本技術(shù)涉及機(jī)房故障診斷優(yōu)化，尤其涉及一種基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷方法。

背景技術(shù)：

1、近年來(lái)，數(shù)據(jù)中心機(jī)房的故障診斷方案配置普遍采用傳統(tǒng)的tf-idf和bm25算法進(jìn)行用戶輸入問題的關(guān)鍵字檢索。tf-idf和bm25算法在一定程度上提高了問題檢索的準(zhǔn)確度，但這種方案存在一些局限性，它們無(wú)法針對(duì)用戶輸入的核心問題進(jìn)行重點(diǎn)檢索，這會(huì)導(dǎo)致故障診斷優(yōu)化的準(zhǔn)確性不夠。

2、上述內(nèi)容僅用于輔助理解本技術(shù)的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的主要目的在于提供一種基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷方法，旨在解決傳統(tǒng)故障診斷優(yōu)化方案因無(wú)法針對(duì)用戶輸入的核心問題進(jìn)行重點(diǎn)檢索而導(dǎo)致故障診斷優(yōu)化的準(zhǔn)確性不夠的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本技術(shù)提出一種基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷方法，所述基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷方法包括：

3、獲取數(shù)據(jù)中心的歷史故障案例；

4、基于所述歷史故障案例，根據(jù)實(shí)體抽取模型、關(guān)系抽取模型以及實(shí)體消歧模型構(gòu)建知識(shí)圖譜；

5、將用戶輸入的故障問題映射到所述知識(shí)圖譜中，基于實(shí)體鏈接方案、關(guān)系猜測(cè)方案以及多路徑排序方案，確定針對(duì)所述故障問題的最優(yōu)解決方案。

6、在一實(shí)施例中，所述基于所述歷史故障案例，根據(jù)實(shí)體抽取模型、關(guān)系抽取模型以及實(shí)體消歧模型構(gòu)建知識(shí)圖譜的步驟包括：

7、基于所述實(shí)體抽取模型，從所述歷史故障案例中抽取出實(shí)體信息；

8、基于所述關(guān)系抽取模型，根據(jù)所述實(shí)體信息從所述歷史故障案例中抽取出目標(biāo)實(shí)體關(guān)系；

9、基于所述實(shí)體消歧模型，對(duì)所述實(shí)體信息進(jìn)行實(shí)體消歧處理，得到目標(biāo)實(shí)體信息；

10、基于所述目標(biāo)實(shí)體信息以及所述目標(biāo)實(shí)體關(guān)系，構(gòu)建知識(shí)圖譜。

11、在一實(shí)施例中，所述實(shí)體抽取模型包括bert網(wǎng)絡(luò)、bi-lstm網(wǎng)絡(luò)以及全局指針網(wǎng)絡(luò)，所述全局指針網(wǎng)絡(luò)引入旋轉(zhuǎn)式位置編碼；其中，所述基于所述實(shí)體抽取模型，從所述歷史故障案例中抽取出實(shí)體信息的步驟包括：

12、將所述歷史故障案例輸入所述實(shí)體抽取模型中，通過所述bert網(wǎng)絡(luò)獲取所述歷史故障案例的中文詞向量；

13、通過所述bi-lstm網(wǎng)絡(luò)提取所述歷史故障案例的語(yǔ)義特征；

14、通過所述全局指針網(wǎng)絡(luò)根據(jù)所述中文詞向量以及所述語(yǔ)義特征從所述歷史故障案例中抽取出實(shí)體信息。

15、在一實(shí)施例中，所述基于所述關(guān)系抽取模型，根據(jù)所述實(shí)體信息從所述歷史故障案例中抽取出目標(biāo)實(shí)體關(guān)系的步驟包括：

16、將所述實(shí)體信息劃分為訓(xùn)練集數(shù)據(jù)以及測(cè)試集數(shù)據(jù)；

17、基于所述訓(xùn)練集數(shù)據(jù)，對(duì)所述關(guān)系抽取模型的bert網(wǎng)絡(luò)進(jìn)行微調(diào)，得到預(yù)設(shè)關(guān)系抽取模型，并基于所述預(yù)設(shè)關(guān)系抽取模型確定所述訓(xùn)練集數(shù)據(jù)中所有實(shí)體的訓(xùn)練實(shí)體關(guān)系；

18、將所述測(cè)試集數(shù)據(jù)輸入所述預(yù)設(shè)關(guān)系抽取模型中，得到測(cè)試實(shí)體關(guān)系；

19、根據(jù)多數(shù)投票機(jī)制從所述測(cè)試實(shí)體關(guān)系中確定目標(biāo)測(cè)試實(shí)體關(guān)系；

20、基于所述訓(xùn)練實(shí)體關(guān)系以及所述目標(biāo)測(cè)試實(shí)體關(guān)系，確定目標(biāo)實(shí)體關(guān)系。

