[發明專利]告警根因判斷方法、模型訓練方法、裝置、設備和介質

在審

• 申請號: 202111574607.7
• 申請日: 2021-12-21
• 公開（公告）號: CN114237962A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 王浩彬;李晨;黃芬芬;王田媛
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06N3/04;G06N3/08
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 孫寶海;趙新龍

1.一種告警根因預測模型的訓練方法，其特征在于，包括：

獲取歷史告警信息，其中，所述歷史告警信息包括歷史告警和所述歷史告警對應的根因；

根據所述根因與所述歷史告警的對應關系，組成多個歷史告警群，得到訓練樣本；

以使每組所述歷史告警群的根因的預測概率最大化為訓練目標，重復的修正skip-gram的嵌入算法的預設參數，直至滿足所述訓練樣本的根因的預測概率最大化，得到所述告警根因預測模型。

2.根據權利要求1所述的訓練方法，其特征在于，所述根據所述根因與所述歷史告警的對應關系，組成多個歷史告警群，得到訓練樣本的步驟，包括：

利用獨熱方法對所述歷史告警進行編碼，得到所述歷史告警的獨熱編碼；

將以相同根因導致的多個所述歷史告警集合到同一歷史告警群，得到多組歷史告警群；

將所述多組歷史告警群進行收集，得到訓練樣本。

3.根據權利要求1所述的訓練方法，其特征在于，所述以使每組所述歷史告警群的根因的預測概率最大化為訓練目標，重復的修正skip-gram的嵌入算法的預設參量，直至滿足所述訓練樣本的根因的預測概率最大，得到所述告警根因預測模型的步驟，包括：

根據告警發生時間對一個歷史告警群內的告警進行排序，獲得對應歷史告警的時間序列信息和歷史根因；

逐一以所述歷史告警群中的所述歷史告警為告警中心，通過所述預訓練的告警根因預測模型，對所述告警中心在時間序列上距離為m的歷史告警和歷史根因進行預；

根據所述告警根因預測模型輸出的訓練結果，重復的修正skip-gram的嵌入算法的參數；

將所述訓練樣本中所述多個歷史告警群分別訓練完成，得到所述告警根因預測模型。

4.根據權利要求2所述的訓練方法，其特征在于，所述告警根因預測模型分別存儲嵌入矩陣和解析矩陣，所述嵌入矩陣和解析矩陣中均具有能夠修正的預設參數；其中，

所述嵌入矩陣對所述歷史告警的獨熱編碼進行處理，獲得嵌入編碼；

所述嵌入編碼輸入所述解析矩陣中進行處理，輸出預測告警和所述預測告警的概率分布。

5.一種告警根因的判斷方法，其特征在于，包括：

收集預設時段內的告警組成告警群；

調用告警根因預測模型，其中，所述告警根因預測模型通過權利要求1至4任意一項所述的訓練方法訓練得到；

將所述告警群輸入所述告警根因預測模型，對所述告警群進行解析，得到預測告警和所述預測告警的概率；

根據所述預測告警和所述預測告警的概率，計算每個所述預測告警為根因的概率，以計算結果中最大概率對應的所述預測告警作為預測根因。

6.根據權利要求5所述的判斷方法，其特征在于，所述將所述告警群輸入所述告警根因預測模型，對所述告警群進行解析，得到預測告警和所述預測告警的概率的步驟，包括：

將所述告警群輸入所述告警根因預測模型，判斷所述告警是否已編碼；

如果所述告警沒有編碼，選擇相同類型的告警信息模型獲取模型的編碼均值作為該告警的編碼；

對所述告警群中的每個告警進行解析，求解每個告警的預測概率排名前2m+1的預測告警和所述預測告警的預測概率，得到預測結果匯總表，其中，m為skip-gram模型的窗口大小，將所述預測告警在預測中沒有進入排名前2m+1時，以預設概率替換預測概率。

7.根據權利要求5所述的判斷方法，其特征在于，所述計算每個所述預測告警為根因的概率，包括：

將每個所述預測告警中所有出現的預測概率相乘，得到所述預測告警為根因的概率。