【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种巡检数据自动化分析方法及系统。
技术介绍
1、随着信息技术的飞速发展，数据中心机房的规模不断扩大，机房内设备数量众多且复杂，包括服务器、网络设备、存储设备等。为了确保机房的正常运行，机房巡检成为了一项至关重要的工作。传统的机房巡检主要依赖人工操作，巡检人员按照预定的巡检路线和项目，对机房内的设备进行逐一检查，并手动记录设备的运行状态、各项参数等信息。然而，这种人工巡检方式存在诸多弊端。
2、为了提高机房巡检的效率和准确性，自动化巡检技术应运而生。自动化巡检系统可以自动采集设备的运行数据，如通过传感器获取设备的温度、电量等信息，通过网络管理协议获取设备的配置参数和运行状态等。然而，在面对海量的巡检数据时，如何对这些数据进行有效的分析，准确识别其中的异常记录，仍然是一个亟待解决的问题。
3、现有的数据自动化分析技术在处理机房巡检数据时，往往存在一些局限性。一些传统的数据分析方法可能依赖于简单的阈值设定或者基于规则的判断方式来识别异常。例如，设定服务器cpu使用率超过某个固定值(如80％)就判定为异常。但这种方法缺乏灵活性，无法适应设备运行状态的动态变化，因为在某些情况下，即使cpu使用率暂时超过80％，设备也可能处于正常的负载高峰状态，并非真正的异常。
4、此外，基于机器学习的数据分析方法虽然具有一定的智能性，但在应用于机房巡检数据时也面临挑战。例如，在构建神经网络进行异常记录识别时，传统的网络训练方法通常需要人工进行样本整理，包括对样本进行比例划分等操作。这不仅耗
5、同时，现有的一些神经网络模型在处理机房巡检数据时，可能没有充分考虑到巡检记录文本中不同内容之间的关联性，导致对异常记录的识别准确性不够理想。例如，网络设备的端口连接状态与服务器的网络通信情况之间存在关联，但传统模型可能无法很好地捕捉这种关联性，从而影响对整体异常情况的判断。
技术实现思路
1、有鉴于此，本申请实施例至少提供一种巡检数据自动化分析方法及系统。本申请的技术方案是这样实现的：
2、一方面，本申请提供一种巡检数据自动化分析方法，所述方法包括：获取对机房巡检过程中记录在巡检终端的拟异常识别的巡检记录文本；获取巡检记录文本处理神经网络；基于所述巡检记录文本处理神经网络对所述拟异常识别的巡检记录文本进行异常记录识别，获得异常记录识别结果；当所述异常记录识别结果指示识别到异常记录时，在所述巡检终端中对识别到的异常记录进行显示标记；其中，所述巡检记录文本处理神经网络是通过事先调试完成的指导神经网络，根据表征信息迁移学习代价值、关联性迁移学习代价值、以及输出迁移学习代价值，进行自我知识提炼获得的，所述表征信息迁移学习代价值为基于所述指导神经网络的表征信息与所述巡检记录文本处理神经网络的表征信息之间的误差获得的，所述关联性迁移学习代价值为基于相同巡检记录文本中不同文本片段之间的关联性获得的，所述输出迁移学习代价值为基于所述指导神经网络的输出与所述巡检记录文本处理神经网络的输出之间的误差获得的。
3、另一方面，本申请提供了一种计算机系统，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上所述方法中的步骤。
4、本申请的有益效果包括：本申请通过获取对机房巡检过程中记录在巡检终端的拟异常识别的巡检记录文本，以及获取巡检记录文本处理神经网络。巡检记录文本处理神经网络为通过事先调试完成的指导神经网络，根据表征信息迁移学习代价值、关联性迁移学习代价值、以及输出迁移学习代价值，进行自我知识提炼以获得，表征信息迁移学习代价值为基于指导神经网络的表征信息与巡检记录文本处理神经网络的表征信息之间的误差获得的，关联性迁移学习代价值为基于相同巡检记录文本中不同文本片段之间的关联性获得的，输出迁移学习代价值为基于指导神经网络的输出与巡检记录文本处理神经网络的输出的误差获得的，基于巡检记录文本处理神经网络对拟异常识别的巡检记录文本进行异常记录识别，获得异常记录识别结果，当异常记录识别结果指示识别到异常记录时，在巡检终端中对识别到的异常记录进行显示标记。本申请基于确定出多个目标异常记录识别结果进行迁移学习，迁移效果更佳，同时衡量相同巡检记录文本中内容之间的关联性，以及将之和基于表征信息的信息、基于输出的信息进行融合，令被指导神经网络的识别准确性比指导神经网络更高，提高巡检记录文本处理神经网络的异常记录识别效果。此外，本申请在网络训练时，不用人为地进行样本整理，诸如比例划分的环节，此外也不用在样本文本中进行文本片段注释来引导迁移学习，因为本申请在巡检记录训练文本中确定得到有利于知识提炼的目标异常记录识别结果，其表示巡检记录训练文本中存在着特征信息密集的不同文本片段，通过目标异常记录识别结果之间的关联性信息构建模型，不仅可以防止单一地使用样本注释片段相关的文本段落进行迁移学习，也可以通过目标异常记录识别结果之间的关联性信息，将巡检记录训练文本中不同文本片段之间的关联性信息进行结合，以提高神经网络的鲁棒性。
