一种根因推理图更新方法和电子设备技术

本发明专利技术实施例提供了一种根因推理图更新方法和电子设备

【技术实现步骤摘要】
一种根因推理图更新方法和电子设备


[0001]本专利技术涉及计算机
，尤其涉及一种根因推理图更新方法和电子设备
。

技术介绍

[0002]在智能运维领域，主流根因分析
(Root Cause Analysis
，
RCA)
技术一般包含两个阶段：
1)
构建根因推理图；
2)
使用根因推理图进行根因推理
。
其中，如何准确地构建根因推理图是整个根因分析方法的关键
。
大部分
RCA
技术基于纯观测数据或纯知识数据构建根因推理图，在小样本场景和领域知识匮乏场景下难以保证根因定位精度和泛化能力
。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了一种根因推理图更新方法和电子设备，通过观测数据和知识数据的动态融合来学习根因推理图，同时在根因推理图构建过程中动态扩充反事实样本，可有效提升在小样本场景和领域知识匮乏场景下的根因定位精度和泛化能力
。
[0004]第一方面，本专利技术实施例提供了一种根因推理图更新方法，所述方法包括：
[0005]根据观测数据得到第一根因推理图；
[0006]根据所述观测数据
、
所述第一根因推理图和知识数据，得到反事实样本的激励信号；
[0007]根据所述激励信号更新所述第一根因推理图，得到第二根因推理图，通过观测数据和知识数据的动态融合来学习根因推理图，同时在根因推理图构建过程中动态扩充反事实样本，可有效提升在小样本场景和领域知识匮乏场景下的根因定位精度和泛化能力
。
[0008]结合第一方面，在第一方面的某些实现方式中，所述根据所述观测数据
、
所述第一根因推理图和知识数据，得到反事实样本的激励信号，包括：
[0009]从所述观测数据中选取第一数值个观测样本；
[0010]根据所述第一根因推理图
、
所述第一数值个观测样本，得到第二数值个反事实样本；
[0011]根据所述第一根因推理图
、
所述第二数值个反事实样本，得到与所述第二数值个反事实样本对应的第一推断根因集合；
[0012]根据所述知识数据
、
所述第二数值个反事实样本，得到与所述第二数值个反事实样本对应的第二推断根因集合；
[0013]根据所述第一推断根因集合和所述第二推断根因集合，得到所述激励信号
。
[0014]结合第一方面，在第一方面的某些实现方式中，所述根据所述第一根因推理图
、
所述第一数值个观测样本，得到第二数值个反事实样本，包括：
[0015]通过所述第一根因推理图对所述第一数值个观测样本进行因果反事实推理，得到所述第二数值个反事实样本
。
[0016]结合第一方面，在第一方面的某些实现方式中，所述根据所述知识数据
、
所述根据所述第一根因推理图
、
所述第二数值个反事实样本，得到与所述第二数值个反事实样本对
应的第一推断根因集合，包括：
[0017]通过所述第一根因推理图对所述第二数值个反事实样本进行根因推断，得到与所述第二数值个反事实样本对应的第一推断根因集合
。
[0018]结合第一方面，在第一方面的某些实现方式中，所述根据所述知识数据
、
所述第二数值个反事实样本，得到所述第二数值个反事实样本对应的第二推断根因集合，包括：
[0019]通过所述知识数据对所述第二数值个反事实样本进行根因推断，得到所述第二推断根因集合；
[0020]或者
[0021]根据所述知识数据得到知识模型；
[0022]通过所述知识模型对所述第二数值个反事实样本进行根因推断，得到所述第二推断根因集合
。
[0023]结合第一方面，在第一方面的某些实现方式中，所述根据所述第一推断根因集合和所述第二推断根因集合，得到所述激励信号，包括：
[0024]计算所述第一推断根因集合和所述第二推断根因集合的交叉熵；
[0025]将所述交叉熵作为所述激励信号
。
[0026]结合第一方面，在第一方面的某些实现方式中，所述第一数值和所述第二数值均为大于0的整数
。
[0027]结合第一方面，在第一方面的某些实现方式中，所述根据所述激励信号更新所述第一根因推理图，得到第二根因推理图之后，还包括：
[0028]判断所述第二根因推理图或所述激励信号是否满足预设条件；
