故障检测方法及装置、计算机可存储介质与流程

技术特征：
1.一种故障检测方法，包括：获取多条日志数据，其中，每条日志数据具有位置标识和数据类别，所述多条日志数据的位置标识反映该多条日志数据的时序关系；根据每条日志数据的位置标识，利用与所述每条日志数据对应的数据类别相应的卷积编码器，执行卷积码编码操作，得到每条日志数据的卷积码；根据多条日志数据的卷积码，利用序列模型，确定故障定位信息。2.根据权利要求1所述的故障检测方法，其中，根据每条日志数据的位置标识，利用与所述每条日志数据对应的数据类别相应的卷积编码器，执行卷积码编码操作包括：对每条日志数据的位置标识，进行编码，得到所述位置编码；根据每条日志数据的数据类别，确定相应的卷积编码器；根据每条日志数据的位置编码，利用所确定的卷积编码器，生成所述卷积码。3.根据权利要求1或2所述的故障检测方法，其中，根据多条日志数据的卷积码，利用序列模型，确定故障定位信息包括：对所述多条日志数据进行分组，得到多组日志数据；合并每组日志数据对应的卷积码，得到与每组日志数据对应的词嵌入矩阵；根据多组日志数据对应的词嵌入矩阵，利用所述序列模型，确定故障定位信息。4.根据权利要求3所述的故障检测方法，其中，所述序列模型包括编码器、解码器和softmax层，根据多组日志数据对应的词嵌入矩阵，利用所述序列模型，确定故障定位信息包括：根据多个词嵌入矩阵，利用所述编码器，确定每个词嵌入矩阵的隐藏层语义向量；利用注意力机制，确定每个词嵌入矩阵的隐藏层语义向量的权重，其中，所述权重表征数据类别对故障检测的重要性；根据所述多个词嵌入矩阵的隐藏层语义向量及其相应的权重，利用所述解码器和所述softmax层，确定故障定位信息。5.根据权利要求4所述的故障检测方法，其中，利用注意力机制，确定每个词嵌入矩阵的隐藏层语义向量的权重包括：通过sklearn的特征选择库，计算每组日志数据的数据类别针对故障检测的信息系数，其中，信息系数表征相应组日志数据的数据类别对故障检测的重要性；根据与每个词嵌入矩阵对应的信息系数，确定每个词嵌入矩阵的隐藏层语义向量的权重。6.根据权利要求5所述的故障检测方法，其中，根据所述多个词嵌入矩阵的隐藏层语义向量及其相应的权重，利用所述解码器和所述softmax层，确定故障定位信息包括：将与每个词嵌入矩阵相应的隐藏层语义向量与权重相乘；将相乘得到的乘积，依次输入所述解码器和所述softmax层，得到故障定位信息。7.根据权利要求1所述的故障检测方法，还包括：根据多条日志数据的时间戳信息，确定每条日志数据的位置标识。8.一种故障检测装置，包括：获取模块，被配置为获取多条日志数据，其中，每条日志数据具有位置标识和数据类别，所述多条日志数据的位置标识反映该多条日志数据的时序关系；
执行模块，被配置为根据每条日志数据的位置标识，利用与所述每条日志数据对应的数据类别相应的卷积编码器，执行卷积码编码操作，得到每条日志数据的卷积码；确定模块，被配置为根据多条日志数据的卷积码，利用序列模型，确定故障定位信息。9.一种故障检测装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行如权利要求1至7任一项所述的故障检测方法。10.一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如权利要求1至7任一项所述的故障检测方法。

技术总结
本公开涉及故障检测方法及装置、计算机可存储介质，涉及大数据或人工智能技术领域。故障检测方法包括：获取多条日志数据，其中，每条日志数据具有位置标识和数据类别，所述多条日志数据的位置标识反映该多条日志数据的时序关系；根据每条日志数据的位置标识，利用与所述每条日志数据对应的数据类别相应的卷积编码器，执行卷积码编码操作，得到每条日志数据的卷积码；根据多条日志数据的卷积码，利用序列模型，确定故障定位信息。根据本公开，可以实现快速、准确的故障检测。准确的故障检测。准确的故障检测。


技术研发人员：熊奕洋 董石磊 谭华 李凯 张学智
受保护的技术使用者：中国电信股份有限公司
技术研发日：2022.11.07
技术公布日：2022/12/30