一种面向运维工单的自动化处理方法

技术特征：
1.一种面向运维工单的自动化处理方法，其特征在于：所述自动化处理方法包括如下步骤：步骤1：采集历史运维工单数据，根据工单生成方式为用户提交或系统生成，分别构建用户工单数据集和系统工单数据集；步骤2：对步骤1构件的用户工单数据集和系统工单数据集采用svm分类模型训练，获得运维工单svm分类器；步骤3：统计用户工单数据集和系统工单数据集中历史运维工单的节点信息，构建运维工单节点依赖关系图；步骤4：对所述运维工单节点依赖关系图的每个节点，分别选取属于该节点的用户工单和系统工单，采用图卷积网络gcn模型获得节点的用户工单特征向量表示和系统工单特征向量表示；步骤5：对所述运维工单节点依赖关系图中每个节点下的不同的工单解决方案，每个解决方案选取属于该解决方案的历史用户工单描述和历史系统工单描述，获取该解决方案的用户序列特征向量表示和系统主题特征向量表示；步骤6：获取待解决运维工单描述信息，并对待解决运维工单描述信息进行文本预处理，采用步骤2获得的所述运维工单svm分类器进行分类，确定运维工单所属类别；步骤7：根据步骤6中确定的运维工单所属类别，选择模型输入运维工单描述信息，获得待解决运维工单的序列特征向量表示和运维工单的主题特征向量表示；步骤8：计算待解决的序列特征向量表示和运维工单的主题特征向量表示与步骤4获得的用户工单特征向量和系统工单特征向量的相似度，选取相似度最高的节点作为待解决工单的故障节点；步骤9：根据步骤8选取的故障节点，计算待解决工单特征向量和该节点下所有解决方案特征向量的相似度，选取相似度最高的解决方案作为待解决工单的解决方案。2.根据权利要求1所述的一种面向运维工单的自动化处理方法，其特征在于：在所述步骤4中，采用图卷积网络gcn获得节点的用户工单特征向量表示和系统工单特征向量表示方式包括如下步骤：步骤4-1：对运维工单节点依赖关系图的每个节点，选取k个属于该节点的用户工单描述进行拼接组成节点的用户特征信息n
u
，选取k个属于该节点的系统工单描述进行拼接组成节点的系统特征信息n
s
；步骤4-2：将系统节点的依赖关系用m*m维邻接矩阵a表示，其中m为节点数量，a[i][j]表示节点之间的依赖关系，依赖关系的权重为该依赖关系在历史工单描述故障节点和实际故障节点路径中的出现次数，a[i][i]＝0表示节点间不存在依赖关系；步骤4-3：对于用户工单，通过word2vec将节点用户特征信息t
u
转为节点词向量表示h
u
，将所述节点向量表示h
u
和邻接矩阵a输入用户图卷积网络gcn模型，获得节点的用户工单特征向量表示h
u’；步骤4-4：对于系统工单，通过计算词频-逆文档频率将工单系统特征信息t
s
转为向量化表示h
s
，将节点向量表示h
s
和邻接矩阵a输入用户图卷积网络gcn模型，获得节点的系统工单特征向量表示h
s’。3.根据权利要求2所述的一种面向运维工单的自动化处理方法，其特征在于：所述图卷
积网络gcn模型的公式如下：其中，为a i，i为单位矩阵，为节点入度矩阵，h
(l)
为节点l层特征表示，w
(l)
为模型l层权重矩阵，α为非线性变换。4.根据权利要求1所述的一种面向运维工单的自动化处理方法，其特征在于：步骤5中，取该解决方案的用户序列特征向量表示和系统主题特征向量表示包括如下步骤：步骤5-1：对不同的解决方案，每个解决方案选取x个与该解决方案相匹配的历史用户工单描述，并进行文本预处理，每个工单描述通过word2vec转换为词嵌入向量表示r
u
；步骤5-2：将所述词嵌入向量表示r
u
依次输入lstm模型中获得x个含有序列信息的工单描述特征向量，将所述工单特征向量进行横向加和平均，获得该解决方案的用户序列特征向量r
