[发明专利]一种基于LDA的软件故障专家系统的构建方法

说明书

一种基于LDA的软件故障专家系统的构建方法，步骤如下：1、搜集故障案例；2、对FEMA案例集文本进行迭代，分别构建故障属性主题模型；3、针对故障症状信息，构建症状主题模型；4、实现症状主题模型与故障属性主题模型的语义关联推理评分算法；5、整合步骤2～4，完成推理子系统的构建；6、利用Hadoop技术完成存储子系统的构建，实现对案例文本数据和LDA主题模型数据存储，以及推理评分数据存取；7、构建服务子系统，实现客户端与后端的数据交互；8、整合存储子系统、推理子系统以及服务子系统，完成专家系统的构建；本发明完成与故障属性主题模型的语义关联推理，获取故障相关信息作为诊断结果，完成软件故障诊断。

技术领域

本发明提供一种基于LDA的软件故障专家系统的构建方法，它涉及一种基于LDA的软件故障专家系统的实现，属于软件可靠性、软件故障诊断领域。

背景技术

LDA(Latent Dirichlet Allocation)即潜在狄利克雷分布，是一种非监督机器学习技术，可以用来识别大规模文档集或语料库中隐含的主题信息。目前，基于LDA的技术已在文本挖掘、知识发现、话题跟踪以及多文档摘要等领域得到了广泛应用。例如，通过LDA技术提取文档的主题模型，并依此为依据建立文档之间的相关性生成文档的关系图谱；通过LDA技术对已知的被标记文档内容进行分析，进而推断新文档的标签类别，实现互联网文档标签推荐系统等。利用LDA技术，我们将提出一种软件故障专家系统的构建方法，该系统可以学习软件故障的历史数据，建立对应的故障属性主题模型，当输入故障症状后，系统利用症状信息建立症状主题模型，结合故障主题模型分析两者之间潜在的语义联系对故障案例进行关联排序，最后将推理得到的排序结果提供给用户作为故障诊断信息。

该系统基于LDA技术融合故障分析与故障处理等相关理论、方法和技术进行构建，在提高软件维护性的同时，达到提高软件可靠性、安全性、可用性的目的。

发明内容

(一)本发明目的：根据知识组织方式与推理机制的不同，专家系统可大致分为：基于规则的专家系统、基于模型的专家系统、基于模糊推理的专家系统、基于事例的诊断专家系统以及基于网络的诊断专家系统等。尽管专家系统的种类很多，但这些专家系统并不能对故障间的潜在联系进行分析来获得故障推理结果。因此本发明将克服现有技术的不足，提供一种基于LDA的软件故障专家系统的构建方法对上述问题进行解决。该系统利用“词-主题-文档”的三层贝叶斯概率网络结构分别对已有的历史故障信息及待诊断的故障症状信息数据进行LDA建模，并对两个模型间的主题相似性进行推理评分，从而获得与待诊断故障最为匹配的诊断信息。可以看出基于LDA的故障专家系统更加注重故障之间的主题关联，充分地挖掘故障信息的语义，为故障诊断领域提供了一种新的解决方法，并对现有的故障专家系统进行了创新。

(二)技术方案

本发明技术方案：一种基于LDA的软件故障专家系统的构建方法，其步骤如下：

步骤1、搜集大量与被诊断软件相关的故障案例，筛选出合适的案例集。根据被诊断软件所有可能发生的原因、现象以及其他故障属性(如故障所在位置、故障严酷度等)，对案例集中的案例逐条进行失效模式与影响分析即FMEA(Failure Mode and EffectAnalysis)分析；

步骤2、对FEMA形式案例集文本数据进行迭代，利用LDA算法分别构建故障属性主题模型：故障现象主题模型、故障原因主题模型、故障措施主题模型；

步骤3、针对待输入的故障症状信息，结合LDA算法构建症状主题模型；

步骤4、实现症状主题模型与故障属性主题模型的语义关联推理评分算法；

步骤5、整合步骤2～4，完成推理子系统的构建；

步骤6、利用Hadoop技术完成存储子系统的构建，实现对案例文本数据和LDA主题模型数据存储，以及推理评分数据存取；