[發明專利]告警關聯方法、裝置、設備及計算機存儲介質

在審

• 申請號: 202110492814.1
• 申請日: 2021-05-06
• 公開（公告）號: CN115309778A
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 陸紹雯;任志強;李大偉;涂涇倫;袁靜
• 申請（專利權）人: 中國移動通信集團有限公司;中國移動通信集團設計院有限公司
• 主分類號: G06F16/2455
• 分類號: G06F16/2455;G06F16/2458;G06F16/901;G06F40/284;G06K9/62
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 劉瑞花

1.一種告警關聯方法，其特征在于，所述告警關聯方法包括以下步驟：

根據獲取的原始數據構建訓練集，并確定所述訓練集中告警數據對的特征數據；

根據所述特征數據確定所有網元，并根據各所述網元構建網絡拓撲圖；

確定所述網絡拓撲圖中的所有網元序列，根據各所述網元序列對應的網元向量構建告警關聯模型；

若接收到輸入的待測告警數據對，則根據所述告警關聯模型對所述待測告警數據對進行告警關聯預測，以確定所述待測告警數據對的告警關聯關系。

2.如權利要求1所述的告警關聯方法，其特征在于，所述確定所述網絡拓撲圖中的所有網元序列的步驟，包括：

確定所述網絡拓撲圖中的網元集合和邊集合，并基于所述網元集合確定網元起始點，根據所述邊集合確定所述網元起始點對應的所有關聯網元，其中，所述邊集合包括所述網元集合中網元的物理連接、邏輯連接和弱連接中的一種或多種；

計算各所述關聯網元與所述網元起始點之間的連接概率，根據各所述連接概率構建網元序列。

3.如權利要求2所述的告警關聯方法，其特征在于，所述計算各所述關聯網元與所述網元起始點之間的連接概率的步驟，包括：

遍歷各所述關聯網元，確定遍歷的關聯網元和所述網元起始點之間連接關系對應的權重，并根據所述權重和預設的跳轉概率計算公式計算所述遍歷的關聯網元和所述網元起始點之間的連接概率。

4.如權利要求1所述的告警關聯方法，其特征在于，所述根據各所述網元序列對應的網元向量構建告警關聯模型的步驟，包括：

獲取所述特征數據中的分類特征數據，并對所述分類特征數據中的所有字段進行編碼處理，以獲取字段編碼；

確定所述特征數據中告警發生時間對應的時間差值，根據所述字段編碼、所述時間差值和各所述網元序列對應的網元向量構建關聯模型，并對所述關聯模型進行迭代優化，以獲取告警關聯模型。

5.如權利要求4所述的告警關聯方法，其特征在于，所述根據所述字段編碼、所述時間差值和各所述網元序列對應的網元向量構建關聯模型的步驟，包括：

根據預設的告警專屬詞匯表對所述特征數據中的告警信息進行分詞處理，以獲取多個分詞，并確定各所述分詞對應的詞向量；

將各所述字段編碼、各所述詞向量、所述時間差值和各所述網元序列對應的網元向量輸入至預設的神經網絡模型中進行模型訓練，以獲取關聯模型。

6.如權利要求4所述的告警關聯方法，其特征在于，所述對所述關聯模型進行迭代優化，以獲取告警關聯模型的步驟，包括：

確定所述原始數據中故障原因一致的所有告警數據對，并依次將各所述告警數據對輸入至所述關聯模型進行模型訓練；

基于所述模型訓練的訓練結果對所述關聯模型進行迭代優化，以獲取告警關聯模型。

7.如權利要求6所述的告警關聯方法，其特征在于，所述基于所述模型訓練的訓練結果對所述關聯模型進行迭代優化的步驟，包括：

獲取所述模型訓練的訓練結果對應的所有告警關聯度，并檢測各所述告警關聯度是否大于預設關聯度；

根據所述檢測各所述告警關聯度是否大于預設關聯度的檢測結果對所述關聯模型進行迭代優化。

8.一種告警關聯裝置，其特征在于，所述告警關聯裝置包括：

獲取模塊，用于根據獲取的原始數據構建訓練集，并確定所述訓練集中告警數據對的特征數據；

構建模塊，用于根據所述特征數據確定所有網元，并根據各所述網元構建網絡拓撲圖；

確定模塊，用于確定所述網絡拓撲圖中的所有網元序列，并根據各所述網元序列對應的網元向量構建告警關聯模型；

告警關聯預測模塊，用于若接收到輸入的待測告警數據對，則根據所述告警關聯模型對所述待測告警數據對進行告警關聯預測，以確定所述待測告警數據對的告警關聯關系。