相似工单检索方法、装置和非易失性计算机可读存储介质制造方法及图纸

本公开涉及一种相似工单检索方法、装置和非易失性计算机可读存储介质，涉及计算机技术领域。该方法包括：构建第一工单的第一工单图结构和第二工单的第二工单图结构；连接所述第一工单图结构和所述第二工单图结构，以构建第三工单图结构；确定所述第三工单图结构对应的向量表示矩阵；以及根据所述第三工单图结构对应的向量表示矩阵，计算所述第一工单和所述第二工单之间的相似度。本公开的技术方案能够基于图结构计算两个工单之间的相似度，能够准确查找相似工单，降低相似工单的查找难度。降低相似工单的查找难度。降低相似工单的查找难度。

【技术实现步骤摘要】
相似工单检索方法、装置和非易失性计算机可读存储介质


[0001]本公开涉及计算机
，特别涉及一种相似工单检索方法、相似工单检索装置和非易失性计算机可读存储介质。

技术介绍

[0002]相似工单的含义是具有相同故障的工单，针对一张新推送的工单，如果可以为运维人员检索出一些历史的相似工单，则能够为运维人员提供解决思路，降低新推送的工单的处理“难度”，增加运维人员的工作效率。
[0003]在相关技术中，运维人员根据故障工单中记录的工单类型、工单编号等文字信息查找相似工单，查找工作费时费力，还不准确。

