学习模型，包括：接收原始处理信息；根据原始策略模型从原始处理信息中提取特征信息；对特征信息进行分析处理得到原始策略模型处理结果，同时接收用户标识处理信息，并将特征处理信息和用户标识处理信息关联后作为训练数据，更新到训练库中；当训练库达到预期要求时，生成机器学习模型。优选地，训练库达到预期要求的方式包括：训练库通过交叉测试验证手段。本专利技术另一方面提供了一种信息处理系统，包括：接收模块，接收待处理信息；评估模块，根据原始策略模型和机器学习模型分别对待处理信息进行分析处理，得到原始策略模型处理结果和机器学习模型处理结果；预测和处理模块，根据原始策略模型和机器学习模型各自的权重，以及原始策略模型处理结果和机器学习模型处理结果，输出综合处理结果。优选地，预测和处理模块，包括：当原始策略模型或机器学习模型中的任意一个权重大于或等于第一权重阈值时，输出权重大的模型所处理的处理结果；或者，当原始策略模型和机器学习模型中的权重同时小于第一权重阈值时，若原始策略模型的处理结果和机器学习模型的处理结果相同，则输出相同的处理结果；若原始策略模型的处理结果和机器学习模型的处理结果不同，则输出待处理信息并提示用户。优选地，系统还包括：模型训练模块，生成机器学习模型。优选地，系统还包括：接收模块，还用于接收原始处理信息；特征提取模块，根据原始策略模型从原始处理信息中提取特征信息；模型训练模块，还用于对特征信息进行分析处理得到原始策略模型处理结果，同时接收用户标识处理信息，并将特征处理信息和用户标识处理信息关联后作为训练数据，更新到训练库中；当训练库达到预期要求时，生成机器学习模型。机器学习算法模块，为模型训练模块提供多种机器学习算法。优选地，训练库达到预期要求的方式包括：训练库通过交叉测试验证手段。本专利技术实现了对多个信息处理结果进行机器学习，对于新的消息过来后，可以精确和快速地进行处理，可以根据历史已有的处理信息，可以对消息进行快速处理，有利于提高信息处理的效率。附图说明图1为本专利技术实施例提供的一种信息处理方法流程图；图2为本专利技术实施例提供的一种综合处理方法流程图；图3为本专利技术实施例提供的一种生成机器学习模型的方法流程图；图4为本专利技术实施例提供的一种信息处理系统示意图。具体实施方式下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。图1为本专利技术实施例提供的一种信息处理方法流程图。如图1所示，在一个实施例中，本专利技术供了一种信息处理方法，包括：步骤110，接收待处理信息。步骤120，根据原始策略模型和机器学习模型分别对待处理信息进行分析处理，得到原始策略模型处理结果和机器学习模型处理结果。步骤130，根据原始策略模型和机器学习模型各自的权重，以及原始策略模型处理结果和机器学习模型处理结果，输出综合处理结果。其中，步骤130根据原始策略模型和机器学习模型各自的权重，对原始策略模型处理结果和机器学习模型处理结果进行综合分析，输出综合处理结果可以通过如图2所示步骤进行分析处理。图2为本专利技术实施例提供的一种综合处理方法流程图。如图2所示，当步骤120中得到原始策略模型处理结果和机器学习模型处理结果后，可以执行步骤131，确定原始策略模型或所述机器学习模型中的任意一个权重是否大于或等于第一权重阈值。当原始策略模型或所述机器学习模型中的任意一个权重大于或等于第一权重阈值时，执行步骤132，输出权重大的模型所处理的处理结果。在一个例子中，可以设置原始策略模型的权重值为k1，机器学习模型的权重值为k2。若k1或k2中任意一个权重值大于或等于第一权重阈值时，则认为权重值大的模型的处理结果更为准确，则输出权重大的模型所处理的处理结果。例如，第一权重阈值可以设置为0.8，k1＝0.9，k2＝0.1，则可以看出k1＞0.8，则输出原始策略模型的处理结果。当原始策略模型和机器学习模型中的权重同时小于第一权重阈值时，执行步骤133，确定原始策略模型的处理结果和机器学习模型的处理结果是否相同。若处理结果相同，则执行步骤134，输出相同的处理结果。若处理结果不相同，则执行步骤135，输出待处理信息并提示用户。其中，步骤135，在一个例子中，可以是将待处理信息提示用户，并等待用户做出正确处理。同时在另一个例子中，还可以同时将原始策略模型的处理结果和机器学习模型的处理结果一并输出并提示用户，使得让用户知道两种模型输出的不同处理结果，并让用户做出正确处理。在经过用户处理后，对于处理的结果以及通过模型得到的处理结果进行重新训练调整，以提升机器学习模型的准确率和效率。本领域人员应当注意，对于待处理信息，在另一个实施例中，当机器学习模型达到一定的完善程度时，可以只通过机器学习模型对待处理信息进行自动处理，完成自动预测分类。图3为本专利技术实施例提供的一种生成机器学习模型的方法流程图。如图3所示，本专利技术还提供了一种生成机器学习模型的方法，包括：步骤310，接收原始处理信息。具体地，接收的原始处理信息来自采集的物联网设备告警事件信息，包括各种物联网设备的状态、异常、实时上报告警信息。这些原始处理信息从物联网设备总线平台或者物联网设备管理系统中的监控系统的告警采集处理系统中获取得到。步骤320，根据原始策略模型从原始处理信息中提取特征信息。其中，原始策略模型来自于系统最初始化时，数据库中的模板或者策略配置数据。具体地，从告警处理模板或者规则库的数据库持久化信息中，获取告警信息的特征提取手段。本文档来自技高网...

