本技術(shù)涉及計(jì)算機(jī)，尤其涉及一種網(wǎng)絡(luò)故障根因分析方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、由于網(wǎng)絡(luò)規(guī)模的擴(kuò)大和數(shù)據(jù)量的急劇增加，網(wǎng)絡(luò)故障的出現(xiàn)以及其對(duì)網(wǎng)絡(luò)性能的影響越來(lái)越大，對(duì)于網(wǎng)絡(luò)優(yōu)化自動(dòng)化的需求在逐步提高。

2、為了可以實(shí)現(xiàn)網(wǎng)絡(luò)自動(dòng)優(yōu)化，運(yùn)營(yíng)商首先需要通過(guò)相關(guān)技術(shù)對(duì)網(wǎng)絡(luò)故障根因進(jìn)行分析識(shí)別。網(wǎng)絡(luò)故障根因分析，旨在發(fā)現(xiàn)無(wú)線通信網(wǎng)絡(luò)運(yùn)行過(guò)程中故障產(chǎn)生的原因，及時(shí)運(yùn)維數(shù)據(jù)中存在故障的網(wǎng)絡(luò)特征類別及相應(yīng)的網(wǎng)絡(luò)特征指標(biāo)，定位并解決無(wú)線通信網(wǎng)絡(luò)運(yùn)維中存在的問題，提供具有針對(duì)性的故障溯源結(jié)果。

3、然而，無(wú)線通信網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)中包含較多的網(wǎng)絡(luò)特征指標(biāo)，且網(wǎng)絡(luò)特征指標(biāo)之間存在類別約束，不同網(wǎng)絡(luò)特征類別之間還存在依賴關(guān)系。傳統(tǒng)的網(wǎng)絡(luò)故障根因分析方法由于沒有系統(tǒng)的知識(shí)庫(kù)、缺乏典型案例數(shù)據(jù)集，主要依賴于網(wǎng)絡(luò)運(yùn)維人員的工作經(jīng)驗(yàn)和專業(yè)領(lǐng)域知識(shí)，通過(guò)手工操作，速度較慢，尤其是當(dāng)面對(duì)高維且復(fù)雜的網(wǎng)絡(luò)特征指標(biāo)時(shí)，其準(zhǔn)確性、運(yùn)維效率和人工成本已無(wú)法滿足當(dāng)前無(wú)線通信網(wǎng)絡(luò)的需求，也無(wú)法滿足人們對(duì)無(wú)線通信網(wǎng)絡(luò)問題精準(zhǔn)診斷和故障快速處理日益迫切的需要。

4、由此可見，如何使用計(jì)算機(jī)技術(shù)、數(shù)據(jù)分析和知識(shí)推理方法進(jìn)行網(wǎng)絡(luò)故障根因分析，成為了目前亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供一種網(wǎng)絡(luò)故障根因分析方法，用以解決現(xiàn)有網(wǎng)絡(luò)故障根因分析方法依賴于運(yùn)維人員的工作經(jīng)驗(yàn)，當(dāng)面對(duì)高維且復(fù)雜的網(wǎng)絡(luò)特征指標(biāo)時(shí)，其準(zhǔn)確性、運(yùn)維效率和人工成本，無(wú)法滿足當(dāng)前無(wú)線通信網(wǎng)絡(luò)的需求，也無(wú)法對(duì)網(wǎng)絡(luò)問題進(jìn)行精準(zhǔn)診斷以及快速處理的問題。

2、本技術(shù)實(shí)施例還提供一種網(wǎng)絡(luò)故障根因分析裝置，用以解決現(xiàn)有網(wǎng)絡(luò)故障根因分析方法依賴于運(yùn)維人員的工作經(jīng)驗(yàn)，當(dāng)面對(duì)高維且復(fù)雜的網(wǎng)絡(luò)特征指標(biāo)時(shí)，其準(zhǔn)確性、運(yùn)維效率和人工成本，無(wú)法滿足當(dāng)前無(wú)線通信網(wǎng)絡(luò)的需求，也無(wú)法對(duì)網(wǎng)絡(luò)問題進(jìn)行精準(zhǔn)診斷以及快速處理的問題。

3、本技術(shù)實(shí)施例還提供一種網(wǎng)絡(luò)故障根因分析設(shè)備，用以解決現(xiàn)有網(wǎng)絡(luò)故障根因分析方法依賴于運(yùn)維人員的工作經(jīng)驗(yàn)，當(dāng)面對(duì)高維且復(fù)雜的網(wǎng)絡(luò)特征指標(biāo)時(shí)，其準(zhǔn)確性、運(yùn)維效率和人工成本，無(wú)法滿足當(dāng)前無(wú)線通信網(wǎng)絡(luò)的需求，也無(wú)法對(duì)網(wǎng)絡(luò)問題進(jìn)行精準(zhǔn)診斷以及快速處理的問題。

4、本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用以解決現(xiàn)有網(wǎng)絡(luò)故障根因分析方法依賴于運(yùn)維人員的工作經(jīng)驗(yàn)，當(dāng)面對(duì)高維且復(fù)雜的網(wǎng)絡(luò)特征指標(biāo)時(shí)，其準(zhǔn)確性、運(yùn)維效率和人工成本，無(wú)法滿足當(dāng)前無(wú)線通信網(wǎng)絡(luò)的需求，也無(wú)法對(duì)網(wǎng)絡(luò)問題進(jìn)行精準(zhǔn)診斷以及快速處理的問題。

