[发明专利]故障告警模型创建方法、装置、故障告警方法及装置

权利要求书

1.一种故障告警模型创建方法，其特征在于，包括：

获取多个告警信息样本，每个告警信息样本为包括故障告警类型以及故障告警时间的告警信息；

针对每个告警信息样本，执行以下处理：

根据所述故障告警时间以及故障告警日志的类型，采集该告警信息样本对应的多个故障告警日志，所述多个故障告警日志包括反馈系统启动信息的系统内核日志和反馈系统传感器数据的系统事件日志；

针对每个故障告警日志，使用词向量化工具，对该故障告警日志中每个单词进行词向量化操作，获取该故障告警日志中每个单词的词向量信息；对该故障告警日志中的每个单词的词向量信息进行叠加操作，以获取该故障告警日志的叠加词向量信息；

根据所述故障告警类型，确定不同类型的故障告警日志的权重信息，其中，所述系统内核日志与设备输入输出故障的关联度较大，所述系统事件日志与设备驱动故障的关联度较大；

根据每个故障告警日志的权重信息，对所述多个故障告警日志的叠加词向量信息进行合成操作，得到该告警信息样本的叠加词向量信息；以及

以每个告警信息样本的叠加词向量信息作为输入、以该告警信息样本的故障告警类型作为输出，对预设的神经网络模型框架的参数进行神经网络模型训练，从而创建对应的故障告警模型。

2.根据权利要求1所述的故障告警模型创建方法，其特征在于，所述使用词向量化工具，对该故障告警日志中每个单词进行词向量化操作，获取该故障告警日志中每个单词的词向量信息的步骤包括：

对该故障告警日志进行去字符串预处理；

按时间顺序，对去字符串预处理后的故障告警日志中的日志语句进行排序；以及

使用词向量化工具，对排序后的故障告警日志中每个单词，进行词向量化操作，以获取该故障告警日志中每个单词的词向量信息。

3.根据权利要求2所述的故障告警模型创建方法，其特征在于，还包括：

对所有的故障告警日志进行分词操作；

使用词向量化工具，根据所有分词操作后的故障告警日志中单词的词序以及故障告警日志中日志语句的语句顺序，生成用于表示单词与词向量信息的词向量化字典表；

所述使用词向量化工具，对排序后的故障告警日志中每个单词，进行词向量化操作，以获取该故障告警日志中每个单词的词向量信息的步骤包括：

使用所述词向量化字典表，对排序后的故障告警日志中的每个单词进行查表操作，以获取该故障告警日志中每个单词的词向量信息。

4.根据权利要求1所述的故障告警模型创建方法，其特征在于，所述故障告警模型创建方法还包括：

使用张量流机器学习方法构建所述神经网络模型框架，其中所述神经网络模型框架包括输入叠加词向量信息的输入层、使用整流线性激活函数的隐藏层以及使用损失函数输出的输出层。

5.一种故障告警方法，其特征在于，包括：

获取待确认告警信息，并根据待确认告警信息采集对应的至少一个待确认故障告警日志；

使用词向量化工具，对所述待确认故障告警日志进行词向量化操作，以获取所述待确认故障告警日志的词向量信息；

对所述待确认故障告警日志中的每个单词的词向量信息进行叠加操作，以获取所述待确认故障告警日志的叠加词向量信息；

将所述待确认故障告警日志的叠加词向量信息输入至权利要求1-4中任一的故障告警模型中，以获取所述待确认故障告警日志的故障告警类型的概率；以及

根据所述待确认故障告警日志的故障告警类型的概率进行故障告警操作。

6.根据权利要求5所述的故障告警方法，其特征在于，所述故障告警方法还包括：

对同一待确认告警信息对应的多个待确认故障告警日志的叠加词向量信息进行合成操作，以得到所述待确认告警信息的叠加词向量信息；

所述将所述待确认故障告警日志的叠加词向量信息输入至权利要求1-4中任一的故障告警模型中，以获取所述待确认故障告警日志的故障告警类型的概率的步骤为：

将所述待确认告警信息的叠加词向量信息输入至权利要求1-4中任一的故障告警模型中，以获取所述待确认故障告警日志的故障告警类型的概率。