21、在一實(shí)施例中，所述基于所述實(shí)體消歧模型，對(duì)所述實(shí)體信息進(jìn)行實(shí)體消歧處理，得到目標(biāo)實(shí)體信息的步驟包括：

22、基于所述實(shí)體消歧模型，將所述實(shí)體信息轉(zhuǎn)換成向量信息；

23、根據(jù)所述向量信息確定所述實(shí)體信息中待消歧實(shí)體與候選實(shí)體的相似度信息；

24、根據(jù)所述相似度信息從所述候選實(shí)體中確定所述待消歧實(shí)體的最佳匹配實(shí)體；

25、根據(jù)所述實(shí)體信息中各待消歧實(shí)體的最佳匹配實(shí)體，確定目標(biāo)實(shí)體信息。

26、在一實(shí)施例中，所述將用戶輸入的故障問題映射到所述知識(shí)圖譜中，基于實(shí)體鏈接方案、關(guān)系猜測(cè)方案以及多路徑排序方案，確定針對(duì)所述故障問題的最優(yōu)解決方案的步驟包括：

27、基于所述實(shí)體鏈接方案，確定所述故障問題在所述知識(shí)圖譜中的映射實(shí)體；

28、基于所述關(guān)系猜測(cè)方案，確定所述故障問題在所述知識(shí)圖譜中的映射實(shí)體關(guān)系；

29、基于所述映射實(shí)體以及所述映射實(shí)體關(guān)系，根據(jù)所述多路徑排序方案確定針對(duì)所述故障問題的最優(yōu)解決方案。

30、在一實(shí)施例中，所述基于所述映射實(shí)體以及所述映射實(shí)體關(guān)系，根據(jù)所述多路徑排序方案確定針對(duì)所述故障問題的最優(yōu)解決方案的步驟包括：

31、根據(jù)所述映射實(shí)體以及所述映射實(shí)體關(guān)系，確定關(guān)系路徑；

32、根據(jù)所述映射實(shí)體確定所述關(guān)系路徑在所述知識(shí)圖譜中的出現(xiàn)頻次；

33、根據(jù)所述出現(xiàn)頻次確定所述關(guān)系路徑的概率；

34、根據(jù)所述概率從所述關(guān)系路徑中確定目標(biāo)關(guān)系路徑，并將所述目標(biāo)關(guān)系路徑確定為針對(duì)所述故障問題的最優(yōu)解決方案。

35、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷裝置，所述基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷裝置包括：

36、獲取模塊，用于獲取數(shù)據(jù)中心的歷史故障案例；

37、構(gòu)建模塊，用于基于所述歷史故障案例，根據(jù)實(shí)體抽取模型、關(guān)系抽取模型以及實(shí)體消歧模型構(gòu)建知識(shí)圖譜；

38、確定模塊，用于將用戶輸入的故障問題映射到所述知識(shí)圖譜中，基于實(shí)體鏈接方案、關(guān)系猜測(cè)方案以及多路徑排序方案，確定針對(duì)所述故障問題的最優(yōu)解決方案。

39、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷設(shè)備，所述設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為實(shí)現(xiàn)如上文所述的基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷方法的步驟。

40、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷方法的步驟。

41、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷方法的步驟。

42、本技術(shù)提出的一個(gè)或多個(gè)技術(shù)方案，至少具有以下技術(shù)效果：

43、本技術(shù)提出的基于知識(shí)圖譜的數(shù)據(jù)中心機(jī)房故障診斷方法，通過獲取數(shù)據(jù)中心的歷史故障案例；基于所述歷史故障案例，根據(jù)實(shí)體抽取模型、關(guān)系抽取模型以及實(shí)體消歧模型構(gòu)建知識(shí)圖譜；將用戶輸入的故障問題映射到所述知識(shí)圖譜中，基于實(shí)體鏈接方案、關(guān)系猜測(cè)方案以及多路徑排序方案，確定針對(duì)所述故障問題的最優(yōu)解決方案，解決了傳統(tǒng)故障診斷優(yōu)化方案因無(wú)法針對(duì)用戶輸入的核心問題進(jìn)行重點(diǎn)檢索而導(dǎo)致故障診斷優(yōu)化的準(zhǔn)確性不夠技術(shù)問題，相較于現(xiàn)有技術(shù)，本技術(shù)通過實(shí)體抽取、關(guān)系抽取以及實(shí)體消歧來(lái)獲取數(shù)據(jù)中心各個(gè)實(shí)體以及各個(gè)實(shí)體關(guān)系后構(gòu)建高可靠性的知識(shí)圖譜，然后再利用知識(shí)圖譜對(duì)用戶輸入的故障問題進(jìn)行快速準(zhǔn)確的故障診斷，并生成相應(yīng)的故障診斷方案，不僅能夠提高數(shù)據(jù)中心機(jī)房的故障診斷優(yōu)化速率，還能夠提高故障診斷優(yōu)化的準(zhǔn)確性。