[发明专利]基于意图驱动的网络故障诊断方法及系统

权利要求书

1.一种基于意图驱动的网络故障诊断方法，其特征在于，包括：

获取当前网络中的用户意图；

将所述用户意图输入到训练好的网络故障分类模型中，得到所述当前网络的故障种类和故障严重程度，所述训练好的网络故障分类模型是由样本用户意图，通过贝叶斯分类算法训练得到的；

将所述用户意图输入到训练好的用户情绪分级模型中，得到所述用户意图的情绪类型，并根据所述情绪类型确定所述当前网络的网络故障紧急程度，所述训练好的用户情绪分级模型是由标记有用户意图情绪标签的样本用户意图对神经网络进行训练得到的；

根据所述故障种类、所述故障严重程度和所述网络故障紧急程度，确定所述当前网络的故障处理优先级，以根据所述故障处理优先级对所述当前网络进行网络故障处理；

在所述根据所述故障种类、所述故障严重程度和所述网络故障紧急程度，确定所述当前网络的故障处理优先级之后，所述方法还包括：

根据预设环境数据定义类型，通过环境数据感知，获取所述当前网络对应故障的环境数据，所述环境数据包括地理环境数据、气候环境数据、生活环境数据和电波环境数据；

根据所述故障处理优先级和所述环境数据，对所述当前网络进行网络故障处理。

2.根据权利要求1所述的基于意图驱动的网络故障诊断方法，其特征在于，所述训练好的网络故障分类模型通过以下步骤得到：

提取样本用户意图中的样本文本内容，并获取所述样本文本内容中包含的故障种类和故障严重程度；

根据所述样本文本内容和对应的故障种类和故障严重程度，构建第一训练样本集；

通过所述第一训练样本集，对朴素贝叶斯模型进行训练，得到训练好的网络故障分类模型。

3.根据权利要求1所述的基于意图驱动的网络故障诊断方法，其特征在于，所述训练好的用户情绪分级模型通过以下步骤得到：

提取样本用户意图中的样本文本内容，并在所述样本文本内容中标记对应的用户情绪类型，构建得到第二训练样本集；

将所述第二训练样本集输入到长短期记忆网络中进行训练，得到训练好的用户情绪分级模型。

4.根据权利要求1所述的基于意图驱动的网络故障诊断方法，其特征在于，所述根据预设环境数据定义类型，通过环境数据感知，获取所述当前网络对应故障的环境数据，包括：

根据地理位置ID、经纬度信息、海拔高度信息和地理类型，获取地理环境数据；

根据季节信息、温湿度信息、风力信息和天气状况，获取气候环境数据；

根据地区环境类型、建筑物密度、工业环境信息、终端所处室内外信息、交通工具环境信息和终端移动信息，获取生活环境数据；

根据终端所在频点信息和干扰信息，获取电波环境信息。

5.一种基于意图驱动的网络故障诊断系统，其特征在于，包括：

用户意图采集模块，用于获取当前网络中的用户意图；

网络故障分类模块，用于将所述用户意图输入到训练好的网络故障分类模型中，得到所述当前网络的故障种类和故障严重程度，所述训练好的网络故障分类模型是由样本用户意图，通过贝叶斯分类算法训练得到的；

故障紧急程度确定模块，用于将所述用户意图输入到训练好的用户情绪分级模型中，得到所述用户意图的情绪类型，并根据所述情绪类型确定所述当前网络的网络故障紧急程度，所述训练好的用户情绪分级模型是由标记有用户意图情绪标签的样本用户意图对神经网络进行训练得到的；

网络故障第一诊断模块，用于根据所述故障种类、所述故障严重程度和所述网络故障紧急程度，确定所述当前网络的故障处理优先级，以根据所述故障处理优先级对所述当前网络进行网络故障处理；

所述系统还包括：

环境数据感知模块，用于根据预设环境数据定义类型，通过环境数据感知，获取所述当前网络对应故障的环境数据，所述环境数据包括地理环境数据、气候环境数据、生活环境数据和电波环境数据；

网络故障第二诊断模块，用于根据所述故障处理优先级和所述环境数据，对所述当前网络进行网络故障处理。