技术实现思路

[0004]鉴于此，本公开提出了一种相似工单检索方法，能够基于图结构计算两个工单之间的相似度，能够准确查找相似工单，降低相似工单的查找难度。
[0005]根据本公开的一些实施例，提供了一种相似工单检索方法，包括：构建第一工单的第一工单图结构和第二工单的第二工单图结构；连接所述第一工单图结构和所述第二工单图结构，以构建第三工单图结构；确定所述第三工单图结构对应的向量表示矩阵；以及根据所述第三工单图结构对应的向量表示矩阵，计算所述第一工单和所述第二工单之间的相似度。
[0006]在一些实施例中，其中，所述第三工单图结构的边具有权重，所述确定所述第三工单图结构对应的向量表示矩阵包括：根据所述第三工单图结构的各个边的权重，对所述第三工单图结构中的每个节点进行游走，以对所述第三工单图结构中所述每个节点的邻居节点进行采样；根据所述每个节点的所述邻居节点的类型，对所述邻居节点进行分组，将同类型的邻居节点分为一组；对所述第三工单图结构中所述每个节点的一个或多个第一特征进行编码，得到所述每个节点的第一向量表示；根据所述第三工单图结构的各个边的权重和所述每个节点的所述第一向量表示，确定所述每个节点的第二特征；对所述每个节点的同组的各个邻居节点的第二特征进行聚合，得到所述每个节点的每组的第二向量表示；以及对所述每个节点的第二特征和所述每个节点的每组的第二向量表示进行聚合，得到所述每个节点的第三向量表示，所述第三工单图结构中各个节点的第三向量表示构成所述第三工单图结构对应的向量表示矩阵。
[0007]在一些实施例中，所述根据所述第三工单图结构的各个边的权重，对所述第三工单图结构中的每个节点进行游走，以对所述第三工单图结构中所述每个节点的邻居节点进行采样包括：根据所述第三工单图结构中的边的权重，计算所述第三工单图结构中的每个节点的转移概率，从所述第三工单图结构中的任意节点开始根据转移概率进行游走，以对所述第三工单图结构中所述每个节点的邻居节点进行采样。
[0008]在一些实施例中，所述对所述第三工单图结构中所述每个节点的一个或多个第一
特征进行编码，得到所述每个节点的第一向量表示包括：对所述每个节点的不同类型的第一特征采用不同的方法进行预训练；将预训练之后得到的不同类型的第三特征输入至不同的特征转换层；将每个特征转换层输出的第四特征输入至Bi
‑
LSTM模型，对所述第四特征进行编码，得到第五特征；以及对各个第五特征进行池化处理，得到所述每个节点的第一向量表示。
[0009]在一些实施例中，所述根据所述第三工单图结构的各个边的权重和所述每个节点的所述第一向量表示，确定所述每个节点的第二特征包括：将每个节点的第一向量表示输入至Bi
‑
LSTM模型，得到所述每个节点的第六特征；以及利用所述每个节点与其邻居节点之间的边的权重，对所述每个节点的第六特征进行加权，得到所述每个节点的第二特征。
[0010]在一些实施例中，所述对所述每个节点的同组的各个邻居节点的第二特征进行聚合，得到所述每个节点的每组的第二向量表示包括：对所述每个节点的同组的各个邻居节点的第二特征进行池化处理，得到所述每个节点的每组的第二向量表示。
[0011]在一些实施例中，所述对所述每个节点的第二特征和所述每个节点的每组的第二向量表示进行聚合，得到所述每个节点的第三向量表示包括：根据所述每个节点的第二特征和所述每个节点的每组的第二向量表示，利用注意力机制确定每个节点及其每组的聚合系数；以及根据每个节点及其每组的聚合系数对所述每个节点的第二特征和所述每个节点的每组的第二向量表示进行聚合，得到所述每个节点的第三向量表示。
[0012]在一些实施例中，所述构建第一工单的第一工单图结构和第二工单的第二工单图结构包括：构建工单图结构的方法为：将工单中存在因果关系的信息项建立连接关系；根据具有连接关系的信息项的因果关系值，确定连接关系的权重；以及将工单中存在物理关系或记录关系的信息项建立连接关系；其中，所述工单包括所述第一工单或所述第二工单，所述工单图结构包括所述第一工单图结构或所述第二工单图结构。
[0013]在一些实施例中，所述根据所述第三工单图结构对应的向量表示矩阵，计算所述第一工单和所述第二工单之间的相似度包括：将所述第三工单图结构的向量表示矩阵输入至图卷积神经网络GCN中，得到所述第一工单和所述第二工单之间的相似度。
[0014]在一些实施例中，还包括：在基于相似度判定所述第一工单和所述第二工单相似的情况下，根据所述第二工单的故障处理方法对所述第一工单进行故障处理。
[0015]根据本公开的另一些实施例，提供一种相似工单检索装置，包括：构建模块，被配置为构建第一工单的第一工单图结构和第二工单的第二工单图结构；连接模块，被配置为连接所述第一工单图结构和所述第二工单图结构，以构建第三工单图结构；确定模块，被配置为确定所述第三工单图结构对应的向量表示矩阵；以及计算模块，被配置为根据所述第三工单图结构所对应的向量表示矩阵，计算所述第一工单和所述第二工单之间的相似度。
