【技术实现步骤摘要】
本申请一个或多个实施例涉及计算机，尤其涉及一种基于机器学习的工单处理系统。
技术介绍
1、在当前的信息化时代，运维管理对于确保各类系统的稳定运行至关重要。相关技术的运维工单处理系统主要依赖于人工判断和决策，这种处理方式在面对复杂多变的运维需求时，存在诸多缺陷。例如，人为工单处理方法使得运维人员在面对大量工单时，难以快速准确地判断工单的紧急程度和优先级，导致资源分配不合理，影响了运维效率和服务质量。
技术实现思路
1、有鉴于此，本申请一个或多个实施例的目的在于提出一种基于机器学习的工单处理系统，以解决
技术介绍
提出的问题。
2、基于上述目的，本申请一个或多个实施例提供了一种基于机器学习的工单处理系统。包括：
3、数据层，用于采集目标系统的运维数据；
4、智能层，用于根据所述运维数据、所述待执行工单和特征提取模型得到运维数据特征和工单特征，并根据所述运维数据特征、所述工单特征和所述工单处理模型预测待执行工单的优先级，所述工单处理模型根据已执行工单训练；
5、应用层，用于根据所述待执行工单的优先级更新所述待执行工单的状态。
6、可选地，所述应用层，还用于获取用户对所述待执行工单的反馈，并将所述反馈发送至所述智能层；所述反馈表示所述待执行工单的优先级是否合理。
7、可选地，所述工单处理模型根据所述运维数据、已执行工单和所述反馈训练。
8、可选地，所述特征提取模型和所述工单处理模型的训练包括迭代执行如下步骤，直
9、根据所述反馈信息确定所述已执行工单的实际优先级；
10、根据所述已执行工单、训练用运维数据和第一机器学习模型，得到训练用工单特征和训练用运维数据特征；
11、根据所述训练用工单特征、所述训练用运维数据特征和所述已执行工单的实际优先级，建立训练样本；
12、将所述训练用工单特征和所述训练用运维数据特征输入第二机器学习模型，得到训练结果；
13、根据所述训练结果和所述已执行工单的实际优先级的损失函数值，调整所述第一机器学习模型和所述第二机器学习模型的参数。
14、可选地，所述运维数据从不同数据源获取，所述数据源包括服务器日志、监控系统中一个或多个。
15、可选地，还包括：
16、数据融合层，用于将不同数据源的运维数据进行融合处理，并发送融合处理后的运维数据至所述智能层。
17、可选地，所述数据融合层，还用于对所述处理后的运维数据进行质量评估，并将质量评分高于预设阈值的处理后的运维数据发送至所述智能层。
18、可选地，所述应用层，还用于接收用户的指示，并根据所述指示创建、编辑或删除所述待执行工单。
19、可选地，所述应用层，还用于存储所述待执行工单。
20、可选地，展示层，用于根据用户的筛选条件展示所述待执行工单。
21、从上面所述可以看出，本申请一个或多个实施例提供的基于机器学习的工单处理系统，通过智能层的引入实现了工单处理系统的智能化升级。具体的，利用工单处理模型能够预测运维工单的紧急程度或优先级，帮助运维团队更有效地分配资源，在面对大量工单时尤为重要，能够确保紧急工单得到及时处理，从而提高系统运维效率和服务质量。由于机器学习技术的利用，用户也可以享受到更加便捷、高效和个性化的服务。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的工单处理系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于，
3.根据权利要求2所述的系统，其特征在于，
4.根据权利要求3所述的系统，其特征在于，所述特征提取模型和所述工单处理模型的训练包括迭代执行如下步骤，直到模型损失函数值收敛：
5.根据权利要求1所述的系统，其特征在于，所述运维数据从不同数据源获取，所述数据源包括服务器日志、监控系统中一个或多个。
6.根据权利要求5所述的系统，其特征在于，还包括：
7.根据权利要求6所述的系统，其特征在于，
8.根据权利要求1所述的系统，其特征在于，
9.根据权利要求8所述的系统，其特征在于，
10.根据权利要求1所述的系统，其特征在于，还包括：
【技术特征摘要】
1.一种基于机器学习的工单处理系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于，
3.根据权利要求2所述的系统，其特征在于，
4.根据权利要求3所述的系统，其特征在于，所述特征提取模型和所述工单处理模型的训练包括迭代执行如下步骤，直到模型损失函数值收敛：
5.根据权利要求1所述的系统，其特征在于，所述运...
【专利技术属性】
技术研发人员：许放，刘迪，王金仲，赵晓亮，
申请(专利权)人：北京中电飞华通信有限公司，
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。