一种基于语义分析算法的IT设备运维故障建议处理方法技术

本发明专利技术公开了一种基于语义分析算法的IT设备运维故障建议处理方法，获取IT设备运维的故障缺陷数据，对故障缺陷数据进行分类并根据分类信息生成故障识图谱，根据故障知识图谱提取缺陷数据的缺陷描述过程，将缺陷描述过程生成缺陷处理问题，根据缺陷处理问题对应排布成一个故障缺陷描述‑缺陷处理问题模型，利用语义分析对故障缺陷描述‑缺陷解处理问题模型中的每个IT设备故障缺陷数据样本进行训练，获取IT设备故障缺陷的处理建议，然后搜索与缺陷处理问题对应的缺陷处理建议，将搜索的缺陷处理建议进行排序和筛选，并对排序和筛选的处理建议进行推送。本发明专利技术的处理方法提高了IT设备缺陷处理建议的完整性和准确性。

【技术实现步骤摘要】
一种基于语义分析算法的IT设备运维故障建议处理方法
本申请属于设备故障处理
，尤其涉及一种基于语义分析算法的IT设备运维故障建议处理方法。
技术介绍
随着集成信息处理技术的发展，IT设备的集成化水平越来越高，相关的IT设备故障检测、缺陷分析处理和特征分析究受到人们的极大关注；IT设备作为信息化产业的智能设备，其组成结构复杂，易出现多发性故障和缺陷，需要构建优化的IT设备缺陷处理模型，由于IT设备缺陷现象的背后往往存在多种可能的原因，直接利用“IT设备缺陷-缺陷处理建议”的端到端模型学习IT设备缺陷与缺陷处理建议的对应关系，缺乏对IT设备缺陷信息的联想，只能给出某一种可能的IT设备缺陷处理建议，无法完整全面地给出IT设备缺陷处理建议。为此，为实现对IT设备的缺陷类别辨识、特征分析和缺陷处理建议，对IT设备缺陷信息进行适当的联想和延伸以及研究并提出IT设备缺陷分析和提出相关缺陷处理建议，以提高IT设备缺陷处理建议推送的完整性和准确性、提高IT设备的输出工况稳定性，从而确保IT设备的正常稳定运行具有很高的现实意义。
技术实现思路
本专利技术的目的在于提供一种基于语义分析算法的IT设备运维故障建议处理方法，根据本专利技术的处理方法提高了IT设备缺陷处理建议的完整性和准确性。为了实现上述目的，本专利技术采用以下技术效果：根据本专利技术的一个方面，提供一种基于语义分析算法的IT设备运维故障建议处理方法，获取IT设备运维的故障缺陷数据，对故障缺陷数据进行分类并根据分类信息生成故障识图谱，根据故障知识图谱提取缺陷数据的缺陷描述过程，将缺陷描述过程生成缺陷处理问题，根据缺陷处理问题对应排布成一个故障缺陷描述-缺陷处理问题模型，利用语义分析对故障缺陷描述-缺陷解处理问题模型中的每个IT设备故障缺陷数据样本进行训练，获取IT设备故障缺陷的处理建议，然后搜索与缺陷处理问题对应的缺陷处理建议，将搜索的缺陷处理建议进行排序和筛选，并对排序和筛选的处理建议进行推送。上述方案进一步优选的，对搜索的缺陷处理建议进行排序和筛选获取超出一定阀值或排序靠近的缺陷处理建议，以获取并完整的IT设备故障的缺陷处理建议，并完整推送IT设备故障的缺陷处理建议。上述方案进一步优选的，利用语义分析方法对故障缺陷描述-缺陷处理问题模型的每个IT设备故障缺陷样本进行训练的过程包括：对IT设备故障缺陷描述与缺陷处理问题进行提问，并在每一次提问的前端插入一个开始标识符，在每一次提问的末端插入一个结束标识符，将始标识符和结束标识符作为一个词，基于各个词生成一个多维向量，收集多维向量作为学习问答网络的训练样本进行反复输入训练，生成多个不同的提问语句，根据提问语句对缺陷处理建议进行排序和筛选。上述方案进一步优选的，基于各个词生成一个多维向量包括如下步骤：步骤41：基于某一个IT设备故障缺陷描述包含N个词，每个词的词向量依次输入基于循环神经网络的编码层，编码层的每个单元采用门控循环单元GRU输出一个隐含层向量，则第N个词对应第n个门控循环单元GRU所输出的隐含层向量hn满足；hn＝GRU(hn-1,vn)，(1)；式中，GRU()为门控循环单元的运算函数，vn为N个词对应的n维向量；步骤42：提取第n个门控循环单元GRU的隐含层向量hn作为解码层的输入，该解码层采用采用基于门控循环单元的循环神经网络结构，将隐含层向量hn输入解码层的第1个循环神经网络结构GRU的同时，插入一个开始标识符对应的解码词向量w0，并将第1个解码词向量w0也输入解码层的第1个循环神经网络结构GRU，得到解码层第1个循环神经网络结构GRU的隐含层向量g1，依次类推直至插入第m个开始标识符对应的解码词向量wm，并将第m个解码词向量wm也输入解码层的第m个循环神经网络结构GRU，得到第m个循环神经网络结构GRU输出的隐含层向量gm，则解码层第m+1个循环神经网络结构GRU输出的隐含层向量gm+1满足：gm+1＝GRU(gm,wm)，(2)；其中，GRU()为门控循环单元的运算函数，wm为解码层输出的第m个解码词的词向量；步骤43：对第m个解码词对应的解码词向量wm进行解码，并依次排列各个解码层输出的解码词，并将最后一个解码词删除，即为解码层输出的提问语句。上述方案进一步优选的，对第m个解码词对应的解码词向量wm进行解码的步骤为：步骤51：计算第m个解码词对应解码词向量wm属于每一种词类型的概率pm,1、pm,2和pm,3，以及同时计算每种词类型对应的类型向量tm,1、tm,2、tm,3；步骤52：对将每种词类型对应的类型向量与对应的词类型概率相乘，再进行求和，得到最终的概率向量tm；步骤52：寻找出最终的概率向量tm中数值大于0.3的维度，并在其中随机取一个维度，假设为第i维，则第m个循环神经网络结构GRU输出的词为词汇表中的第i个词，其词向量即为wm，若输出的解码词为最后一个解码词，则停止求解；上述方案进一步优选的，对每个IT设备故障缺样本进行训练包括如下步骤：步骤61，构建文本段落排序网络，以根据提语句进行缺陷处理建议的排序和筛选；对IT设备故障缺文本数据中每段文本的每个词依次输入到一个文本表示模块，所述文本表示模块提取每个词的3个特征，并将每个词转化为综合向量，然后对综合向量进行计算，输出对应的Z个词的预测向量；步骤62，第一阶段预训练，对文本段落排序网络进行预训练；步骤63，第二阶段预训练，对多个句子进行预测训练：步骤630，对每段文本中所有连续的两个句子组成多个句子对，同时，将不连续的句子也两两随机组合，生成多个句子对：步骤631，将分词后的句子对输入文本段落排序网络，句子对的第一个句子前加入一个分类标识符，句子对的两个句子之间再加入一个分隔标识符，分类标识符和分隔标识符都分别视为一个词，一并输入文本段落排序网络进行计算；步骤632，经过文本段落排序网络计算，得到一组预测输出向量，其中第1个预测输出向量与分类标识符对应，在第1个预测输出向量之后接入一个softmax分类器，用于预测句子对中的两个句子为连续句子的第一预测概率；步骤633，如果句子对的两个句子是连续句子，则训练输出第一标签概率值为1；反之，如果句子对的两个句子不是连续句子，则训练输出第一标签概率值为0，通过比较第一预测概率和第一标签概率的差异，对文本段落排序网络的参数进行调整，从而完成第二阶段预训练；步骤64，经过第一阶段预训练和第二阶段预训练后，再针对具体的IT设备故障缺陷的处理建议推送任务对文本段落排序网络进行正式训练。上述方案进一步优选的，在第一阶段预训练中，对文本段落排序网络进行预训练的过程如下：步骤620，将IT设备故障缺文本数据按句进行切分，再对每个句子进行分词，将分词后的句子输入文本段落排序网络，在输入的句子中随机将其中的一个词替换为空标识符；步骤621，假设将包含Z个词的句子的第z个词替换为空标识符，则将分词后的句子输入文本段落排序网络后本文档来自技高网...

【技术保护点】
1.一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：获取IT设备运维的故障缺陷数据，对故障缺陷数据进行分类并根据分类信息生成故障识图谱，根据故障知识图谱提取缺陷数据的缺陷描述过程，将缺陷描述过程生成缺陷处理问题，根据缺陷处理问题对应排布成一个故障缺陷描述-缺陷处理问题模型，利用语义分析对故障缺陷描述-缺陷解处理问题模型中的每个IT设备故障缺陷数据样本进行训练，获取IT设备故障缺陷的处理建议，然后搜索与缺陷处理问题对应的缺陷处理建议，将搜索的缺陷处理建议进行排序和筛选，并对排序和筛选的处理建议进行推送。/n

