一种信息输出方法及装置制造方法及图纸

本申请公开了一种信息输出方法及装置，其中，该方法包括：获取故障描述文本，故障描述文本用于描述网络中发生的故障；通过语义生成模型生成故障描述文本的语义向量；获取多种类型的目标数据的相关文本分别对应的语义向量，该目标数据用于协助分析故障产生的原因；计算故障描述文本的语义向量与每种目标数据的相关文本的语义向量的相关性；确定并输出第一数据，该第一数据为多种目标数据中语义向量与故障描述文本的语义向量的相关性最大的目标数据，或该第一数据为多种目标数据中语义向量与故障描述文本的语义向量的相关性大于预设阈值的目标数据。通过实施本申请的方法，能够准确地查找出与故障描述文本的相关的用于协助分析故障原因的数据。

【技术实现步骤摘要】
一种信息输出方法及装置
本申请涉及通信
，尤其涉及一种信息输出方法及装置。
技术介绍
当网络设备出现故障时，会影响正常的通信，给人们的工作和生活带来严重损失，所以网络设备故障的及时修复非常重要。目前，当网络设备出现故障时，一线工程师会从故障发生现场收集用于协助分析故障原因的数据，例如，收集网络设备故障发生前后一段时间内的关键性能指标(KPI)、设备告警、设备日志等参数数据。并且一线工程师会对故障现象进行描述，得到故障描述文本。一线工程师将收集的KPI等数据和故障描述文本以故障工单的形式反馈给运维部门。运维工程师根据故障工单中的故障描述文本，凭借自身的专业知识，手动从一线收集的数据中选择出一些KPI、设备告警、设备日志等参数数据。进一步地，对选择出来的这些数据进行异常检测和相互佐证，从而分析出故障根因所在，对故障网络设备的修复提供指导性意见。这种通过人工手动从KPI、设备告警、设备日志等参数数据中选择出与故障描述文本相关的参数数据进行查看分析的故障检测方法，效率低速度慢，无法满足日益增加的网络需求。现有技术中通过查找与故障描述文本具有相同的关键词的文本,并根据该文本的相关参数数据本文档来自技高网...

【技术保护点】
1.一种信息输出方法，其特征在于，所述方法包括：获取故障描述文本，所述故障描述文本用于描述网络中发生的故障；通过语义生成模型生成所述故障描述文本的语义向量；获取多种类型的目标数据的相关文本分别对应的语义向量，所述目标数据用于协助分析所述故障产生的原因；计算所述故障描述文本的语义向量与每种所述目标数据的相关文本的语义向量的相关性；确定并输出第一数据，所述第一数据为每种所述目标数据中语义向量与所述故障描述文本的语义向量的相关性最大的目标数据，或所述第一数据为每种所述目标数据中语义向量与所述故障描述文本的语义向量的相关性大于预设阈值的目标数据。

【技术特征摘要】
1.一种信息输出方法，其特征在于，所述方法包括：获取故障描述文本，所述故障描述文本用于描述网络中发生的故障；通过语义生成模型生成所述故障描述文本的语义向量；获取多种类型的目标数据的相关文本分别对应的语义向量，所述目标数据用于协助分析所述故障产生的原因；计算所述故障描述文本的语义向量与每种所述目标数据的相关文本的语义向量的相关性；确定并输出第一数据，所述第一数据为每种所述目标数据中语义向量与所述故障描述文本的语义向量的相关性最大的目标数据，或所述第一数据为每种所述目标数据中语义向量与所述故障描述文本的语义向量的相关性大于预设阈值的目标数据。2.根据权利要求1所述的方法，其特征在于，所述获取故障描述文本之前，所述方法还包括：通过所述语义生成模型生成多种类型的目标数据的相关文本分别对应的语义向量。3.根据权利要求1或2所述的方法，其特征在于，所述语义生成模型是根据历史故障描述文本对应的词向量矩阵训练生成的，所述词向量矩阵包括所述历史故障描述文本中各个词对应的词向量，所述词向量用于表示词的语义。4.根据权利要求1～3任意一项所述的方法，其特征在于，所述多种类型的目标数据包括关键性能指标、设备告警、设备日志中的至少两种；当所述目标数据为所述关键性能指标时，所述目标数据的相关文本为所述关键性能指标的名称；当所述目标数据为所述设备告警时，所述目标数据的相关文本为所述设备告警的标识；当所述目标数据为所述设备日志时，所述目标数据的相关文本为所述设备日志的内容片段。5.一种语义生成模型的训练方法，其特征在于，所述方法包括：获取训练文本对应的词向量集合，所述词向量集合中包括的词向量与所述训练文本中的词一一对应，所述词向量用于表示词的语义；根据所述词向量集合将历史故障描述文本转换为由至少一个词向量组成的词向量矩阵；根据所述词向量矩阵训练得到语义生成模型，所述语义生成模型用于生成文本的语义向量。6.根据权利要求5所述的方法，其特征在于，所述根据所述词向量集合将历史故障描述文本转换为由至少一个词向量组成的词向量矩阵，包括：对历史故障描述文本进行分词处理，得到所述历史故障描述文本对应的由至少一个词组成的词序列；从所述词向量集合中获取所述词序列包括的词对应的词向量；将所述词序列包括的各个词对应的词向量组成词向量矩阵。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：当所述词向量集合中不存在所述词序列包括的词对应的词向量时，生成随机向量作为所述词序列包括的词对应的词向量。8.根据权利要求5～7任意一项所述的方法，其特征在于，所述根据所述词向量矩阵训练得到语义生成模型，包括：获取所述历史故障描述文本对应的故障设备类型；根据所述词向量矩阵和类别标签训练分类模型，所述类别标签包括所述故障设备类型；根据所述分类模型得到语义生成模型。9.根据权利要求8所述的方法，其特征在于，所述根据所述词向量矩阵和所述类别标签训练分类模型，包括：将所述词向量矩阵和所述类别标签输入神经网络进行迭代训练，在每次迭代训练时对输入所述神经网络的词向量矩阵中的词向量和所述神经网络的参数进行调整，以生成所述分类模型。10.一种信息输出装置，其特征在于，所述信息输出装置包括：获取模块，用于获取故障描述文本，所述故障描述文本用于描述网络中发生的故障；生成模块，用于通过语义生成模型生成所述故障描述文本的语...

【专利技术属性】
技术研发人员：饶思维，刘裕良，田光见，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44