【技术保护点】
1.一种信息处理方法，其特征在于，包括：接收待处理信息；根据原始策略模型和机器学习模型分别对所述待处理信息进行分析处理，得到原始策略模型处理结果和机器学习模型处理结果；根据所述原始策略模型和所述机器学习模型各自的权重，以及所述原始策略模型处理结果和所述机器学习模型处理结果，输出综合处理结果。

【技术特征摘要】
1.一种信息处理方法，其特征在于，包括：接收待处理信息；根据原始策略模型和机器学习模型分别对所述待处理信息进行分析处理，得到原始策略模型处理结果和机器学习模型处理结果；根据所述原始策略模型和所述机器学习模型各自的权重，以及所述原始策略模型处理结果和所述机器学习模型处理结果，输出综合处理结果。2.根据权利要求1所述的方法，其特征在于，所述输出综合处理结果，包括：当所述原始策略模型或所述机器学习模型中的任意一个权重大于或等于第一权重阈值时，输出权重大的模型所处理的处理结果；或者，当所述原始策略模型和所述机器学习模型中的权重同时小于第一权重阈值时，若所述原始策略模型的处理结果和所述机器学习模型的处理结果相同，则输出相同的处理结果；若所述原始策略模型的处理结果和所述机器学习模型的处理结果不同，则输出所述待处理信息并提示用户。3.根据权利要求1所述的方法，其特征在于，在根据原始策略模型和机器学习模型分别对所述待处理信息进行分析处理，得到原始策略模型处理结果和机器学习模型处理结果之前，所述方法还包括：生成所述机器学习模型。4.根据权利要求3所述的方法，其特征在于，所述生成所述机械学习模型，包括：接收原始处理信息；根据所述原始策略模型从所述原始处理信息中提取特征信息；对所述特征信息进行分析处理得到原始策略模型处理结果，同时接收用户标识处理信息，并将所述特征处理信息和所述用户标识处理信息关联后作为训练数据，更新到训练库中；当所述训练库达到预期要求时，生成机器学习模型。5.根据权利要求4所述的方法，其特征在于，所述训练库达到预期要求的方式包括：所述训练库通过交叉测试验证手段。6.一种信息处理...

【专利技术属性】
技术研发人员：廖翀云，卢佳侃，彭传金，林良书，卢彦魁，
申请(专利权)人：杭州东方通信软件技术有限公司，
类型：发明
国别省市：浙江,33