[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

本發明涉及計算機技術領域，且公開了一種基于機器學習的ITIL事件預演方法和裝置，其方法包括以下步驟：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；等。本發明設計利用神經網絡和SVM的機器學習方法來提高知識的利用價值和準確率，保障事件預演的高質量結果。

技術領域

本發明涉及計算機技術領域，尤其涉及一種基于機器學習的ITIL事件預演方法和裝置。

背景技術

目前隨著IT運維的大力發展，現有主流的IT運維管理技術，主要針對ITIL的幾大要素：請求、事件、問題、變更、發布和CMDB進行流程化管控。通過提供靈活的、流程化的IT服務管理，幫助企業完成流程定義、流程執行、流程監控以及流程的優化。將日常操作全部流程化，并通過自動化工具對流程執行情況進行及時追蹤。

在其中的事件管理中，有服務臺或者自動產生的事件，主要填寫一些事件或者問題的描述，相關配置項、關聯的SLA以及跟事件相關的其它信息組成了事件的整體內容。后續再有一線或者二線的工程師對事件進行處理，處理后也可以形成知識放入知識庫中，后續的事件預演方式是依托于現有數據庫的只是內容進行分詞或者是內容關聯匹配，從而引導工程師進行進一步的事件處理。在實際流程的執行過程中，因為工程師的能力問題，以及單一知識庫內容進行匹配有誤，都會導致處理事件難度增大，花費成本高，效率低下，現有技術的缺陷為：

1、依靠現有知識庫無法適應不同環境下的解決方法；2、只依靠工程師人為判斷和處理，風險較高；3、知識沒有自動學習和智能更新方式，導致在處理過程中不能盡快找到合適的案例和指導價值，效率低下；4、對事件預演算法和數據支撐有限，運維成本高，因此我們提出了一種基于機器學習的ITIL事件預演方法和裝置用于解決上述問題。

發明內容

本發明的目的是為了解決現有技術的缺點，而提出的一種基于機器學習的ITIL事件預演方法和裝置。

為了實現上述目的，本發明采用了如下技術方案：

一種基于機器學習的ITIL事件預演方法，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。

優選的，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。