故障原因定位方法、装置、设备及存储介质与流程

技术特征：
1.一种故障原因定位方法，其特征在于，包括：基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据；基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据；将所述特征数据输入训练好的故障原因定位模型，得到所述目标工单对应的目标故障原因；其中，所述关联告警数据包括：基于工单的故障发生时刻确定的设定时长内的多个告警数据，所述特征数据包括：基于工单的属性信息确定的编码信息、基于所述关联告警数据确定的告警标题统计特征及基于所述关联告警数据确定的告警时序特征，所述故障原因定位模型基于历史工单的故障原因和历史工单的所述特征数据训练生成。2.根据权利要求1所述的方法，其特征在于，所述基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据，包括：基于待故障定位的目标工单的故障发生时刻，获取所述故障发生时刻之前的第一时长及所述故障发生时刻之后的第二设定时长内，所述目标工单的故障发生网络域对应的多个告警数据。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据，包括：提取所述目标工单的属性信息，对所述属性信息进行编码，得到所述编码信息；对所述关联告警数据中的各告警数据基于告警标题进行统计，确定所述告警标题统计特征；对所述关联告警数据中的各告警数据基于告警时序进行排序，确定所述告警时序特征。4.根据权利要求3所述的方法，其特征在于，所述对所述关联告警数据中的各告警数据基于告警标题进行统计，确定所述告警标题统计特征，包括：对所述关联告警数据中的各告警数据的告警标题，基于词频-逆文本频率指数进行统计，得到第一表征向量；对所述第一表征向量基于非负矩阵分解进行向量降维，得到作为所述告警标题统计特征的第二表征向量。5.根据权利要求3所述的方法，其特征在于，所述对所述关联告警数据中的各告警数据基于告警时序进行排序，确定所述告警时序特征，包括：基于词向量模型，对所述关联告警数据中各告警数据基于告警时序排序后的数据进行向量转换，得到作为所述告警时序特征的第三表征向量。6.根据权利要求1所述的方法，其特征在于，所述基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据之前，所述方法还包括：获取多个历史工单的所述特征数据；提取各所述历史工单的故障原因；基于各所述历史工单的所述特征数据和提取的所述故障原因，对初始的故障原因定位模型进行训练，得到训练好的所述故障原因定位模型。7.根据权利要求6所述的方法，其特征在于，所述提取各所述历史工单的故障原因，包
括：将各所述历史工单的处理措施输入故障主题提取模型，得到各所述历史工单的故障主题的分类结果；基于聚类算法，确定所述分类结果属于已有的目标故障主题，将所述目标故障主题作为相应历史工单的所述故障原因；或者，确定所述分类结果为新的故障主题，则新增故障主题并将所述新增故障主题作为相应历史工单的所述故障原因；其中，故障主题提取模型基于注意力机制训练生成。8.根据权利要求6所述的方法，其特征在于，所述方法还包括：基于各所述历史工单的工单标题和提取的所述故障原因，确定所述工单标题对应的所述故障原因的统计数据；所述基于各所述历史工单的所述特征数据和提取的所述故障原因，对初始的故障原因定位模型进行训练，得到训练好的所述故障原因定位模型，包括：基于各所述历史工单的所述特征数据、提取的所述故障原因及所述工单标题对应的所述故障原因的统计数据，对初始的故障原因定位模型进行训练，得到训练好的所述故障原因定位模型。9.一种故障原因定位装置，其特征在于，包括：数据关联模块，用于基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据；特征提取模块，用于基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据；分类模块，用于将所述特征数据输入训练好的故障原因定位模型，得到所述目标工单对应的目标故障原因；其中，所述关联告警数据包括：基于工单的故障发生时刻确定的设定时长内的多个告警数据，所述特征数据包括：基于工单的属性信息确定的编码信息、基于所述关联告警数据确定的告警标题统计特征及基于所述关联告警数据确定的告警时序特征，所述故障原因定位模型基于历史工单的故障原因和历史工单的所述特征数据训练生成。10.一种故障原因定位设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行计算机程序时，执行权利要求1至8任一项所述方法的步骤。11.一种存储介质，所述存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至8任一项所述方法的步骤。

技术总结
本发明公开了一种故障原因定位方法、装置、设备及存储介质。该方法包括：基于待故障原因定位的目标工单，获取目标工单的关联告警数据；基于目标工单和关联告警数据，确定目标工单对应的故障特性的特征数据；将特征数据输入训练好的故障原因定位模型，得到目标工单对应的目标故障原因；关联告警数据包括：基于工单的故障发生时刻确定的设定时长内的多个告警数据，特征数据包括：基于工单的属性信息确定的编码信息、基于关联告警数据确定的告警标题统计特征及基于关联告警数据确定的告警时序特征，故障原因定位模型基于历史工单的故障原因和特征数据训练生成。可以对各工单关联的告警数据进行自动拟合，利于提高故障的定位精度及智能化程度。及智能化程度。及智能化程度。


技术研发人员：花小磊
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2020.10.29
技术公布日：2022/5/5