[发明专利]基于数据挖掘的通信故障定位方法及系统

权利要求书

1.一种基于数据挖掘的通信故障定位方法，其特征在于，至少包括以下步骤：

S1.采集通信服务系统中的事件数据，包括日常监控数据、日志数据和历史数据，并进行预处理；

S2.根据日志数据确定发生故障的组件，即确认事件数据对应的事件中发生的故障；

S3.将故障作为父节点，事件作为子节点，分析父节点与子节点之间的关系，即明确事件发生故障的原因；

S4.结合步骤S3的输出，引入变量，构造有观测值的因果全连接图，对因果全连接图中无关条件冗余关系进行处理，得到故障连接图；

S5.确定故障连接图边界的方向，得到组件KPI因果图；

S6.确定事件对应的故障原因集合，以事件对应的故障原因集合作为KPI因果图的输入，通过KPI因果图输出故障根因集合，并确认故障原因是根因的可能性；

S7.结合权重分配法，对导致故障的根因进行溯源，从而对故障进行定位。

2.根据权利要求1所述的基于数据挖掘的通信故障定位方法，其特征在于，步骤S1中采集事件数据之前还要学习通信业务知识，所述的通信业务包括通信系统拓扑架构、配置信息和流量规律。

3.根据权利要求1所述的基于数据挖掘的通信故障定位方法，其特征在于，所述事件数据的类型包括结构化数据、半结构化数据及非结构化数据。

4.根据权利要求3所述的基于数据挖掘的通信故障定位方法，其特征在于，步骤S1所述的预处理方式为归一化处理。

5.根据权利要求4所述的基于数据挖掘的通信故障定位方法，其特征在于，步骤S4中进行因果全连接图中无关条件冗余关系处理时，对相邻两个变量进行条件独立性检验，条件独立性检验基于偏相关系数，表达式为：

其中，r₁₂、r₁₃、r₂₃分别表示变量x1和变量x2之间的相关系数、变量x1和变量x2之间的相关系数、变量x2和变量x3之间的相关系数；r₁₂₍₃₎表示在分析变量x1和x2之间的净相关时，当控制了变量x3的线性作用后，x1和x2之间的一阶偏相关系数；

若两个相邻变量存在条件独立性，则删除全连接图中两个相邻变量之间的边，剔因果全连接图中无关条件冗余关系。

6.根据权利要求5所述的基于数据挖掘的通信故障定位方法，其特征在于，步骤S5所述确定故障连接图边界的方向的过程为：

设故障连接图中的两个变量为v₁和v₂，v₁和v₂之间有直接的因果连接；根据事件数据上呈现的不对称性，推断v₁和v₂间的因果方向，即区分故障连接图中v₁和v₂间的因果方向为v₁→v₂，还是v₁←v₂。

7.根据权利要求6所述的基于数据挖掘的通信故障定位方法，其特征在于，步骤S7所述结合权重分配法，对导致故障的根因进行溯源时，对KPI因果图上的根因路径进行排序，按照排序的最高优先级确认根因路径。

8.根据权利要求7所述的基于数据挖掘的通信故障定位方法，其特征在于，对根因路径进行排序时，在KPI因果图上的路径所有边的权值之和越大，优先级越高。

9.根据权利要求7所述的基于数据挖掘的通信故障定位方法，其特征在于，对根因路径进行排序时，在KPI因果图上的路径长度越短，优先级越高。

10.一种基于数据挖掘的通信故障定位系统，其特征在，所述系统用于实现权利要求1～8任意一项所述的基于数据挖掘的通信故障定位方法，包括：

事件数据采集及预处理模块，用于采集通信服务系统中的事件数据，包括日常监控数据、日志数据和历史数据，并进行预处理；

故障组件确认模块，根据日志数据确定发生故障的组件，即确认事件数据对应的事件中发生的故障；

故障原因分析模块，用于将故障作为父节点，事件作为子节点，分析父节点与子节点之间的关系，明确事件发生故障的原因；

故障连接图构建模块，用于构造有观测值的因果全连接图，对因果全连接图中无关条件冗余关系进行处理，得到故障连接图；

边界方向确认模块，用于确定故障连接图边界的方向，得到组件KPI因果图；

根因推断模块，用于确定事件对应的故障原因集合，以事件对应的故障原因集合作为KPI因果图的输入，通过KPI因果图输出故障根因集合，并确认故障原因是根因的可能性；

故障定位模块，结合权重分配法，对导致故障的根因进行溯源，从而对故障进行定位。