[發明專利]告警關聯及派單優化方法、裝置、設備及介質

有效

• 申請號: 201711494844.6
• 申請日: 2017-12-31
• 公開（公告）號: CN109993390B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 廖振松;王冼;熊勝;湯衛東;楊晶蕾
• 申請（專利權）人: 中國移動通信集團湖北有限公司;中國移動通信集團公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/30;G06F40/216;G06F40/289
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 賀琳

1.一種基于依賴樹的告警關聯及派單優化方法，其特征在于，所述方法包括：

對告警描述進行格式化和分詞，生成最終的分詞集合Seg；

依據所述最終的分詞集合中的分詞在告警描述中出現的概率形成路徑，對所述路徑進行合并形成概率層次樹；

設置滑動窗口t；

基于滑動窗口t，對告警記錄中的告警事件進行合并，形成告警同時發生記錄集；

計算所述告警同時發生記錄集中的分詞詞頻，基于所述概率層次樹，構建頻率生長樹，即告警依賴樹，確定最終的頻繁模式；

基于所述最終的頻繁模式及所述頻率生長樹，確定所述頻繁模式中各路徑上各節點的頻率依賴模式；

對所述頻繁模式中各路徑上各節點的頻率依賴模式，構建節點概率列表，并構建路徑概率列表；

對待派單告警事件，獲取滑動窗口區間內所有待派單告警，結合所述節點概率列表和路徑概率列表，遍歷所述告警依賴樹形成告警鏈路，基于所形成的各告警鏈路的相交層級進行派單；

所述對告警描述進行格式化和分詞包括：

對第i條告警描述DESi，基于分割符集進行正則匹配，構成第i個分割分詞集合SEGi；

統計所有告警描述相鄰字同時出現的次數，構建隱馬爾科夫模型及所述隱馬爾科夫模型轉移概率，基于所述轉移概率確定第一分詞集合Seg’I；

判斷Seg’I集合中分詞是否為SEGi中分詞的子集或全集，若Seg’I集合中分詞為SEGi中分詞的子集或全集，則將Seg’I作為所述最終的分詞集合Seg；所述依據所述最終的分詞集合中的分詞在告警描述中出現的概率形成路徑，對所述路徑進行合并形成概率層次樹，包括：

統計所述最終的分詞集合中第i個分詞Segi的頻率Pi1；

遍歷告警描述DESi，對所述告警描述DESi所含分詞的概率進行排序，將所述告警描述DESi所含分詞的排序索引k作為所述告警描述所含分詞所屬層次，并形成路徑Lk；

若相同Segi在不同路徑上所屬層次不同，則統計所述相同Segi所處層次的概率，以概率最高的層次作為所述相同Segi的層次；

若所述相同Segi所屬路徑索引與所述相同Segi的層次不一致，依次調整所述相同Segi所屬路徑索引上節點的層次；

對調整后所述相同Segi所屬路徑索引的路徑進行合并，形成概率層次樹；

所述計算所述告警同時發生記錄集中的分詞詞頻，基于所述概率層次樹，構建頻率生長樹，將所述頻率生長樹作為告警依賴樹，確定最終的頻繁模式，包括：

提取DESj中所有告警事件的告警分詞形成分詞集合SEGj；

基于所有告警描述計算SEGj中的分詞詞頻，并對所述SEGj中的分詞詞頻進行排序，形成頻繁項列表LSeg；

基于所述概率層次樹和所述頻繁項列表LSeg，構建頻率生長樹；

遍歷所述頻率生長樹，獲得各頻繁模式的頻度，若頻繁模式的頻度大于最小支持度門限e，則將所述頻繁模式作為最終的頻繁模式。

2.根據權利要求1所述的方法，其特征在于，所述基于滑動窗口t，對告警記錄中的告警事件進行合并，形成告警同時發生記錄集，包括：

基于告警記錄對所述告警事件進行排序，并取所述告警事件的唯一值作為時間序列tj；

以時間序列tj及滑動窗口t確定時間區間[tj-t，tj+t]；

對時間區間內的所述告警事件進行歸并，構建告警同時發生記錄集DESj。