【技术实现步骤摘要】
故障工单的质检方法、设备及存储介质
[0001]本申请实施例涉及但不限于通信
,尤其涉及一种故障工单的质检方法
、
设备及存储介质
。
技术介绍
[0002]随着网络复杂化,应用多样性,数据爆炸,对设备
(
如运营商和设备商的通信设备
)
自动化和智能化的运维诉求与日俱增
。
其中,运维包括故障发生后,经过分析定界定位后派出工单执行处理,处理完毕后需要进行故障工单质检,检查本次故障是否已经清除,相应处理
‑‑
包括故障处理和故障描述
‑‑
是否正确
。
由于故障工单数量庞大,运营商对工单处理质量检查的传统做法是人工抽检,虽然随着
AI
的发展,自动智能质检也随之应用于质检,但是相关技术中,智能质检通常会从一个维度进行故障类别与解决手段的匹配校验,来判断工单是否质量合格,智能质检的准确率低
。
技术实现思路
[0003]以下是对本文详细描述的主题的概述
。
本概述并非是为了限制权利要求的保护范围
。
[0004]本申请实施例提供了一种故障工单的质检方法
、
设备及存储介质,能提升故障工单质检的准确率
。
[0005]第一方面,本申请实施例提供了一种故障工单的质检方法,所述质检方法包括:
[0006]获取待质检的工单对应的工单数据;
[0007]将所述工单数据输入到预设的透视模型 ...
【技术保护点】
【技术特征摘要】
1.
一种故障工单的质检方法,所述质检方法包括:获取待质检的工单对应的工单数据;将所述工单数据输入到预设的透视模型中进行多维度工单因素关联分析处理,得到所述工单对应的质检分类信息
。2.
根据权利要求1所述的故障工单的质检方法,其特征在于,所述透视模型包括工单向量子模型
、
时长子模型以及多分类子模型;所述将所述工单数据输入到预设的透视模型中进行工单因素多维度关联分析处理,得到所述工单对应的质检分类信息,包括:通过所述工单向量子模型对所述工单数据进行向量化处理,得到工单向量;通过所述时长子模型对所述工单数据进行时长分布预测,得到时长异常概率值;通过所述多分类子模型对所述工单向量以及所述时长异常概率值进行多维度特征提取,得到所述质检分类信息
。3.
根据权利要求2所述的故障工单的质检方法,其特征在于,在得到所述工单向量之前,所述质检方法还包括:根据所述工单数据,确定多个独热编码数据,其中,多个所述独热编码数据分别对应工单基础数据
、
故障原因类别以及故障操作数据;对应的,所述通过所述工单向量子模型对所述工单数据进行向量化处理,得到工单向量,包括:通过所述工单向量子模型对多个所述独热编码数据进行向量化处理,得到工单向量
。4.
根据权利要求2所述的故障工单的质检方法,其特征在于,在得到所述时长异常概率值之前,所述质检方法还包括:从所述工单数据中提取故障类别
、
故障描述时间以及故障处理时间数据;对应的,所述通过所述时长子模型对所述工单数据进行时长概率预测,得到时长异常概率值,包括:通过所述时长子模型对所述故障类别
、
所述故障描述时间和所述故障处理时间数据进行时长概率预测,得到时长异常概率值
。5.
根据权利要求2所述的故障工单的质检方法,其特征在于,所述通过所述多分类子模型对所述工单向量以及所述时长异常概率值进行多维度特征提取,得到质检分类信息,包括:通过所述多分类子模型对所述工单向量分别进行向量特征提取以及故障类型特征提取,得到所述向量特征对应的第一特征数据
、
所述故障类型特征对应的第二特征数据;通过所述多分类子模型对所述时长异常概率值进行多维度时长特征提取,得到第三特征数据;通过所述多分类子模型对第一特征数据
、
所述第二特征数据以及所述第三特征数据进行权重处理,并根据所述权重处理的结果输出所述质检分类信息
。6.
根据权利要求5...
【专利技术属性】
技术研发人员:姜磊,徐代刚,余桃梅,赵松,杜贤俊,
申请(专利权)人:中兴通讯股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。