u’；步骤5-3：对不同的解决方案，每个解决方案选取x个与该解决方案相匹配的历史系统工单描述，并进行文本预处理，每个工单描述通过计算词频-逆文档频率转换为向量表示r
s
；步骤5-4：将所述向量表示r
s
依次输入lda模型中获得x个含有主题分布的工单描述特征向量，将所述工单特征向量进行横向加和平均，获得该解决方案的系统主题特征向量r
s’。5.根据权利要求1所述的一种面向运维工单的自动化处理方法，其特征在于：所述步骤7中，获得待解决运维工单的序列特征向量表示和运维工单的主题特征向量表示包括如下步骤：步骤7-1：对待解决运维工单的描述信息进行文本预处理，输入所述svm分类器，获得待解决运维工单所属类别；步骤7-2：若待解决运维工单为用户工单，将描述信息通过word2vec转化为词嵌入向量表示，输入lstm模型，获得待解决运维工单的序列特征向量表示t
u
；步骤7-3：若待解决运维工单为系统工单，将描述信息通过计算词频-逆文档频率转化为向量表示，输入lda模型，获得待解决运维工单的主题特征向量表示t
s
。6.根据权利要求1所述的一种面向运维工单的自动化处理方法，其特征在于：所述步骤8中匹配待解决运维工单故障节点的方式包括如下步骤：步骤8-1：根据待解决运维工单描述故障节点，选择运维工单节点依赖关系图对应节点和上游依赖节点；步骤8-2：根据待解决运维工单的类别，计算待解决运维工单描述节点特征向量t
u
或t
s
与所选节点特征向量[h
u1’,h
u2’,
…
,h
ul’]或[h
s1’,h
s2’,
…
,h
sl’]的余弦相似度，选择相似度最高的节点作为待解决运维工单的故障节点，其中l为所选节点路径长度。7.根据权利要求1所述的一种面向运维工单的自动化处理方法，其特征在于：所述步骤9中匹配待解决运维工单解决方案的方式包括如下步骤：步骤9-1：根据选择待解决运维工单故障节点，选择属于该节点的所有历史解决方案；步骤9-2：根据待解决运维工单的类别，计算待解决运维工单描述节点特征向量t
u
或t
s
与所选解决方案特征向量[r
u1’,r
u2’,
…
,r
uv’]或[r
s1’,r
s2’,
…
,r
sv’]的余弦相似度，选择相似度最高的解决方案作为待解决运维工单的解决方案，其中v为该节点下解决方案的数量。
8.根据权利要求1所述的一种面向运维工单的自动化处理方法，其特征在于：所述步骤1中构造运维工单数据集包括如下步骤：步骤1-1：选择一段时间的历史工单数据，按照工单故障类别比例分别采集若干历史用户运维工单和历史系统运维工单，；步骤1-2：若采集的工单存在属性值缺失，重新采集对应类别工单替换该工单；步骤1-3：对所采集工单数据集进行文本预处理，包括符号过滤、去停止词、词形还原。9.根据权利要求8所述的一种面向运维工单的自动化处理方法，其特征在于：步骤1-1这种所采集工单属性包括工单编号、工单描述故障节点、工单实际故障节点、工单异常描述信息、工单对应解决方案。

技术总结
本发明是一种面向运维工单的自动化处理方法，构建用户工单数据集和系统工单数据集，对数据集进行训练，获得运维工单SVM分类器，构建运维工单节点依赖关系图，采用图卷积网络GCN模型获得节点的特征向量，获取解决方案的特征向量表示，确定运维工单所属类别，获得待解决运维工单的序列特征向量表示和主题特征向量表示，计算待解决工单特征向量和该节点下所有解决方案特征向量的相似度，选取相似度最高的解决方案作为待解决工单的解决方案。本发明为后续工单处理提供了更准确的信息，提高故障节点发现速度，增强节点信息表示，用多个历史工单描述特征融合表示解决方案，增强了解决方案的特征表示，提高了运维工单和解决方案匹配的准确度。配的准确度。


技术研发人员：曹陈涵 夏彬 骆冰清
受保护的技术使用者：南京邮电大学
技术研发日：2022.07.20
技术公布日：2022/10/11