【技术实现步骤摘要】
混沌工程试验场景下应急预案自动生成方法
[0001]本专利技术属于应急预警
,更具体地说,涉及一种混沌工程试验场景下应急预案自动生成方法。
技术介绍
[0002]随着深度学习技术的演进,深度学习得到越来越广泛的关注和更多垂直行业的场景应用。语义分析模型以及文本生成模型则是基于深度学习技术,通过对语料数据集的训练实现应急预警方法的要求。混沌工程(Chaos Engineering)是通过主动向系统中引入软件或硬件的异常状态(扰动),制造故障场景并根据系统在各种压力下的行为表现确定优化策略的一种系统稳定性保障手段。
[0003]目前应急预警技术存在智能化水平不高,性能较低。
技术实现思路
[0004]本专利技术提出一种混沌工程试验场景下应急预案自动生成方法,可提高预警准确性,降低人力物力等成本。
[0005]为了解决上述技术问题至少之一,根据本专利技术的一方面,提供了一种混沌工程试验场景下应急预案自动生成方法,包括如下步骤:
[0006]步骤1:对故障语料库进行数据清洗与筛选等预处理任务;
[0007]步骤2:利用经过步骤1预处理得到的结构化文本数据构建应急预警故障知识图谱;
[0008]步骤3:使用基于深度学习的Seq2Seq
‑
Att
‑
Beam Search语义分析模型将自然语言转化为结构化条件数据;
[0009]步骤4:将步骤3生成的结构化条件数据与故障问题通过文本嵌入的方式输入到以CTG模型为主干的文本生成 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种混沌工程试验场景下应急预案自动生成方法,其特征在于,包括如下步骤:步骤1:对故障语料库进行数据清洗与筛选等预处理任务;步骤2:利用经过步骤1预处理得到的结构化文本数据构建应急预警故障知识图谱;步骤3:使用基于深度学习的Seq2Seq
‑
Att
‑
Beam Search语义分析模型将自然语言转化为结构化条件数据;步骤4:将步骤3生成的结构化条件数据与故障问题通过文本嵌入的方式输入到以CTG模型为主干的文本生成模型,用于模型训练;步骤5:利用步骤4训练好的文本生成模型,输入故障问题,输出混沌工程场景应急预警方案。2.根据权利要求1所述的方法,其特征在于,步骤1具体如下:将文档里的文字内容和表格信息提取出来,转换为纯文本数据;待转换完毕,则需要对数据进行清洗与筛选从而转化为结构化数据;采用正则表达式筛选与命名体识别技术相结合的方式,将数据集中的故障名、故障启动条件以及故障处置要求等提取出来,并存储为结构化数据集。3.根据权利要求1所述的方法,其特征在于,步骤3具体如下:给定输入文本序列X=[x1,x2,...,x
m
],生成一个被编码成结构化条件数据的序列Y=[y1,y2,...,y
n
];基于Seq2Seq框架的语义分析模型的训练目标是在给定输入文本序列X的条件下,使得生成序列Y的概率最大,即p(y1,y2,...,y
n
|x1,x2,...,x
n
)最大;首先,编码器使用一个RNN神经网络f
enc
(
‑
)来编码输入文本序列X,将RNN神经网络在时刻m的隐藏层输出值h
m
作为输入序列的特征向量c,如下公式(1)和公式(2):c=h
m
ꢀꢀ
(2)其中,f
enc
(
·
)是RNN神经网络,其参数为θ
enc
,为t时刻输入的词向量;解码器使用另一个RNN神经网络f
dec
(
·
)、特征向量c和一个前馈神经网络g(
·
)来依次生成目标结构化条件数据序列Y;解码器首先用特征向量c来初始化神经网络f
dec
(
·
),然后使用t
‑
1时刻的输出值y
t
‑1来生成t时刻的输出y
t
;令s
t
表示网络f
dec
(
·
)的隐藏层输出,o
t
∈(0,1)
|v|
为词汇表中所有词的后验概率,实现公式如下(3)(4)(5)(6):s0=c
ꢀꢀ
(3)o
t
=g(s
t
,θ0)
ꢀꢀ
(5)y
t
=argmax(o
t
)
ꢀꢀ
(6)其中,f
dec
技术研发人员:阮峰,张文鹏,耿宜龙,
申请(专利权)人:南京争锋信息科技有限公司,
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。