[发明专利]一种基于机器学习的ITIL事件预演方法和装置

权利要求书

1.一种基于机器学习的ITIL事件预演方法，其特征在于，包括以下步骤：

步骤S1：整理ITIL的管理系统的知识库，获取知识库的标签描述、内容描述；利用Hadoop大数据技术，对知识库中的非结构化文本数据进行处理和聚合操作，满足知识的多样性的要求；

步骤S2：利用已训练的循环神经网络框架提取步骤S1所述的多维特征值；

步骤S3：将所得的数值特征保存成矩阵数组，并将数据集根据75％：25％的比例分成训练集和测试集；

步骤S4：将训练集根据步骤S2得到的特征及其已知的用户信息、事件信息输入SVM进行训练，训练器自动总结不同知识的细微差别特点，生成分类模型，对分类模型进行分类并保存；

步骤S5：分类器的惩罚系数和核函数系数可变，训练时采用多种该参数组合进行测试，最后选取分类效果最好的参数组合，为分类器的分类精度标准，然后确认此模型参数并保存此分类器；若分类结果不理想，则调整模型的相关参数惩罚系数和核函数系数，再重复进行步骤S4，直到分类准确为止；

步骤S6：通过步骤S5中得到的分类器，对知识进行鉴别，依据事件特有属性获取相似事件的演变趋势，之后将事件对应参数输入上述训练好的SVM分类器，即可得到较优的解决方案。

2.根据权利要求1所述的一种基于机器学习的ITIL事件预演方法，其特征在于，所述步骤S1中，获取对应的事件关键字特征，事件的问题描述、事件的处理结果等信息入库；事件对应的处理工程师按照级别进行加权处理；所有特征信息进行降维处理，进入特征值数据集。

3.根据权利要求1所述的一种基于机器学习的ITIL事件预演方法，其特征在于，所述步骤S2中，网络框架采用TensorFlow网络框架。

4.根据权利要求1所述的一种基于机器学习的ITIL事件预演方法，其特征在于，所述步骤S4中，将测试集利用生成的分类模型对其使用价值进行分类，并对比其已知的实际使用价值即可得到分类器的分类精度。

5.根据权利要求1所述的一种基于机器学习的ITIL事件预演方法，其特征在于，所述步骤S4中，选取多条数据作为样本进行SVM训练，得到性能优化的SVM分类器，具体的方法：设定SVM分类器的数目，对于多种类别需要训练多个SVM分类器；假设有N个事件类别，则需要训练得到N个SVM分类器，此时每个SVM分类器的作用为判断知识是否属于N种类别种植产地中的其中一类；针对于每个分类器，选取N种类别中的其中一种类别的多个特征集为正样本集，选取N种类别的其它类别的作为负样本集；提取所有的正样本集的多维特征值，提取所有负样本集的多维特征值，并对所有的正样本集和所有负样本集赋予样本标签；将所有的正样本集的多维特征值和所有负样本集的多维特征值；所有的正样本集的标签和所有负样本集的标签，都输入到SVM分类器中进行训练；则得到识别其中一类的性能较优化的一个SVM分类器，重复进行步骤S4的操作，得到性能优化的N个SVM分类器。

6.一种基于机器学习的ITIL事件预演装置，其特征在于，包括展示模块、学习匹配模块和存储模块，所述展示模块、存储模块均与学习匹配模块双向连接；

所述存储模块用于存放知识库，并为所述学习匹配模块提供知识库数据；

所述展示模块用于进行结果展示，并将数据传输至所述学习匹配模块；

所述学习匹配模块用于进行机器学习匹配、事件预演判断和优化变更知识库。

7.根据权利要求6所述的一种基于机器学习的ITIL事件预演装置，其特征在于，所述学习匹配模块包括事件预演判断单元和知识库更新单元，所述事件预演判断单元用于进行事件预演判断并将结果传输至所述展示模块，所述知识库更新单元用于优化更新知识库并存放到所述存储模块内。