本申请提供一种故障原因排查步骤的推荐方法、装置、设备及存储介质，涉及大数据技术领域，该方法能够提高银行交易业务的故障排查的效率。该方法包括：获取待处理故障的描述信息；根据描述信息和预先训练的分类模型，确定待处理故障的分类信息；获取与待处理故障的分类信息对应的排查步骤预测模型,排查步骤预测模型具有确定排查步骤的相关排查步骤的功能；显示排查步骤预测模型预测的一个或多个第一排查步骤；根据一个或多个第一排查步骤中用户选定的第一排查步骤，显示排查步骤预测模型预测的一个或多个第二排查步骤。本申请可用于银行交易业务的故障排查的过程中,用于解决故障排查效率低的问题。效率低的问题。效率低的问题。
【技术实现步骤摘要】
故障原因排查步骤的推荐方法、装置、设备及存储介质
[0001]本申请涉及人工智能领域，尤其涉及一种故障原因排查步骤的推荐方法、装置、设备及存储介质。
技术介绍
[0002]在互联网金融冲击的现代社会，银行业竞争日趋加剧。银行交易系统作为交易业务的基础设施，极大影响着用户的使用体验。因此，及时发现银行交易系统的问题并进行处理，可以避免给用户带来不好的使用体验，提升银行在现代社会的竞争力。
[0003]为了保证金融交易的安全性和高并发性，银行的交易业务通常是链条式多系统的处理方式，因此银行的交易系统较为复杂，相应的系统问题的排查方法也较为繁多。对于值班工程师来说，无法掌握所有问题的排查方法。现有的处理方式是，值班工程师在遇到问题时，通常会根据交易链条，联系链条上每个交易系统的负责人以咨询问题排查方法。这种处理方式受限于值班工程师的个人经验与处理时间(如半夜联系不上负责人)，极大影响问题的处理效率。
技术实现思路
[0004]本申请提供一种故障原因排查步骤的推荐方法、装置、设备及存储介质，该方法能够提高银行的交易业务的故障排查的效率。
[0005]第一方面，本申请提供一种故障原因排查步骤的推荐方法，其特征在于，应用于推荐装置，该方法包括：获取待处理故障的描述信息；根据描述信息和预先训练的分类模型，确定待处理故障的分类信息，分类模型具有根据故障的描述信息确定故障分类信息的功能；获取与待处理故障的分类信息对应的排查步骤预测模型，排查步骤预测模型具有确定排查步骤的相关排查步骤的功能；显示排查步骤预测模型预测的一个或多个第一排查步骤，以便用户根据第一排查步骤对待处理故障的故障原因进行排查；根据一个或多个第一排查步骤中用户选定的第一排查步骤，显示排查步骤预测模型预测的一个或多个第二排查步骤，以便用户根据第二排查步骤对待处理故障的故障原因进行排查；其中，第二排查步骤为与用户选定的第一排查步骤关联度满足预设条件的排查步骤。
[0006]一种可能的实现方式中，在根据描述信息和预先训练的分类模型，确定待处理故障的分类信息之前，上述方法还包括：获取多个已处理故障的描述信息；根据多个已处理故障中各已处理故障的描述信息和分类信息进行模型训练，以获得分类模型。
[0007]另一种可能的实现方式中，推荐装置中存储有多个不同分类信息分别对应的排查步骤预测模型；在获取与待处理故障的分类信息对应的排查步骤预测模型之前，上述方法还包括：针对多个不同分类信息中的各分类信息：获取多个已处理故障中具有分类信息的已处理故障的排查方法，排查方法包括多个具有处理时序的排查步骤；根据具有分类信息的已处理故障的排查方法进行模型训练，以获得与分类信息对应的排查步骤预测模型。
[0008]又一种可能的实现方式中，根据具有分类信息的已处理故障的排查方法进行模型
训练，以获得与分类信息对应的排查步骤预测模型，包括：将具有分类信息的已处理故障的排查方法输入长短期记忆人工神经网络LSTM模型进行训练，以获得与分类信息对应的排查步骤预测模型。
[0009]又一种可能的实现方式中，预设条件为以下任一项：是与用户选定的第一排查步骤关联度大于预设阈值；是排查步骤预测模型预测出的排查步骤按照关联度由高到底排序的前N个排查步骤，N为大于或等于1的整数。
[0010]本申请提供的故障原因排查步骤的推荐方法，可以获取到待处理故障的描述信息，然后根据待处理故障的描述信息和预先训练好的分类模型，以确定待处理故障所属的分类信息。进而获取与待处理故障的分类信息对应的排查步骤预测模型，以便于用户进行故障原因的排查。在获取到排查步骤预测模型后，可以显示一个或多个第一排查步骤供用户选择并供用户按照选择的第一排查步骤进行故障原因排查。在用户选择第一排查步骤后，可以自动推荐与该第一排查步骤相关的第二排查步骤供用户选择并供用户进行故障原因排查，进而一步一步提示用户完成故障原因的排查。该方法通过分类模型和排查步骤预测模型，即可实现输入问题描述信息，可自动提示用户排查的步骤。使得用户不需要电话联系各个负责人来咨询故障排查步骤，也可以按照提示的步骤自主完成各种故障的排查，大幅度减小了咨询负责人问题排查步骤的过程中花费的时间，提高了故障排查的效率。
