[发明专利]多语种告警信息类别判定方法、系统、设备及存储介质

权利要求书

1.一种多语种告警信息类别判定方法，其特征在于，包括以下步骤：

获取待分类多语种告警信息；

将待分类多语种告警信息通过预设的字词库编码为编码序列；

将编码序列输入预设的高维语义特征提取模型，得到高维语义特征向量；

将高维语义特征向量输入预设的告警类型分类模型，得到待分类多语种告警信息的告警类型；

所述字词库通过如下方式构建：

获取历史多语种告警信息；

统计历史多语种告警信息中出现的汉字、各汉字出现的次数、出现的英文单词以及各英文单词出现的次数；

将出现次数大于预设次数的汉字、出现次数大于预设次数的英文单词、10个阿拉伯数字、UNK、BOS以及EOS均作为字词库元素；

将各字词库元素从1开始进行统一编码，得到各字词库元素的编码；

将各字词库元素及各字词库元素的编码组合，得到字词库；

其中，所述高维语义特征提取模型通过如下方式构建：

获取历史多语种告警信息；

将历史多语种告警信息通过预设的字词库编码为历史编码序列；

通过历史编码序列训练预设的长短时记忆网络模型，得到高维语义特征提取模型；

所述告警类型分类模型通过如下方式构建：

获取历史多语种告警信息；

将历史多语种告警信息通过预设的字词库编码为历史编码序列；

将历史编码序列输入预设的高维语义特征提取模型，得到历史高维语义特征向量，确定各历史高维语义特征向量对应的历史多语种告警信息的告警类型，作为各历史高维语义特征向量的标签；

通过各历史高维语义特征向量及各历史高维语义特征向量的标签，训练预设的三层前馈神经网络模型，得到告警类型分类模型。

2.根据权利要求1所述的多语种告警信息类别判定方法，其特征在于，所述将待分类多语种告警信息通过预设的字词库编码为编码序列的具体方法为：

将待分类多语种告警信息中的，且包含在字词库中的汉字、英文单词以及阿拉伯数字，采用字词库中对应的字词库元素的编码替换；

将待分类多语种告警信息中的，且未包含字词库中的汉字或英文单词采用字词库中UNK的编码替换；

采用字词库中BOS的编码作为编码序列的开始，采用字词库中EOS的编码将编码序列截断或补充为固定长度，得到编码序列。

3.根据权利要求1所述的多语种告警信息类别判定方法，其特征在于，所述将编码序列输入预设的高维语义特征提取模型，得到高维语义特征向量的具体方法为：

获取编码序列中各编码的one-hot向量，并依次将各编码的one-hot向量与预设的词嵌入矩阵相乘后输入预设的高维语义特征提取模型；将高维语义特征提取模型最后时刻的细胞状态，作为高维语义特征向量。