[發明專利]一種基于機器學習的ITIL事件預演方法和裝置

在審

• 申請號: 202011009942.8
• 申請日: 2020-09-23
• 公開（公告）號: CN112287103A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 何凱
• 申請（專利權）人: 北京信諾時代科技發展有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;G06N5/02
• 代理公司: 深圳至誠化育知識產權代理事務所(普通合伙) 44728
• 代理人: 劉英

1.一種基于機器學習的ITIL事件預演方法，其特征在于，包括以下步驟：

步驟S1：整理ITIL的管理系統的知識庫，獲取知識庫的標簽描述、內容描述；利用Hadoop大數據技術，對知識庫中的非結構化文本數據進行處理和聚合操作，滿足知識的多樣性的要求；

步驟S2：利用已訓練的循環神經網絡框架提取步驟S1所述的多維特征值；

步驟S3：將所得的數值特征保存成矩陣數組，并將數據集根據75％：25％的比例分成訓練集和測試集；

步驟S4：將訓練集根據步驟S2得到的特征及其已知的用戶信息、事件信息輸入SVM進行訓練，訓練器自動總結不同知識的細微差別特點，生成分類模型，對分類模型進行分類并保存；

步驟S5：分類器的懲罰系數和核函數系數可變，訓練時采用多種該參數組合進行測試，最后選取分類效果最好的參數組合，為分類器的分類精度標準，然后確認此模型參數并保存此分類器；若分類結果不理想，則調整模型的相關參數懲罰系數和核函數系數，再重復進行步驟S4，直到分類準確為止；

步驟S6：通過步驟S5中得到的分類器，對知識進行鑒別，依據事件特有屬性獲取相似事件的演變趨勢，之后將事件對應參數輸入上述訓練好的SVM分類器，即可得到較優的解決方案。

2.根據權利要求1所述的一種基于機器學習的ITIL事件預演方法，其特征在于，所述步驟S1中，獲取對應的事件關鍵字特征，事件的問題描述、事件的處理結果等信息入庫；事件對應的處理工程師按照級別進行加權處理；所有特征信息進行降維處理，進入特征值數據集。

3.根據權利要求1所述的一種基于機器學習的ITIL事件預演方法，其特征在于，所述步驟S2中，網絡框架采用TensorFlow網絡框架。

4.根據權利要求1所述的一種基于機器學習的ITIL事件預演方法，其特征在于，所述步驟S4中，將測試集利用生成的分類模型對其使用價值進行分類，并對比其已知的實際使用價值即可得到分類器的分類精度。

5.根據權利要求1所述的一種基于機器學習的ITIL事件預演方法，其特征在于，所述步驟S4中，選取多條數據作為樣本進行SVM訓練，得到性能優化的SVM分類器，具體的方法：設定SVM分類器的數目，對于多種類別需要訓練多個SVM分類器；假設有N個事件類別，則需要訓練得到N個SVM分類器，此時每個SVM分類器的作用為判斷知識是否屬于N種類別種植產地中的其中一類；針對于每個分類器，選取N種類別中的其中一種類別的多個特征集為正樣本集，選取N種類別的其它類別的作為負樣本集；提取所有的正樣本集的多維特征值，提取所有負樣本集的多維特征值，并對所有的正樣本集和所有負樣本集賦予樣本標簽；將所有的正樣本集的多維特征值和所有負樣本集的多維特征值；所有的正樣本集的標簽和所有負樣本集的標簽，都輸入到SVM分類器中進行訓練；則得到識別其中一類的性能較優化的一個SVM分類器，重復進行步驟S4的操作，得到性能優化的N個SVM分類器。

6.一種基于機器學習的ITIL事件預演裝置，其特征在于，包括展示模塊、學習匹配模塊和存儲模塊，所述展示模塊、存儲模塊均與學習匹配模塊雙向連接；

所述存儲模塊用于存放知識庫，并為所述學習匹配模塊提供知識庫數據；

所述展示模塊用于進行結果展示，并將數據傳輸至所述學習匹配模塊；

所述學習匹配模塊用于進行機器學習匹配、事件預演判斷和優化變更知識庫。

7.根據權利要求6所述的一種基于機器學習的ITIL事件預演裝置，其特征在于，所述學習匹配模塊包括事件預演判斷單元和知識庫更新單元，所述事件預演判斷單元用于進行事件預演判斷并將結果傳輸至所述展示模塊，所述知識庫更新單元用于優化更新知識庫并存放到所述存儲模塊內。