[0016]在一些实施例中，其中，所述第三工单图结构的边具有权重，所述确定模块被配置为：根据所述第三工单图结构的各个边的权重，对所述第三工单图结构中的每个节点进行游走，以对所述第三工单图结构中所述每个节点的邻居节点进行采样；根据所述每个节点的所述邻居节点的类型，对所述邻居节点进行分组，将同类型的邻居节点分为一组；对所述第三工单图结构中所述每个节点的一个或多个第一特征进行编码，得到所述每个节点的第一向量表示；根据所述第三工单图结构的各个边的权重和所述每个节点的所述第一向量表示，确定所述每个节点的第二特征；对所述每个节点的同组的各个邻居节点的第二特征进
行聚合，得到所述每个节点的每组的第二向量表示；以及对所述每个节点的第二特征和所述每个节点的每组的第二向量表示进行聚合，得到所述每个节点的第三向量表示，所述第三工单图结构中各个节点的第三向量表示构成所述第三工单图结构对应的向量表示矩阵。
[0017]在一些实施例中，所述确定模块被配置为根据所述第三工单图结构中的边的权重，计算所述第三工单图结构中的每个节点的转移概率，从所述第三工单图结构中的任意节点开始根据转移概率进行游走，以对所述第三工单图结构中所述每个节点的邻居节点进行采样。
[0018]在一些实施例中，所述确定模块被配置为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种相似工单检索方法，包括：构建第一工单的第一工单图结构和第二工单的第二工单图结构；连接所述第一工单图结构和所述第二工单图结构，以构建第三工单图结构；确定所述第三工单图结构对应的向量表示矩阵；以及根据所述第三工单图结构对应的向量表示矩阵，计算所述第一工单和所述第二工单之间的相似度。2.根据权利要求1所述的相似工单检索方法，其中，所述第三工单图结构的边具有权重，所述确定所述第三工单图结构对应的向量表示矩阵包括：根据所述第三工单图结构的各个边的权重，对所述第三工单图结构中的每个节点进行游走，以对所述第三工单图结构中所述每个节点的邻居节点进行采样；根据所述每个节点的所述邻居节点的类型，对所述邻居节点进行分组，将同类型的邻居节点分为一组；对所述第三工单图结构中所述每个节点的一个或多个第一特征进行编码，得到所述每个节点的第一向量表示；根据所述第三工单图结构的各个边的权重和所述每个节点的所述第一向量表示，确定所述每个节点的第二特征；对所述每个节点的同组的各个邻居节点的第二特征进行聚合，得到所述每个节点的每组的第二向量表示；以及对所述每个节点的第二特征和所述每个节点的每组的第二向量表示进行聚合，得到所述每个节点的第三向量表示，所述第三工单图结构中各个节点的第三向量表示构成所述第三工单图结构对应的向量表示矩阵。3.根据权利要求2所述的相似工单检索方法，其中，所述根据所述第三工单图结构的各个边的权重，对所述第三工单图结构中的每个节点进行游走，以对所述第三工单图结构中所述每个节点的邻居节点进行采样包括：根据所述第三工单图结构中的边的权重，计算所述第三工单图结构中的每个节点的转移概率，从所述第三工单图结构中的任意节点开始根据转移概率进行游走，以对所述第三工单图结构中所述每个节点的邻居节点进行采样。4.根据权利要求2所述的相似工单检索方法，其中，所述对所述第三工单图结构中所述每个节点的一个或多个第一特征进行编码，得到所述每个节点的第一向量表示包括：对所述每个节点的不同类型的第一特征采用不同的方法进行预训练；将预训练之后得到的不同类型的第三特征输入至不同的特征转换层；将每个特征转换层输出的第四特征输入至Bi
‑
LSTM模型，对所述第四特征进行编码，得到第五特征；以及对各个第五特征进行池化处理，得到所述每个节点的第一向量表示。5.根据权利要求2
‑
4任一项所述的相似工单检索方法，其中，所述根据所述第三工单图结构的各个边的权重和所述每个节点的所述第一向量表示，确定所述每个节点的第二特征包括：将每个节点的第一向量表示输入至Bi
‑
LSTM模型，得到所述每个节点的第六特征；以及
利用所述每个节点与其邻居节点之间的边的权重，对所述每个节点的第六特征进行加权，得到所述每个节点的第二特征。6.根据权利要求2
‑
4任一项所述的相似工单检索方法，其中，所述对所述每个节点的同组的各个邻居节点的第二特征进行聚合，得到所述每个节点的每组的第二向量表示包括：对所述每个节点的同组的各个邻居节点的第二特征进行池化处理，得到所述每个节点的每组的第二向量表示。7.根据权利要求2
‑
4任一项所述的相似工单检索方法，其中，所述对所述每个节点的第二特征和所述每个节点的每组的第二向量表示进行聚合，得到所述每个节点的第三向量表示包括：根据所述每个节点的第二特征和所述每个节点的每组的第二向量表示，利用注意力机制确定每...

【专利技术属性】
技术研发人员：陈子鹏，冯晨，孙佩霞，常谦，赵龙刚，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：