[发明专利]基于IT设备运维的知识图谱构建算法、系统、设备及介质

说明书

本发明公开了一种基于IT设备运维的知识图谱构建算法、系统、设备及介质，对IT设备业务数据进行智能化分析，识别出如IT设备名称、IT设备表象、IT设备缺陷、缺陷处理建议等信息，能够有效地从海量数据中提取有用信息，以便实现已有业务数据的充分利用；再根据IT设备表象与IT设备缺陷之间的映射关系、IT设备缺陷与缺陷处理建议之间的映射关系构建知识图谱；基于该知识图谱，输入IT设备表象或IT设备缺陷即可获得对应的缺陷处理建议，为IT设备的故障智能诊断提供了判断依据，大大提高了已有业务数据的利用率，使IT设备运维人员可以便捷、快速地进行故障查询、故障处理，有效地提升了IT设备故障诊断水平，为电厂生产运行保驾护航。

技术领域

本发明属于IT设备业务数据处理技术领域，尤其涉及一种基于IT设备运维的知识图谱构建算法、系统、设备及介质。

背景技术

据统计电力企业中80％信息属于非结构化数据，这些非结构化信息是企业在日常工作中编写、定期的业务专家分析汇总的经验性文档，包括日常工作报告、工作明细记录、技术文档、标准规范、作业手册和改善报告等形式各异的文档分散存储在企业的文档系统和办公电脑中，即使有文档系统管理，随着数据量剧增，在工作中需要检索到某个具体的章节、段落或条目时，查询检索依然非常不方便，导致查询不到或查询繁琐，效率低下，企业大量的知识蓄能没有被有效发挥应用的数据价值。主要存在以下问题：

(1)、搜索不准

文档系统主要基于文档标签和关键字，无法精准搜索内容，需要逐个翻查，效率低。

(2)、查询繁琐

存储在文档系统或个人电脑和文档柜中，无论在空间上还是操作步骤上，都极其繁琐低效。

(3)、不易共享

非结构化的文档和散落的存储形式，难以有效共享和传播，不利于知识持续创作。

随着电力系统信息化和智能化应用的提高，IT设备故障数据日益呈现出体量大、模态多、价值大、密度低的大数据特点，这种特性日益突显，给IT设备智能故障诊断带来了前所未有的挑战。IT设备智能故障诊断研究亟需做出适应大数据模式的转变。大数据技术毋庸置疑地得到了各个研究领域空前的重视，虽然前面的调查显示有关IT设备故障诊断的大数据研究几乎空白，但近年来基于大数据的知识表示、挖掘和推理的相关研究却非常活跃。

知识图谱已经成为人工智能大数据时代重要的核心技术，基于知识图谱的大数据研究在智能搜索、智能问答、医疗诊断、智能断案中取得了有效的成果。百度知识图谱和谷歌的Probase索引了整个互联网上的知识，包含了数以亿计的高质量实体、全面和动态的数据、数以千亿计的事实和关系，通过高速有效精准的算法，将杂乱无章的海量数据进行分类梳理，在搜索、问答、推荐、对话以及文章自动内容生成方面发挥出关键作用。知识图谱可以让机器具有感知和理解能力，具有进行推理决策的潜能，并被广泛应用于推理预测的研究中。

医学诊断领域专家学者们结合概率图模型的知识图谱展开不确定性推理的研究；Wang运用传播式启发式图搜索算法，连接实体的已有路径来预测实体间的潜在关系；Liu和Wei提出层次化的推理方法HiRi，在全局和局部分别进行关系推理，最终融合推理结果，不仅获得了随机游走模型的执行效率，同时保留了嵌入式表示学习方法的准确率；Shu提出KALE的方法，将知识图谱与逻辑规则进行联合实现嵌入式表示学习。这些理论研究在知识图谱推理技术的计算精度、计算效率和推理结果融合方面做出了贡献，为大数据在决策推断方面的应用奠定了理论基础。

综上所述，目前基于知识图谱技术的IT设备故障智能诊断的大数据研究尚属空白，但在推理诊断预测相关的研究领域有关大数据的研究还是非常火热的，基于知识图谱的大数据表示和推理不仅取得了很多优秀的理论研究成果，还在知识问答、医疗诊断和案件研判等领域得到了应用，产生了社会经济价值，这些都为IT设备大数据模式下的智能故障诊断指引了方向。

发明内容