[0011]进一步的，本申请采用最新的人工智能算法训练模型，引入业界先进的深度学习技术，可以智能化引导与判定故障的排查步骤。大幅度提高效率的同时还能避免由于运维工程师的错误判断造成的更大失误。并且，本申请实施例中采用长短期记忆神经网络模型确定步骤的关联性，对于一类故障，推荐存在多个分支的排查方法。这种方式考虑问题更为全面，运维工程师在一条分支无法解决故障后，还可以及时选择其他的分支进行尝试，更为符合银行的交易环境复杂性，出现的故障点多样性的实际情况，符合金融环境的大时代背景。
[0012]第二方面，本申请提供一种推荐装置，该装置包括：获取模块、确定模块和显示模块；获取模块，用于获取待处理故障的描述信息；确定模块，用于根据描述信息和预先训练的分类模型，确定待处理故障的分类信息，分类模型具有根据故障的描述信息确定故障分类信息的功能；获取模块，还用于获取与待处理故障的分类信息对应的排查步骤预测模型，排查步骤预测模型具有确定排查步骤的相关排查步骤的功能；显示模块，用于显示排查步骤预测模型预测的一个或多个第一排查步骤，以便用户根据第一排查步骤对待处理故障的故障原因进行排查；显示模块，还用于根据一个或多个第一排查步骤中用户选定的第一排查步骤，显示排查步骤预测模型预测的一个或多个第二排查步骤，以便用户根据第二排查步骤对待处理故障的故障原因进行排查；其中，第二排查步骤为与用户选定的第一排查步骤关联度满足预设条件的排查步骤。
[0013]一种可能的实现方式中，获取模块，还用于获取多个已处理故障的描述信息；确定模块，还用于根据多个已处理故障中各已处理故障的描述信息和分类信息进行模型训练，以获得分类模型。
[0014]另一种可能的实现方式中，上述推荐装置中存储有多个不同分类信息分别对应的排查步骤预测模型；针对多个不同分类信息中的各分类信息：获取模块，还用于获取多个已处理故障中具有分类信息的已处理故障的排查方法，排查方法包括多个具有处理时序的排
查步骤；确定模块，还用于根据具有分类信息的已处理故障的排查方法进行模型训练，以获得与分类信息对应的排查步骤预测模型。
[0015]又一种可能的实现方式中，确定模块，具体用于将具有分类信息的已处理故障的排查方法输入长短期记忆人工神经网络LSTM模型进行训练，以获得与分类信息对应的排查步骤预测模型。
[0016]又一种可能的实现方式中，预设条件为以下任一项：是与用户选定的第一排查步骤关联度大于预设阈值的排查步骤；是排查步骤预测模型预测出的排查步骤按照关联度由高到低排序的前N个排查步骤，N为大于或等于1的整数。
[0017]第三方面，本申请提供一种电子设备，该电子设备包括：处理器和存储器；存储器存储有处理器可执行的指令；处理器被配置为执行指令时，使得电子设备实现本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种故障原因排查步骤的推荐方法，其特征在于，应用于推荐装置，所述方法包括：获取待处理故障的描述信息；根据所述描述信息和预先训练的分类模型，确定所述待处理故障的分类信息，所述分类模型具有根据故障的描述信息确定故障分类信息的功能；获取与所述待处理故障的分类信息对应的排查步骤预测模型，所述排查步骤预测模型具有确定排查步骤的相关排查步骤的功能；显示所述排查步骤预测模型预测的一个或多个第一排查步骤，以便用户根据所述第一排查步骤对所述待处理故障的故障原因进行排查；根据所述一个或多个第一排查步骤中用户选定的第一排查步骤，显示所述排查步骤预测模型预测的一个或多个第二排查步骤，以便用户根据所述第二排查步骤对所述待处理故障的故障原因进行排查；其中，所述第二排查步骤为与用户选定的第一排查步骤关联度满足预设条件的排查步骤。2.根据权利要求1所述的方法，其特征在于，在所述根据所述描述信息和预先训练的分类模型，确定所述待处理故障的分类信息之前，所述方法还包括：获取多个已处理故障的描述信息；根据所述多个已处理故障中各已处理故障的描述信息和分类信息进行模型训练，以获得所述分类模型。3.根据权利要求1或2所述的方法，其特征在于，所述推荐装置中存储有多个不同分类信息分别对应的排查步骤预测模型；在所述获取与所述待处理故障的分类信息对应的排查步骤预测模型之前，所述方法还包括：针对多个不同分类信息中的各分类信息：获取多个已处理故障中具有所述分类信息的已处理故障的排查方法，所述排查方法包括多个具有处理时序的排查步骤；根据具有所述分类信息的已处理故障的排查方法进行模型训练，以获得与所述分类信息对应的排查步骤预测模型。4.根据权利要求3所述的方法，其特征在于，所述根据具有所述分类信息的已处理故障的排查方法进行模型训练，以获得与所述分类信息对应的排查步骤预测模型，包括：将具有所述分类信息的已处理故障的排查方法输入长短期记忆人工神经网络LSTM模型进行训练，以获得与所述分类信息对应的排查步骤预测模型。5.根据权利要求1所述的方法，其特征在于，所述预设条件为以下任一项：是与用户选定的第一排查步骤关联度大于预设阈值的排查步骤；是所述排查步骤预测模型预测出的排查步骤按照关联度由高到低排序的前N个排查...
【专利技术属性】
技术研发人员：马国斌，许翔，徐欣，任伟，
申请(专利权)人：中国银行股份有限公司，
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。