[发明专利]一种挖掘KPI根因的方法及装置在审

专利信息
申请号: 201710620470.1 申请日: 2017-07-26
公开(公告)号: CN109947760A 公开(公告)日: 2019-06-28
发明(设计)人: 杨育彬;范仕良;卢文羊;宋平 申请(专利权)人: 华为技术有限公司;南京大学
主分类号: G06F16/22 分类号: G06F16/22;G06F16/2458
代理公司: 北京中博世达专利商标代理有限公司 11274 代理人: 申健
地址: 518129 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 训练数据集 决策树 存储路径 挖掘 读取 通信技术领域 记录 采集 查找
【说明书】:

发明实施例公开了一种挖掘KPI根因的方法及装置,涉及通信技术领域,能够快速、准确地查找到KPI根因。具体方案为:获取参数,该参数包括KPI报表的存储路径以及待挖掘的异常KPI项;根据KPI报表的存储路径读取KPI报表,该KPI报表包括N行,M列;执行以下步骤101‑102至少一次,获取至少一个决策树;101、采集KPI报表中至少一条第一记录和至少一条第二记录,得到训练数据集;102、根据训练数据集的M个特征,分别对训练数据集进行训练,得到决策树;根据至少一个决策树确定目标根因。本发明实施例用于查找KPI根因的过程。

技术领域

本发明实施例涉及通信技术领域,尤其涉及一种挖掘KPI根因的方法及装置。

背景技术

随着网络的发展、用户数量的增加以及用户分布的改变,网络性能不断发生变化;网络性能的优化是系统实际运营过程中的一个重要环节,是运行维护工作的一个重要组成部分。通过不断地进行有效的网络优化,在保证网络设备正常运行的前提下,根据系统的实际表现、实际性能,对系统进行分析,并对系统的参数进行调整,可以使网络性能得以逐步改善。而随着通信技术的发展,移动通信网络规模的扩大,如何准确、实时地掌握网络的运行情况,如何从用户的角度感知网络性能,如何评价网络的质量是移动运营商的重要工作之一。

一般地,可以采用网络性能监测分析的方法,依靠预定义的一组关键绩效指标(Key Performance Indicators,KPI)挖掘到网络性能问题的根因。具体的,KPI根因挖掘主要从关键KPI性能指标恶化的现象出发,找出网络异常现象背后产生网络性能问题的最直接、相关的根因,并输出各种根因统计结果。根据挖掘的根因,可以针对性的选择最佳KPI优化方案,从而最大概率降低关键KPI性能指标恶化的次数和比例,减少不必要参数调整或者误调,从而提高网络性能。

现有的技术中,可以通过网络运维人员凭借经验和一些数据处理工具,挖掘出KPI性能指标恶化的根因。

但是,随着数据量的增长,使得传统的人工处理方式的难度增加,挖掘KPI根因的准确性得不到保障,挖掘的速度较慢,使得网络性能问题的不能够及时、有效地解决。

发明内容

本申请提供一种挖掘KPI根因的方法及装置,能够快速、准确地查找到KPI根因。

为达到上述目的,本申请采用如下技术方案:

本申请的第一方面,提供一种挖掘KPI根因的方法,包括:获取参数,该参数包括KPI报表的存储路径以及待挖掘的异常KPI项;根据KPI报表的存储路径读取KPI报表,该KPI报表包括N行,M列,N和M均为大于或者等于1的正整数;其中,一列用于存储一个特征,一个特征为一个KPI项,一个KPI项包括该KPI标识和对应的特征值,待挖掘的异常KPI项为KPI报表中的一个特征;一行用于存储一条记录;执行以下步骤101-102至少一次,获取至少一个决策树;101、采集KPI报表中至少一条第一记录和至少一条第二记录,得到训练数据集,该训练数据集包括M个特征,P条记录,P为大于或者等于1的正整数;第一记录为待挖掘的异常KPI项中的特征值为正常数据的记录,第二记录为待挖掘的异常KPI项中的特征值为异常数据的记录;P小于或者等于N;102、根据训练数据集的M个特征,分别对训练数据集进行训练,得到决策树;其中,决策树包括至少两层节点,一个非叶节点为训练数据集的一个特征的特征值确定的训练条件,该非叶节点的第一子节点包含训练数据集中满足非叶节点的训练条件的记录,该非叶节点的第二子节点包含训练数据集中不满足非叶节点的训练条件的记录;一个非叶节点的训练条件与该非叶节点的子节点的训练条件不同;根据至少一个决策树确定目标KPI根因,目标KPI根因为KPI报表中使得待挖掘的异常KPI项异常的特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司;南京大学,未经华为技术有限公司;南京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710620470.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top