【技术特征摘要】
1.一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：获取IT设备运维的故障缺陷数据，对故障缺陷数据进行分类并根据分类信息生成故障识图谱，根据故障知识图谱提取缺陷数据的缺陷描述过程，将缺陷描述过程生成缺陷处理问题，根据缺陷处理问题对应排布成一个故障缺陷描述-缺陷处理问题模型，利用语义分析对故障缺陷描述-缺陷解处理问题模型中的每个IT设备故障缺陷数据样本进行训练，获取IT设备故障缺陷的处理建议，然后搜索与缺陷处理问题对应的缺陷处理建议，将搜索的缺陷处理建议进行排序和筛选，并对排序和筛选的处理建议进行推送。


2.根据权利要求1所述的一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：对搜索的缺陷处理建议进行排序和筛选获取超出一定阀值或排序靠近的缺陷处理建议，以获取并完整的IT设备故障的缺陷处理建议，并完整推送IT设备故障的缺陷处理建议。


3.根据权利要求1所述的一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：利用语义分析方法对故障缺陷描述-缺陷处理问题模型的每个IT设备故障缺陷样本进行训练的过程包括：对IT设备故障缺陷描述与缺陷处理问题进行提问，并在每一次提问的前端插入一个开始标识符，在每一次提问的末端插入一个结束标识符，将始标识符和结束标识符作为一个词，基于各个词生成一个多维向量，收集多维向量作为学习问答网络的训练样本进行反复输入训练，生成多个不同的提问语句，根据提问语句对缺陷处理建议进行排序和筛选。


4.根据权利要求3所述的一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：基于各个词生成一个多维向量包括如下步骤：
步骤41：基于某一个IT设备故障缺陷描述包含N个词，每个词的词向量依次输入基于循环神经网络的编码层，编码层的每个单元采用门控循环单元GRU输出一个隐含层向量，则第N个词对应第n个门控循环单元GRU所输出的隐含层向量hn满足；
hn＝GRU(hn-1,vn)，(1)；
式中，GRU()为门控循环单元的运算函数，vn为N个词对应的n维向量；
步骤42：提取第n个门控循环单元GRU的隐含层向量hn作为解码层的输入，该解码层采用采用基于门控循环单元的循环神经网络结构，将隐含层向量hn输入解码层的第1个循环神经网络结构GRU的同时，插入一个开始标识符对应的解码词向量w0，并将第1个解码词向量w0也输入解码层的第1个循环神经网络结构GRU，得到解码层第1个循环神经网络结构GRU的隐含层向量g1，依次类推直至插入第m个开始标识符对应的解码词向量wm，并将第m个解码词向量wm也输入解码层的第m个循环神经网络结构GRU，得到第m个循环神经网络结构GRU输出的隐含层向量gm，则解码层第m+1个循环神经网络结构GRU输出的隐含层向量gm+1满足：
gm+1＝GRU(gm,wm)，(2)；
其中，GRU()为门控循环单元的运算函数，wm为解码层输出的第m个解码词的词向量；
步骤43：对第m个解码词对应的解码词向量wm进行解码，并依次排列各个解码层输出的解码词，并将最后一个解码词删除，即为解码层输出的提问语句。


5.根据权利要求4所述的一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：对第m个解码词对应的解码词向量wm进行解码的步骤为：
步骤51：计算第m个解码词对应解码词向量wm属于每一种词类型的概率pm,1、pm,2和pm,3，以及同时计算每种词类型对应的类型向量tm,1、tm,2、tm,3；
步骤52：对将每种词类型对应的类型向量与对应的词类型概率相乘，再进行求和，得到最终的概率向量tm；
步骤52：寻找出最终的概率向量tm中数值大于0.3的维度，并在其中随机取一个维度，假设为第i维，则第m个循环神经网络结构GRU输出的词为词汇表中的第i个词，其词向量即为wm，若输出的解码词为最后一个解码词，则停止求解。


6.根据权利要求3所述的一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：对每个IT设备故障缺样本进行训练包括如下步骤：
步骤61，构建文本段落排序网络，以根据提语句进行缺陷处理建议的排序和筛选；对IT设备故障缺文本数据中每段文本的每个词依次输入到一个文本表示模块，所述文本表示模块提取每个词的3个特征，并将每个词转化为综合向量，然后对综合向量进行计算，输出对应的Z个词的预测向量；
步骤62，第一阶段预训练，对文本段落排序网络进行预训练；
步骤63，第二阶段预训练，对多...

【专利技术属性】
技术研发人员：钟保强，钟建栩，佘俊，谭毅恺，董天波，王伟，朱磊，鞠耀东，
申请(专利权)人：南方电网调峰调频发电有限公司信息通信分公司，
类型：发明
国别省市：广东;44