[发明专利]一种计算机硬件故障更换件推荐的方法

权利要求书

1.一种计算机硬件故障更换件推荐的方法，是基于集成学习和知识图谱的计算机硬件故障更换备件推荐方法，其特征在于，包括以下步骤：

S1数据清洗；以增量的方式，不断获取计算机硬件维修历史工单，并对工单数据进行初步的数据清洗，对关键字段进行值校验，剔除空值、乱码、特殊符号等异常数据；

S2对工单中的客户故障描述去停用词，进行二次数据清洗；

S3对客户故障描述进行分词；使用Jieba库，确定客户故障描述中的每个字之间的关联概率，汉字间概率大的组成词组，形成分词结果，生成特征词组；

S4将特征词组与计算机机型结合，作为特征组，确保故障的特征以及客户描述的语义与计算机的机型建立相关性，为后续模型训练提供更明确的数据；

S5使用计数向量化器词袋模型进行文本特征提取；计数向量化器通过计数来将特征组转换为向量；当不存在先验字典时，计数向量化器作为估算器提取词汇进行训练，并生成一个计数向量模型，用于存储相应的词汇向量空间；

S6将S5得到的词汇向量作为X输入，将标准故障代码作为y标签，放入随机森林模型中，进行训练，训练完成后保存模型；

S7对客户的故障描述，使用S6生成的模型进行NLP自然语言处理，转为标准故障代码：维修客服中心在接到线上客户咨询时，系统根据客户的故障描述，调用训练完成的随机森林模型，将客户对计算机硬件故障的描述传入模型，由模型生成标准故障代码；

S8将清洗后的工单数据中与标准故障代码、故障现象、更换备件、机型相关的信息进行分类，各个分类对应知识图谱中不同类型的节点，节点之间关系的权重值等于各个节点所属的分类在维修工单中关系出现的频次累加值，将节点与关系信息通过neo4j-admin导入neo4j图数据库中，形成知识图谱；

S9将随机森林生成的标准故障代码作为条件，传入S8创建的知识图谱，即刻检索出该标准故障代码对应的所有关联的更换备件，按照标准故障代码节点和更换备件节点之间关系的权重值进行降序排列，返回以往该故障发生时，使用次数最多、更换概率最大的一个可更换的备件；如果检索结果有多个备件时，可同时多返回第二、第三个结果，作为备选结果，应对第一个最优结果备件缺货时可以依次使用第二、第三个结果来代替；计算机硬件故障更换备件推荐完成。

2.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S1步骤中，数据来源为计算机硬件维修历史工单，并且是以增量方式获取，不断丰富随机森林模型的训练数据样本和知识图谱的节点、关系数据源。

3.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S2步骤中，对客户的故障描述进行停用词过滤处理，如果故障描述中出现了停用词库中的词，则删除该词。

4.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S3步骤中，对客户故障描述使用Jieba库进行分词，生成特征词组。

5.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S4步骤中，将分词后的客户故障描述和计算机的机型相结合，作为特征组。

6.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S5步骤中，使用计数向量化器词袋模型对特征组进行文本特征提取，生成词汇向量。

7.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S6步骤中，选取随机森林模型，并且将S5步骤的词汇向量作为模型的X输入，将标准故障代码作为模型训练的y标签。

8.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S7步骤中，将客户对计算机硬件故障的描述传入模型，模型直接生成标准故障代码。

9.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S8步骤中，节点之间关系的权重值等于各个节点所属的分类在维修工单中关系出现的频次累加值。

10.根据权利要求1所述的计算机硬件故障更换件推荐的方法，其特征在于，所述S9步骤中，知识图谱检索的结果按照标准故障代码节点和更换备件节点之间关系的权重值进行降序排列，返回第一个最优结果，若有多个结果，则多返回1至2个备用结果。