[發明專利]一種基于LDA的軟件故障專家系統的構建方法

有效

• 申請號: 201710146437.X
• 申請日: 2017-03-13
• 公開（公告）號: CN107103363B
• 公開（公告）日: 2018-06-01
• 發明（設計）人: 楊順昆;邊沖;陶飛;佘志坤
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06N99/00
• 分類號: G06N99/00
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于LDA的軟件故障專家系統的構建方法，所述LDA為潛在狄利克雷分布，其特征在于：其步驟如下：

步驟1、搜集大量與被診斷軟件相關的故障案例，篩選出合適的案例集；根據被診斷軟件所有可能發生的原因、現象以及故障所在位置、故障嚴酷度，對案例集中的案例逐條進行失效模式與影響分析即FMEA分析；

步驟2、對FEMA形式案例集文本數據進行迭代，利用LDA算法分別構建故障屬性主題模型：故障現象主題模型、故障原因主題模型、故障措施主題模型；

步驟3、針對待輸入的故障癥狀信息，結合LDA算法構建癥狀主題模型；

步驟4、實現癥狀主題模型與故障屬性主題模型的語義關聯推理評分算法；

步驟5、整合步驟2～4，完成推理子系統的構建；

步驟6、利用Hadoop技術完成存儲子系統的構建，實現對案例文本數據和LDA主題模型數據存儲，以及推理評分數據存取；

步驟7、基于Spring MVC框架，構建服務子系統，實現客戶端與后端的數據交互；

步驟8、整合存儲子系統、推理子系統以及服務子系統，完成專家系統的構建；

通過上述步驟，可以完成對基于LDA的軟件故障專家系統的構建，對于被診斷對象中的故障癥狀，通過建立癥狀主題模型，完成與故障屬性主題模型的語義關聯推理，獲取按推理評分排序的故障相關信息作為診斷結果，從而完成軟件故障診斷。

2.根據權利要求1所述的一種基于LDA的軟件故障專家系統的構建方法，其特征在于：在步驟1中所述的“FMEA分析”，是指一種系統化的可靠性分析方法，它自下而上，通過對被診斷系統各組成部分潛在的各種故障模式及其對系統功能的影響分析，提出采取的預防改進措施，以提高產品的可靠性，它在保證產品可靠性方面起著重要的作用。

3.根據權利要求1所述的一種基于LDA的軟件故障專家系統的構建方法，其特征在于：在步驟3中所述的“針對待輸入的故障癥狀信息，結合LDA算法構建癥狀主題模型”，其作法如下：使用基于向量的建模方法構建癥狀主題模型，將故障癥狀表示為一個k維向量pu＝<z1，z2，z3，z4…zk>；與故障案例的特征向量定義相同，pu表示故障癥狀的特征向量，k表示通過LDA算法建模后的主題個數，zk表示該故障癥狀在第k主題上的生成概率；需要注意的是，癥狀主題模型的生成方式與案例主題模型有所不同；癥狀主題模型無法直接從LDA模型中生成，這是由于癥狀信息都是對故障現象的描述，不具備故障原因與故障措施屬性信息；因此，需要聯合案例的故障屬性信息對故障癥狀主題模型進行構建：首先定義故障屬性向量αi用于表示不同故障屬性對應的評分權值，α1對應故障現象的評分權值，α2對應故障原因的評分權值，α3對應故障措施的評分權值，該向量能在新的故障屬性類型加入時被動態擴展；由此，故障癥狀對故障屬性能描述為一個故障屬性向量Cu，i＝<c1，…，cα>，其中cα為該癥狀與第α故障屬性信息的關聯相似度，該值能通過計算文本與之對應的主題概率分布求得；癥狀的故障屬性向量模型能描述為：

z k = Σ n = 1 N θ k Σ k = 1 α c u , i α i N ; ]]>

其中θk代表了文檔中第k個主題的比重，n表示該故障癥狀曾對比分析過的案例個數；上述公式使用了每一個被分析過的故障屬性向量乘以該屬性預先定義的權值αi，得到該故障癥狀信息在第k主題分量上的值zk，由此計算得出k維向量pu＝<z1，z2，z3，z4…zk>，從而構建故障癥狀主題模型。