基于知识图谱的故障根因定位方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114218403A(43)申请公布日2022.03.22(21)申请号202111559127.3G06N3/08(2006.01)(22)申请日2021.12.20(71)申请人平安付科技服务有限公司地址518000广东省深圳市福田区福田街道福华路319号兆邦基金融大厦26层2605单元(72)发明人庞一文(74)专利代理机构深圳市精英专利事务所44242代理人丁宇龙(51)Int.Cl.G06F16/36(2019.01)G06F11/07(2006.01)G06F11/30(2006.01)G06N3/04(2006.01)权利要求书3页说明书10页附图5页(54)发明名称基于知识图谱的故障根因定位方法、装置、设备及介质(57)摘要本申请涉及数据分析技术领域，揭露一种基于知识图谱的故障根因定位方法、装置、设备及介质，其中方法包括获取样本数据和异常告警数据；通过对样本数据进行编码和特征筛选，得到时序特征，并计算时序特征的异常波动时间区间，得到异常信息，以及构建知识图谱；获取知识图谱中的链路关系数据，并将链路关系数据中的每个节点进行编码，得到节点编码，并对节点编码进行向量化和节点属性特征进行，得到训练数据；将异常信息作为目标训练特征向量，并将训练数据对目标训练特征向量进行训练，得到根因概率。本申请还涉及区块链技术，训练数据存储于区块链中。本申请通过链路关系和节点属性特征的融合特征，进行根因分析，提高故障分析的准确度。CN114218403ACN114218403A权利要求书1/3页1.一种基于知识图谱的故障根因定位方法，其特征在于，包括：获取监控系统中的序列检测原始数据和云原始监控系统中的各个时刻的异常告警数据，并将所述序列检测原始数据存储于时序数据库中，得到样本数据，以及将所述异常告警数据作为根因项原始数据；通过对所述样本数据进行编码和特征筛选，得到时序特征，并计算所述时序特征的异常波动时间区间，得到异常信息；将所述根因项原始数据中的原生系统服务接口作为节点、服务之间的调用链路作为关系、以及数据特征作为属性，构建知识图谱；获取所述知识图谱中的链路关系数据，并将所述链路关系数据中的每个节点进行编码，得到节点编码，并对所述节点编码进行向量化处理，得到节点向量；获取所述节点向量对应的节点属性特征，并将节点属性特征拼接到所述节点向量，得到训练数据；将所述异常信息作为目标训练特征向量，并将所述训练数据对所述目标训练特征向量进行训练，得到根因概率。2.根据权利要求1所述的基于知识图谱的故障根因定位方法，其特征在于，所述通过对所述样本数据进行编码和特征筛选，得到时序特征，并计算所述时序特征的异常波动时间区间，得到异常信息，包括：从所述时序数据库中读取所述样本数据，通过对所述样本数据进行编码和特征筛选，得到时序特征；采用Sigmoid函数的方式对所述时序特征进行拟合，得到拟合序列，并计算所述拟合序列的异常波动时间区间；采用方差偏差值的方式，当所述异常波动时间区间大于预设阈值时，将所述异常波动时间区间和所述异常波动时间区间对应的特征作为所述异常信息。3.根据权利要求2所述的基于知识图谱的故障根因定位方法，其特征在于，所述从所述时序数据库中读取所述样本数据，通过对所述样本数据进行编码和特征筛选，得到时序特征，包括：从所述时序数据库中读取所述样本数据，并通过循环神经网络对所述样本数据进行编码，得到所述编码特征；通过自注意力机制层中对所述编码特征赋予加权系数，并对所述编码特征进行特征计算，得到权重特征，其中，所述权重特征包括权重系数；基于所述权重系数，对所述权重特征进行筛选，得到所述时序特征。4.根据权利要求1所述的基于知识图谱的故障根因定位方法，其特征在于，所述获取所述知识图谱中的链路关系数据，并将所述链路关系数据中的每个节点进行编码，得到节点编码，并对所述节点编码进行向量化处理，得到节点向量，包括：从所述知识图谱中获取链路关系数据，并按照从根节点到叶子节点的切分方式，对所述链路关系数据进行切分，得到多条子链路；采用one‑hot编码的方式，对所述子链路中的每个节点进行编码，得到所述节点编码；对所述节点编码进行向量化处理，得到节点向量。5.根据权利要求4所述的基于知识图谱的故障根因定位方法，其特征在于，所述对所述2CN114218403A权利要求书2/3页节点编码进行向量化处理，得到节点向量，包括：采用负采样的方式将所述节点编码进行划分样本，得到正样本和负样本，其中，将窗口内链路相连的节点作为正样本，将窗口内链路未相连的节点作为负样本；采用随机采样的方式对所述负样本进行采样，得到编码模型样本；通过Softmax函数对所述编码模型样本进行归一化处理，得到所述节点向量。