[發明專利]電信網絡故障原因定位方法及裝置

在審

• 申請號: 202010568169.2
• 申請日: 2020-06-19
• 公開（公告）號: CN113825162A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 高鵬;王西點;王磊;徐晶;周勝;王軍;高峰;賈子寒;聶臻霖;王亞楠;石鐸;陶雨;閆淵;薛陽
• 申請（專利權）人: 中國移動通信集團設計院有限公司;中國移動通信集團有限公司
• 主分類號: H04W24/04
• 分類號: H04W24/04;H04L12/24
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 程琛

1.一種電信網絡故障原因定位方法，其特征在于，包括：

獲取目標電信網絡設備在歷史時間段發出的告警消息，對所有所述告警消息進行統計，獲取所述告警消息的統計特征；

將所有所述告警消息按照發出的時間先后順序進行拼接，生成所述告警消息的時間序列；

將所述告警消息的統計特征和時間序列輸入基于注意力機制的神經網絡模型中，輸出所述目標電信網絡設備屬于每種預設故障原因的概率，將最大概率對應的所述預設故障原因作為所述目標電信網絡設備的故障原因；

其中，所述基于注意力機制的神經網絡模型根據電信網絡設備樣本發出的告警消息和所述電信網絡設備樣本的實際故障原因進行訓練獲取。

2.根據權利要求1所述的電信網絡故障原因定位方法，其特征在于，將所述告警消息的統計特征和時間序列輸入基于注意力機制的神經網絡模型中，輸出所述目標電信網絡設備屬于每種預設故障原因的概率的步驟之前還包括：

獲取所述電信網絡設備樣本發出的告警信息和所述電信網絡設備樣本的故障工單；

將所述故障工單中電信網絡設備樣本的實際故障原因和告警信息進行關聯；

將關聯的電信網絡設備樣本的實際故障原因和告警信息作為一個樣本對，對所述基于注意力機制的神經網絡模型進行訓練。

3.根據權利要求2所述的電信網絡故障原因定位方法，其特征在于，將所述故障工單中電信網絡設備樣本的實際故障原因和告警信息進行關聯的步驟包括：

對于所述故障工單中的任一條記錄，篩選出與該條記錄具有相同電信網絡設備樣本的編號且發出時間與該條記錄中的工單派發時間之間的間隔在預設范圍內的告警信息；

將該條記錄中電信網絡設備樣本的實際故障原因和篩選出的告警信息進行關聯。

4.根據權利要求1所述的電信網絡故障原因定位方法，其特征在于，對所有所述告警消息進行統計，獲取所述告警消息的統計特征的步驟包括：

根據所述告警消息的告警標題，統計每種所述告警標題對應的告警消息的條數；

根據所述告警消息發出的時間，確定所述目標電信網絡設備發生故障的季度、月份、周、日、星期和是否節假日中的一項或多項時間特征；

將所述目標電信網絡設備的編號、每種所述告警標題對應的告警消息的條數和所述時間特征作為所述告警信息的統計特征。

5.根據權利要求1所述的電信網絡故障原因定位方法，其特征在于，將所述告警消息的統計特征和時間序列輸入基于注意力機制的神經網絡模型中，輸出所述目標電信網絡設備屬于每種預設故障原因的概率的步驟包括：

將所述告警消息的統計特征輸入所述基于注意力機制的神經網絡模型中的第一分支，獲取所述統計特征的注意力向量；

將所述告警消息的時間序列輸入所述基于注意力機制的神經網絡模型中的第二分支，獲取所述時間序列的注意力向量；

使用所述基于注意力機制的神經網絡模型中的融合層對所述統計特征的注意力向量和所述時間序列的注意力向量進行融合；

將融合結果輸入所述基于注意力機制的神經網絡模型中的第一全連接層后，經過所述基于注意力機制的神經網絡模型中的激活層，獲取所述目標電信網絡設備屬于每種預設故障原因的概率。

6.根據權利要求5所述的電信網絡故障原因定位方法，其特征在于，將所述告警消息的統計特征輸入所述基于注意力機制的神經網絡模型中的第一分支，獲取所述統計特征的注意力向量的步驟包括：

基于所述第一分支中的標準化層對所述統計特征進行標準化；

基于所述第一分支中的第二全連接層對標準化后的所述統計特征進行特征提取和變換；

基于所述第一分支中的注意力層對所述第二全連接層的輸出進行權重分配，獲取所述統計特征的注意力向量。