本文档来自技高网...【技术保护点】
1.一种巡检数据自动化分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取对机房巡检过程中记录在巡检终端的拟异常识别的巡检记录文本之前，还包括：
3.根据权利要求2所述的方法，其特征在于，根据所述第一异常记录识别结果、以及所述第二异常记录识别结果，在所述巡检记录训练文本中确定有利于知识提炼的目标异常记录识别结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一异常记录识别结果包括多个第一推理标记窗口、以及多个异常巡检分类对应的第一推理支持系数，所述第二异常记录识别结果包括多个第二推理标记窗口、以及多个异常巡检分类对应的第二推理支持系数，所述根据所述第一异常记录识别结果、以及所述第二异常记录识别结果之间的误差，在所述巡检记录训练文本中确定多个待筛选目标异常标记窗口、以及所述待筛选目标异常标记窗口对应的原始误差值，包括：
5.根据权利要求2所述的方法，其特征在于，所述根据所述目标异常记录识别结果的文本内容，确定所述表征信息迁移学习代价值、所述关联性迁移学习代价值、以及所述输出迁移学习代价值，
6.根据权利要求5所述的方法，其特征在于，根据所述目标异常记录识别结果的文本内容、所述基于表征信息的代价度量函数、以及所述基于关联性的代价度量函数，确定所述表征信息迁移学习代价值、以及所述关联性迁移学习代价值，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标异常记录识别结果的文本内容，在所述指导神经网络中挖掘得到指导文本表征信息，并在所述被指导神经网络中挖掘得到被指导文本表征信息，包括：
8.根据权利要求5所述的方法，其特征在于，根据所述目标异常记录识别结果的文本内容和所述基于输出的代价度量函数，确定所述输出迁移学习代价值，包括：
9.根据权利要求8所述的方法，其特征在于，所述根据所述文本屏蔽的执行标准、所述指导神经网络的标签预测、所述指导神经网络的数值预测、所述被指导神经网络的标签预测、以及所述被指导神经网络的数值预测，确定所述输出迁移学习代价值，包括：
10.一种计算机系统，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9任一项所述方法中的步骤。
...【技术特征摘要】
1.一种巡检数据自动化分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取对机房巡检过程中记录在巡检终端的拟异常识别的巡检记录文本之前，还包括：
3.根据权利要求2所述的方法，其特征在于，根据所述第一异常记录识别结果、以及所述第二异常记录识别结果，在所述巡检记录训练文本中确定有利于知识提炼的目标异常记录识别结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一异常记录识别结果包括多个第一推理标记窗口、以及多个异常巡检分类对应的第一推理支持系数，所述第二异常记录识别结果包括多个第二推理标记窗口、以及多个异常巡检分类对应的第二推理支持系数，所述根据所述第一异常记录识别结果、以及所述第二异常记录识别结果之间的误差，在所述巡检记录训练文本中确定多个待筛选目标异常标记窗口、以及所述待筛选目标异常标记窗口对应的原始误差值，包括：
5.根据权利要求2所述的方法，其特征在于，所述根据所述目标异常记录识别结果的文本内容，确定所述表征信息迁移学习代价值、所述关联性迁移学习代价值、以及所述输出迁移学习代价值，包括：
...【专利技术属性】
技术研发人员：虞强，王晓艺，裴顺恒，余爽，邓萍，荣宇，杨超，邓棋，贺立，刘达明，李挺敏，孙炳华，
申请(专利权)人：国网四川省电力公司凉山供电公司，
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。