【技术实现步骤摘要】
本公开涉及大数据，尤其涉及一种根因定位方法、装置。
技术介绍
1、随着科学技术的发展，根因定位逐渐称为人工智能和计算机
研究的热点方向之一。整个互联网系统数据规模的急剧膨胀，且企业数字化转型的加速，it系统的复杂性和规模不断增加。传统的it运维方式往往无法满足这种规模扩张的需求，导致运维效率低下、故障处理缓慢，甚至无法及时发现和解决问题。因此，在互联网系统出现故障时无法准确确定该故障的根因。
技术实现思路
1、本公开提供一种根因定位方法、装置，可以提高双曲图注意力神经网络模型获取的准确性，提高根因定位结果确定的准确性。本公开的技术方案如下：
2、根据本公开实施例的第一方面，提供一种根因定位方法，包括：
3、获取历史告警信息集合对应的图数据集合，其中，所述历史告警信息集合包括至少一个告警信息和至少一个根因信息；
4、根据自适应算法和所述图数据集合，确定双曲空间模型的目标曲率；
5、根据所述目标曲率和所述图数据集合对初始双曲图注意力神经网络模型进行训练，获取到目标双曲图注意力神经网络模型，其中，所述初始双曲图注意力神经网络模型包括所述双曲空间模型，所述目标双曲图注意力神经网络模型用于确定目标告警信息对应的根因定位结果。
6、根据一些实施例，所述获取历史告警信息集合对应的图数据集合，包括：
7、获取历史时长内的运行日志集合，其中，所述运行日志集合包括告警事件信息，所述告警事件包括告警事件类型和异常网络数据；p>
8、获取所述运行日志集合中的历史告警信息集合，其中，所述历史告警信息集合包括至少一个告警信息和至少一个根因信息；
9、根据所述至少一个告警信息和至少一个根因信息，获取节点数据，其中，所述节点数据包括至少一个节点的节点类型和所述至少一个节点的节点属性；
10、根据所述至少一个节点的路径依赖关系，获取节点与节点之间的关联关系数据；
11、对所述节点数据和所述节点与节点之间的关联关系数据进行合并，获取图数据集合。
12、根据一些实施例，所述对所述节点数据和所述节点与节点之间的关联关系数据进行合并，获取图数据集合，包括：
13、对所述节点数据进行格式转换，获取格式转换后的节点数据；
14、对所述所述节点与节点之间的关联关系数据机进行格式转换，获取格式转换后的所述节点与节点之间的关联关系数据；
15、对所述格式转换后的节点数据和格式转换后的所述节点与节点之间的关联关系数据进行合并，获取图数据集合。
16、根据一些实施例，所述通过自适应算法确定双曲空间模型的目标曲率，包括：
17、在曲率取值范围内随机生成第一种群集合，其中，所述初始种群集合中包括至少一个曲率；
18、采用与当前场景对应的适应度函数，获取所述至少一个曲率中任一曲率的适应度值；
19、根据所述任一曲率的适应度值，对所述第一种群集合进行选择，获取第二种群集合；
20、对所述第二种群集合进行交叉操作和/或变异操作，获取第三种群集合；
21、将所述第一种群集合中的第一曲率替换为所述第三种群集合中的第二曲率，获取与所述第一种群集合对应的第四种群集合，其中，所述第一曲率与所述第二曲率对应；
22、根据所述第四种群集合和自适应算法，获取双曲空间模型的目标曲率。
23、根据一些实施例，所述根据所述第四种群集合和自适应算法，获取双曲空间模型的目标曲率，包括：
24、采用所述第四种群集合和自适应算法，获取双曲空间模型的初始曲率；
25、在所述初始曲率不满足曲率要求的情况下，根据所述第四种群集合的获取方式对所述初始曲率进行迭代调整；
26、在所述初始曲率的迭代次数达到预设迭代次数或者所述初始曲率满足所述曲率要求的情况下，确定获取到所述双曲空间模型的目标曲率。
27、根据一些实施例，所述根据所述目标曲率和所述图数据集合对初始双曲图注意力神经网络模型进行训练，获取到目标双曲图注意力神经网络模型，包括：
28、将所述图数据集合中存于欧式空间中的任一节点属性映射至初始双曲图注意力神经网络模型中的双曲空间模型中，得到所述任一节点属性对应的双曲空间属性向量；
29、对所述所述任一节点属性对应的双曲空间属性向量进行线性变换，获取所述任一节点属性对应的第一特征向量；
30、根据所述任一节点属性对应的第一特征向量，获取所述双曲空间中的第一节点和第二节点之间的相似系数，其中，所述第一节点为所述双曲空间模型中任一节点，所述第二节点为所述第一节点的至少一个邻节点中的任一节点；
31、采用attention机制获取所述第二节点对所述第一节点的重要性参数；
