[发明专利]一种基于语义分析算法的IT设备运维故障建议处理方法

权利要求书

1.一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：获取IT设备运维的故障缺陷数据，对故障缺陷数据进行分类并根据分类信息生成故障识图谱，根据故障知识图谱提取缺陷数据的缺陷描述过程，将缺陷描述过程生成缺陷处理问题，根据缺陷处理问题对应排布成一个故障缺陷描述-缺陷处理问题模型，利用语义分析对故障缺陷描述-缺陷解处理问题模型中的每个IT设备故障缺陷数据样本进行训练，获取IT设备故障缺陷的处理建议，然后搜索与缺陷处理问题对应的缺陷处理建议，将搜索的缺陷处理建议进行排序和筛选，并对排序和筛选的处理建议进行推送。

2.根据权利要求1所述的一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：对搜索的缺陷处理建议进行排序和筛选获取超出一定阀值或排序靠近的缺陷处理建议，以获取并完整的IT设备故障的缺陷处理建议，并完整推送IT设备故障的缺陷处理建议。

3.根据权利要求1所述的一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：利用语义分析方法对故障缺陷描述-缺陷处理问题模型的每个IT设备故障缺陷样本进行训练的过程包括：对IT设备故障缺陷描述与缺陷处理问题进行提问，并在每一次提问的前端插入一个开始标识符，在每一次提问的末端插入一个结束标识符，将始标识符和结束标识符作为一个词，基于各个词生成一个多维向量，收集多维向量作为学习问答网络的训练样本进行反复输入训练，生成多个不同的提问语句，根据提问语句对缺陷处理建议进行排序和筛选。

4.根据权利要求3所述的一种基于语义分析算法的IT设备运维故障建议处理方法，其特征在于：基于各个词生成一个多维向量包括如下步骤：

步骤41：基于某一个IT设备故障缺陷描述包含N个词，每个词的词向量依次输入基于循环神经网络的编码层，编码层的每个单元采用门控循环单元GRU输出一个隐含层向量，则第N个词对应第n个门控循环单元GRU所输出的隐含层向量h_n满足；

h_n＝GRU(h_n-1,v_n)， (1)；

式中，GRU()为门控循环单元的运算函数，v_n为N个词对应的n维向量；

步骤42：提取第n个门控循环单元GRU的隐含层向量h_n作为解码层的输入，该解码层采用采用基于门控循环单元的循环神经网络结构，将隐含层向量h_n输入解码层的第1个循环神经网络结构GRU的同时，插入一个开始标识符对应的解码词向量w₀，并将第1个解码词向量w₀也输入解码层的第1个循环神经网络结构GRU，得到解码层第1个循环神经网络结构GRU的隐含层向量g₁，依次类推直至插入第m个开始标识符对应的解码词向量w_m，并将第m个解码词向量w_m也输入解码层的第m个循环神经网络结构GRU，得到第m个循环神经网络结构GRU输出的隐含层向量g_m，则解码层第m+1个循环神经网络结构GRU输出的隐含层向量g_m+1满足：

g_m+1＝GRU(g_m,w_m)， (2)；

其中，GRU()为门控循环单元的运算函数，w_m为解码层输出的第m个解码词的词向量；

步骤43：对第m个解码词对应的解码词向量w_m进行解码，并依次排列各个解码层输出的解码词，并将最后一个解码词删除，即为解码层输出的提问语句。