[发明专利]一种故障诊断模型训练方法、故障诊断方法及相关装置

说明书

本发明公开了一种故障诊断模型训练方法、故障诊断方法及相关装置，包括：获取N个历史故障工单，基于所述M个历史故障工单的人工诊断结果和所述M个历史故障工单的系统诊断结果，确定所述故障诊断专家系统的故障诊断准确度；若所述故障诊断准确度小于第一阈值且大于或等于第二阈值，则基于所述N个历史故障工单的系统诊断结果、所述M个历史故障工单的人工诊断结果以及所述N个历史故障工单的故障特征数据，训练预存的故障诊断模型，所述第一阈值大于所述第二阈值。采用本发明实施例，有利于提升故障诊断模型的故障诊断准确度，降低故障诊断模型的训练成本。

技术领域

本发明涉及网络功能虚拟化技术领域，尤其涉及一种故障诊断模型训练方法、故障诊断方法及相关装置。

背景技术

当前通信网络已融入了人们生活的各个方面。当用户出现网络通信故障时，由于涉及到终端、服务提供商、通信网络等多个层面，故障诊断难度较高。通常，用户倾向于向网络运营商求助或者投诉。当前，面对大量的用户网络故障投诉，一位资深的网络工程师每天能处理的投诉量约20单。有大量的投诉问题无法得到快速有效的解决，极大地影响了用户的体验。自动化的诊断工具是解决上述问题的一个重要方法，用于实现自动化的故障诊断主要有基于机器学习的黑箱故障诊断方法，该方法通过收集历史故障的数据记录，结合网络工程师的人工诊断结果，用监督学习的方法，得到一个故障诊断模型，通过该故障诊断模型对新出现的网络故障进行诊断。基于机器学习的黑箱故障诊断方案对样本故障工单有两个要求：样本故障工单的数量需要较多，样本故障工单的诊断结果准确度需要较高。

本技术方案的发明人在研究过程中发现，一方面，由网络工程师提供准确度较高的人工诊断结果需要很高的人力成本，这增加了故障诊断模型的训练成本，另一方面，训练预存的故障诊断模型所需的样本故障工单的缺失使得训练后的故障诊断模型不够稳定，从而故障诊断模型的故障诊断准确度不高。因此，如何利用少量具有较高准确度的人工诊断结果的样本故障工单和全量的具有系统诊断结果的样本故障工单，建立准确、稳定的故障诊断模型是本领域亟待解决的一个问题。

发明内容

本申请提供一种故障诊断模型训练方法、故障诊断方法及相关装置，基于具有人工诊断结果的历史故障工单和具有系统诊断结果的历史故障工单训练预存的故障诊断模型，有利于提升故障诊断模型的故障诊断准确度，降低故障诊断模型的训练成本。

第一方面，本申请的实施例提供一种故障诊断模型训练方法，包括：

计算机设备获取N个历史故障工单，其中，所述历史故障工单包括故障特征数据、系统诊断结果，所述系统诊断结果是基于预存的故障诊断专家系统处理所述故障特征数据而得到的，所述N个历史故障工单中的M个历史故障工单包括人工诊断结果，所述M为小于或等于N的正整数，所述N为正整数；

所述计算机设备基于所述M个历史故障工单的人工诊断结果和所述M个历史故障工单的系统诊断结果，确定所述故障诊断专家系统的故障诊断准确度；

若所述故障诊断准确度小于第一阈值且大于或等于第二阈值，则所述计算机设备基于所述N个历史故障工单的系统诊断结果、所述M个历史故障工单的人工诊断结果以及所述N个历史故障工单的故障特征数据，训练预存的故障诊断模型，所述第一阈值大于所述第二阈值。

可见，本发明实施例中，通过准确度较高的人工诊断结果来计算预存的故障诊断专家系统所输出的系统诊断结果的故障诊断准确度，并在该故障诊断准确度小于第一阈值且大于或等于第二阈值的情况下，综合考虑历史故障工单的系统诊断结果和人工诊断结果来训练预存的故障诊断模型，相对于利用数量较少的包括人工诊断结果的历史故障工单的训练方案、以及相对于利用全部数量的包括准确度相对较低的系统诊断结果的历史故障工单的训练方案，在最大化利用全部数量的历史故障工单的同时、引入准确度较高的人工诊断结果来训练故障诊断模型，从而有利于提升故障诊断模型的故障诊断准确度，降低故障诊断模型的训练成本。