[发明专利]业务故障信息处理方法及装置

说明书

本发明公开了一种业务故障信息处理方法及装置。方法包括：获取业务故障信息，生成与业务故障信息对应的业务故障任务；对业务故障信息进行预处理，以获得预处理后的业务故障信息；将预处理后的业务故障信息输入至预先训练好的机器学习模型中，并获取机器学习模型输出的与业务故障信息对应的故障类别；其中，该机器学习模型为根据历史的业务故障信息训练获得；确定与故障类别匹配的处理节点，并将业务故障任务分配给该处理节点。采用本方案，能够实现业务故障信息的自动化及精准化调度，大幅降低人工成本，提升调度效率，进而有利于业务故障问题的快速解决，提升用户体验。

技术领域

本发明涉及数据处理技术领域，具体涉及一种业务故障信息处理方法及装置。

背景技术

随着科技及社会的不断发展，各类运营商或服务平台为用户提供了多种多样的业务服务，从而大幅方便了用户的工作与生活。然而，随着用户数量的增长，用户反映的业务故障问题也不断增多。

目前，在对用户反映的业务故障问题进行处理的过程中，通常采用的是人工派单的方式。即人工分析用户反映的业务故障问题，将该业务故障问题生成相应的工单，继而派发给相应的维护人员进行处理。

然而，发明人在实施过程中，发现现有技术中存在如下缺陷：采用现有技术中的业务故障问题处理方式，不仅人工成本高，而且效率低下，无法适用于大规模的业务故障问题的处理；此外，随着业务复杂性的提升，针对于该业务故障问题的处理通常会涉及多方的维护人员，而采用现有技术中的人工派单方式，会大大降低故障问题处理的灵活度，并进一步降低故障问题处理效率。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的业务故障信息处理方法及装置。

根据本发明的一个方面，提供了一种业务故障信息处理方法，包括：

获取业务故障信息，并生成与所述业务故障信息对应的业务故障任务；

对所述业务故障信息进行预处理，以获得预处理后的业务故障信息；

将所述预处理后的业务故障信息输入至预先训练好的机器学习模型中，并获取所述机器学习模型输出的与所述业务故障信息对应的故障类别；其中，所述机器学习模型为根据历史的业务故障信息训练获得；

确定与所述故障类别匹配的处理节点，并将所述业务故障任务分配给所述处理节点。

可选的，所述对所述业务故障信息进行预处理进一步包括：

对所述业务故障信息进行数据清洗，以提取所述业务故障信息中的故障特征。

可选的，所述对所述业务故障信息进行预处理进一步包括：

针对于提取出的故障特征进行同维度的合并同类项处理；

和/或，针对于提取出的故障特征进行降维处理；

和/或，采用信息增益法对提取出的故障特征进行再次提取。

可选的，所述对所述业务故障信息进行预处理进一步包括：

将所述故障特征转换为对应的特征向量。

可选的，所述机器学习模型基于人工神经网络构建；其中，所述机器学习模型包含至少一个子网络；任一子网络中包含有4个函数。

可选的，所述确定与所述故障类别匹配的处理节点进一步包括：

基于有向图模型，确定与所述故障类别匹配的处理节点。

可选的，在所述将所述业务故障任务分配给所述处理节点之后，所述方法还包括：

获取所述处理节点的反馈信息；