32、根据所述相似系数和所述重要性参数，获取所述第一节点对应的注意力系数；
33、根据激活函数和所述第一节点对应的注意力系数，获取所述第一节点对应的第二特征向量；
34、在所述第二特征向量指示所述第一节点的根因定位结果满足预设根因定位结果的情况下，确定获取到目标双曲图注意力神经网络模型。
35、根据一些实施例，所述方法还包括：
36、获取目标告警信息；
37、将所述目标告警信息输入至目标双曲图注意力神经网络模型进行根因定位，输出与所述目标告警信息对应的根因定位结果。
38、根据本公开实施例的第二方面，提供一种根因定位装置，包括：
39、集合获取单元，用于获取历史告警信息集合对应的图数据集合，其中，所述历史告警信息集合包括至少一个告警信息和至少一个根因信息；
40、曲率获取单元，用于根据自适应算法和所述图数据集合，确定双曲空间模型的目标曲率；
41、模型获取单元，用于根据所述目标曲率和所述图数据集合对初始双曲图注意力神经网络模型进行训练，获取到目标双曲图注意力神经网络模型，其中，所述初始双曲图注意力神经网络模型包括所述双曲空间模型，所述目标双曲图注意力神经网络模型用于确定目标告警信息对应的根因定位结果。
42、根据本公开实施例的第三方面，提供一种网络设备，包括：
43、处理器；
44、用于存储所述处理器可执行指令的存储器；
45、其中，所述处理器被配置为执行所述指令，以实现前述一方面中任一项所述的根因定位方法。
46、根据本公开实施例的第四方面，提供了一种存储介质，当所述存储介质中的指令由网络设备的处理器执行时，使得网络设备能够执行前述一方面中任一项所述的根因定位方法。
47、根据本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现前述一方面中任一项所述的方法。
48、本公开的实施例提供的技术方案至少带来以下有益效果：
49、在一些或者相本文档来自技高网...
【技术保护点】
1.一种根因定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取历史告警信息集合对应的图数据集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述节点数据和所述节点与节点之间的关联关系数据进行合并，获取图数据集合，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过自适应算法确定双曲空间模型的目标曲率，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第四种群集合和自适应算法，获取双曲空间模型的目标曲率，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述目标曲率和所述图数据集合对初始双曲图注意力神经网络模型进行训练，获取到目标双曲图注意力神经网络模型，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种根因定位装置，其特征在于，包括：
9.一种网络设备，其特征在于，包括：
10.一种存储介质，所述存储介质存储有指令，其特征在于，当所述指令在通信设备上运行时，使得所述通信设备执行如权
...【技术特征摘要】
1.一种根因定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取历史告警信息集合对应的图数据集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述节点数据和所述节点与节点之间的关联关系数据进行合并，获取图数据集合，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过自适应算法确定双曲空间模型的目标曲率，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第四种群集合和自适应算法，获取双曲空间模型的目标曲率，包括...
【专利技术属性】
技术研发人员：何林艳，郭正，胡远明，赖坤炽，郭宁，黄蕴思，
申请(专利权)人：中国移动通信集团广东有限公司，
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。