[發明專利]基于因果語義關系傳遞的圖卷積網絡根因識別方法

在審

• 申請號: 202011264456.0
• 申請日: 2020-11-12
• 公開（公告）號: CN112507720A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 高炅;楊煜乾;楊樹森
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/216;G06F40/289;G06F16/36;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 閔岳峰

本發明公開了一種基于因果語義關系傳遞的圖卷積網絡根因識別方法，解決了大規模復雜通信網絡的故障快速準確定位問題。在知識圖譜嵌入模型的啟發下，假設根因識別問題中的切片樣本內告警和根因告警存在因果關系，并且因果關聯網絡同構，即：因果關系向量r、樣本序列在因果關系空間表示x^seq以及序列的根因告警在因果關系空間表示構成三元組滿足關系結合概率統計知識、基于均值聚合器的GraphSAGE模型以及語義關系傳遞模塊提出深層神經網絡方法，在無需專家知識的前提下提升對運維故障的根因告警識別準確性，從而可以快速準確地定位通信過程中的關鍵問題便于后續針對性解決處理。

技術領域

本發明屬于智能運維(AIOPS)領域，具體涉及一種基于因果語義關系傳遞的圖卷積網絡根因識別方法。

背景技術

隨著通信相關技術的不斷發展和應用領域的不斷擴展，通信在生產生活中的角色越來越重要，用戶對于故障的響應速度需求也不斷提升。

在通信系統的運維領域，為保障設備的正常運轉和服務的正常進行，設備或服務發生故障時會觸發系統告警用于定位故障，并且單個故障可能導致關聯故障，每個故障都可能觸發多個告警。此外，存在對服務質量(業務)無顯著影響或者系統自動修復的故障，此類故障也會觸發告警，且告警可能與業務相關告警時間重合，但該類故障無需人工解決。因此單次故障所處時段會存在大量告警，并且其中包含根本原因對應的告警，識別該告警可以快速定位故障并且后續進行針對性修復，這對于提升故障響應速度和提高服務體驗具有重要意義。但是，告警之間存在復雜因果關聯關系，并且單個時段存在大量告警，這使得識別根因告警成為一項困難且耗時繁重的任務。

目前，學術界對于故障定位和根因分析任務的研究主要集中在因果關系和解釋，運用條件獨立測試、隱馬爾科夫模型等側重統計學的方法解決，獲得完整的因果關聯圖。在現實場景中，除響應的準確率外，響應時間也是重要因素，但是因果推斷方法的時間復雜度普遍較高；并且，根因識別任務無需確定完整的因果關聯圖，只需根據推測的根因告警信息即可進行故障修復。工業界完成根因識別任務的主要技術為專家系統，依賴于專家的經驗和技術，但難以及時進行更新迭代，難以滿足用戶對識別準確率的要求。由于近年來數據存儲和計算成本呈指數級下降，告警數據的存儲和分析處理難度降低，鑒于上述情況，基于數據驅動的機器學習方法開始融入根因識別的方法之中，使提高根因識別的準確率、故障處理的響應速度和提升方案的更新能力成為可能。

發明內容

針對上述問題，本發明提供了一種使用時序信息的平移向量進行語義因果關系傳遞的圖卷積網絡根因識別方法，該方法可以學習告警之間的因果關聯關系，構建因果關系表示，從而精準有效地在海量告警中捕捉根因告警。

為達到上述目的，本發明采用如下技術方案來實現的：

基于因果語義關系傳遞的圖卷積網絡根因識別方法，該方法在知識圖譜嵌入模型的啟發下，基于因果語義關系傳遞的圖卷積網絡根因識別方法假設根因識別問題中的切片樣本內告警和根因告警存在因果關系，并且因果關聯網絡同構，即：因果關系向量r、樣本序列在因果關系空間表示x^seq以及序列的根因告警在因果關系空間表示構成三元組滿足關系結合概率統計知識、基于均值聚合器的GraphSAGE圖卷積網絡模型以及語義關系傳遞模塊搭建基于因果語義關系傳遞的圖卷積網絡根因識別方法。

本發明進一步的改進在于，具體包括以下步驟：

1)數據特征選取及預處理：

選取告警細節屬性作為輸入數據在時間順序下進行語義分析，基于GloVe模型提取告警細節的詞向量表示；

2)全局因果關聯先驗鄰接矩陣生成：

將訓練集作為先驗信息，計算兩個告警x_i,x_j在同一樣本中出現時告警x_i為根因告警的頻率，生成全局因果關聯先驗鄰接矩陣；

3)因果關聯鄰接矩陣生成：