[0029]若判断出所述第二根因推理图和所述激励信号均不满足所述预设条件，将所述第二根因推理图作为第一根因推理图，并继续执行所述根据所述观测数据
、
所述第一根因推理图，得到反事实样本的激励信号的步骤
。
[0030]结合第一方面，在第一方面的某些实现方式中，所述判断所述第二根因推理图或所述激励信号是否满足预设条件之后，还包括：
[0031]若判断出所述第二根因推理图或所述激励信号均满足所述预设条件，通过所述第二根因推理图对待分析的故障进行根因推断，得到根因告警
。
[0032]第二方面，本专利技术实施例提供了一种电子设备，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，当所述处理器运行所述程序指令时，使所述电子设备执行如上述所述的方法的步骤
。
[0033]第三方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，当所述程序请求被计算机运行时使所述计算机执行如上述所述的方法
。
[0034]第四方面，本专利技术实施例提供了一种计算机程序产品，所述计算机程序产品包含指令，当所述计算机程序产品在计算机或任一至少一种处理器上运行时，使得所述计算机执行如上述方法中的功能
/
步骤
。
[0035]本专利技术实施例提供的根因推理图更新方法和电子设备的技术方案中，所述方法包括：根据观测数据得到第一根因推理图；根据所述观测数据
、
所述第一根因推理图和知识数据，得到反事实样本的激励信号；根据所述激励信号更新所述第一根因推理图，得到第二根
因推理图，通过观测数据和知识数据的动态融合来学习根因推理图，同时在根因推理图构建过程中动态扩充反事实样本，可有效提升在小样本场景和领域知识匮乏场景下的根因定位精度和泛化能力
。
【附图说明】
[0036]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图
。
[0037]图1为本专利技术实施例提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种根因推理图更新方法，其特征在于，所述方法包括：根据观测数据得到第一根因推理图；根据所述观测数据
、
所述第一根因推理图和知识数据，得到反事实样本的激励信号；根据所述激励信号更新所述第一根因推理图，得到第二根因推理图
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述观测数据
、
所述第一根因推理图和知识数据，得到反事实样本的激励信号，包括：从所述观测数据中选取第一数值个观测样本；根据所述第一根因推理图
、
所述第一数值个观测样本，得到第二数值个反事实样本；根据所述第一根因推理图
、
所述第二数值个反事实样本，得到与所述第二数值个反事实样本对应的第一推断根因集合；根据所述知识数据
、
所述第二数值个反事实样本，得到与所述第二数值个反事实样本对应的第二推断根因集合；根据所述第一推断根因集合和所述第二推断根因集合，得到所述激励信号
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述第一根因推理图
、
所述第一数值个观测样本，得到第二数值个反事实样本，包括：通过所述第一根因推理图对所述第一数值个观测样本进行因果反事实推理，得到所述第二数值个反事实样本
。4.
根据权利要求2或3所述的方法，其特征在于，所述根据所述知识数据
、
所述根据所述第一根因推理图
、
所述第二数值个反事实样本，得到与所述第二数值个反事实样本对应的第一推断根因集合，包括：通过所述第一根因推理图对所述第二数值个反事实样本进行根因推断，得到与所述第二数值个反事实样本对应的第一推断根因集合
。5.
根据权利要求2‑4中任一项所述的方法，其特征在于，所述根据所述知识数据
、
所述第二数值个反事实样本，得到所述第二数值个反事实样本对应的第二...

【专利技术属性】
技术研发人员：张可力，李唤，郑嘉乐，李伟国，叶君健，潘璐伽，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：