【技术实现步骤摘要】
故障节点识别的方法、装置、计算设备及计算机存储介质
[0001]本专利技术实施例涉及通信
，具体涉及一种故障节点识别的方法、装置、计算设备及计算机存储介质。
技术介绍
[0002]切片网络节点繁多、关系复杂，相比传统网络，切片网络发生故障时，故障影响的节点难以界定。
[0003]目前切片故障时所造成的故障节点主要依靠人工经验判断，效率低、人力资源成本浪费且容易出错。
技术实现思路
[0004]鉴于上述问题，本专利技术实施例提供了一种故障节点识别的方法、装置、计算设备及计算机存储介质，用于解决现有技术中存在的人为判断故障节点效率低、人力资源成本浪费且容易出错的问题。
[0005]根据本专利技术实施例的一个方面，提供了一种故障节点识别的方法，所述方法包括：
[0006]获取发生故障的目标网络的拓扑信息，所述拓扑信息包括所述目标网络中各网络节点的告警特征和各网络节点之间的连接关系；
[0007]根据所述各网络节点的告警特征得到所述目标网络的目标特征矩阵，根据所述各网络节点之间的...
【技术保护点】
【技术特征摘要】
1.一种故障节点识别的方法，其特征在于，所述方法包括：获取发生故障的目标网络的拓扑信息，所述拓扑信息包括所述目标网络中各网络节点的告警特征和各网络节点之间的连接关系；根据所述各网络节点的告警特征得到所述目标网络的目标特征矩阵，根据所述各网络节点之间的连接关系得到所述目标网络的目标邻接矩阵；将所述目标特征矩阵和所述目标邻接矩阵输入预先训练好的节点识别模型中，得到所述各网络节点的故障识别结果，所述故障识别结果用于表征所述各网络节点是否受到故障影响；所述预先训练好的节点识别模型是根据多组训练数据和相应的标签向量训练得到的，每一组训练数据包括一个发生故障的网络的拓扑信息对应的一个特征矩阵和一个邻接矩阵。2.根据权利要求1所述的方法，其特征在于，所述根据所述各网络节点的告警特征得到所述目标网络的目标特征矩阵，包括：将所述各网络节点的每一个告警特征分别进行编码，得到所述各网络节点的多维特征；将所述多维特征中的每一维特征作为矩阵的一列，将每一个网络节点的多维特征作为矩阵的一行，得到目标特征矩阵。3.根据权利要求1所述的方法，其特征在于，所述目标网络为切片子网，所述根据所述各网络节点的告警特征得到所述目标网络的目标特征矩阵，包括：将所述各网络节点的每一个告警特征分别进行编码，得到所述各网络节点的多维告警特征；根据所述各网络节点所属的切片子网类别和所述各网络节点的隔离性得到所述各网络节点的多维属性特征；将所述多维告警特征和所述多维属性特征中的每一维作为矩阵的一列，将每一个网络节点的多维告警特征和多维属性特征作为矩阵的一行，得到目标特征矩阵。4.根据权利要求1所述的方法，其特征在于，所述根据所述各网络节点之间的连接关系得到所述目标网络的目标邻接矩阵，包括：计算所述目标告警拓扑图中网络节点的总数，将所述网络节点的总数分别作为所述目标邻接矩阵的行数和列数；如果所述网络节点V
i
和所述网络节点V
j
存在连接关系，则所述目标邻接矩阵中的第i行第j列的元素为第一数值，否则，所述目标邻接矩阵中的第i行第j列的元素为第二数值，其中，i和j均为正整数。5.根据权利要求1所述的方法，其特征在于，所述获取发生故障的目标网络的拓扑信息之前，所述方法还包括：获取多组训练数据，每一组训练数据包括一个发生故障的网络的拓扑信息对应的一个特征矩阵和一个邻接矩阵；对各组训练数据分别进行标注，得到每一组训练数据对应的标签向量，所述标签向量中的元素个数与所述拓扑信息中包含的网络节点的个数相同，所述标签向量中的元素用于表示网络发生故障时，相应的网络节点是否受到故障影响；受到故障影响的网络节点对应的标签均为第一标签，未受到故障影响的网络节点对应的标签均为第二标签，所述第一标
签和所述第二标签不同；根据所述多组训练数据和相应的标签向量训练图卷积神经网络模型，得到所述节点识别模型。6.根据权利要求5所述的方法，其特征在于，所述根据所述多组训练数据和相应的标签向量训练图卷积神经网络模型，得到所述节点识别模型，包括...
【专利技术属性】
技术研发人员：邢彪，张卷卷，陈维新，章淑敏，林乐轩，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。