5、本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)程序產(chǎn)品，用以解決現(xiàn)有網(wǎng)絡(luò)故障根因分析方法依賴于運(yùn)維人員的工作經(jīng)驗(yàn)，當(dāng)面對(duì)高維且復(fù)雜的網(wǎng)絡(luò)特征指標(biāo)時(shí)，其準(zhǔn)確性、運(yùn)維效率和人工成本，無(wú)法滿足當(dāng)前無(wú)線通信網(wǎng)絡(luò)的需求，也無(wú)法對(duì)網(wǎng)絡(luò)問題進(jìn)行精準(zhǔn)診斷以及快速處理的問題。

6、本技術(shù)實(shí)施例采用下述技術(shù)方案：

7、一種網(wǎng)絡(luò)故障根因分析方法，包括：獲取待分析網(wǎng)絡(luò)特征數(shù)據(jù)；將所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)輸入預(yù)先訓(xùn)練完成的自編碼器網(wǎng)絡(luò)，通過(guò)所述自編碼器網(wǎng)絡(luò)對(duì)所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)進(jìn)行屬性約減，得到特征類別數(shù)據(jù)集以及故障類別節(jié)點(diǎn)集；根據(jù)所述特征類別數(shù)據(jù)集以及所述故障類別節(jié)點(diǎn)集，生成故障類別依賴圖，其中，所述故障類別依賴圖的有向邊用于表示所述特征類別數(shù)據(jù)集中各特征類別之間的依賴關(guān)系，所述故障類別依賴圖各節(jié)點(diǎn)的條件概率表cpt用于表示各特征類別之間的依賴程度；根據(jù)所述故障類別依賴圖，計(jì)算所述特征類別數(shù)據(jù)集中各特征類別對(duì)網(wǎng)絡(luò)故障的貢獻(xiàn)度，根據(jù)所述貢獻(xiàn)度，確定網(wǎng)絡(luò)故障類別。

8、一種網(wǎng)絡(luò)故障根因分析裝置，包括：數(shù)據(jù)獲取單元，用于獲取待分析網(wǎng)絡(luò)特征數(shù)據(jù)；自編碼處理單元，用于將所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)輸入預(yù)先訓(xùn)練完成的自編碼器網(wǎng)絡(luò)，通過(guò)所述自編碼器網(wǎng)絡(luò)對(duì)所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)進(jìn)行屬性約減，得到特征類別數(shù)據(jù)集以及故障類別節(jié)點(diǎn)集；依賴圖生成單元，用于根據(jù)所述特征類別數(shù)據(jù)集以及所述故障類別節(jié)點(diǎn)集，生成故障類別依賴圖，其中，所述故障類別依賴圖的有向邊用于表示所述特征類別數(shù)據(jù)集中各特征類別之間的依賴關(guān)系，所述故障類別依賴圖各節(jié)點(diǎn)的條件概率表cpt用于表示各特征類別之間的依賴程度；故障根因分析單元，用于根據(jù)所述故障類別依賴圖，計(jì)算所述特征類別數(shù)據(jù)集中各特征類別對(duì)網(wǎng)絡(luò)故障的貢獻(xiàn)度，根據(jù)所述貢獻(xiàn)度，確定網(wǎng)絡(luò)故障類別。

9、一種網(wǎng)絡(luò)故障根因分析設(shè)備，包括：

10、處理器；以及被安排成存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令的存儲(chǔ)器，所述可執(zhí)行指令在被執(zhí)行時(shí)使所述處理器執(zhí)行以下操作：獲取待分析網(wǎng)絡(luò)特征數(shù)據(jù)；將所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)輸入預(yù)先訓(xùn)練完成的自編碼器網(wǎng)絡(luò)，通過(guò)所述自編碼器網(wǎng)絡(luò)對(duì)所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)進(jìn)行屬性約減，得到特征類別數(shù)據(jù)集以及故障類別節(jié)點(diǎn)集；根據(jù)所述特征類別數(shù)據(jù)集以及所述故障類別節(jié)點(diǎn)集，生成故障類別依賴圖，其中，所述故障類別依賴圖的有向邊用于表示所述特征類別數(shù)據(jù)集中各特征類別之間的依賴關(guān)系，所述故障類別依賴圖各節(jié)點(diǎn)的條件概率表cpt用于表示各特征類別之間的依賴程度；根據(jù)所述故障類別依賴圖，計(jì)算所述特征類別數(shù)據(jù)集中各特征類別對(duì)網(wǎng)絡(luò)故障的貢獻(xiàn)度，根據(jù)所述貢獻(xiàn)度，確定網(wǎng)絡(luò)故障類別。

11、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)一個(gè)或多個(gè)程序，所述一個(gè)或多個(gè)程序當(dāng)被包括多個(gè)應(yīng)用程序的電子設(shè)備執(zhí)行時(shí)，使得所述電子設(shè)備執(zhí)行以下操作：獲取待分析網(wǎng)絡(luò)特征數(shù)據(jù)；將所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)輸入預(yù)先訓(xùn)練好的自編碼器網(wǎng)絡(luò)，通過(guò)所述自編碼器網(wǎng)絡(luò)對(duì)所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)進(jìn)行屬性約減，得到特征類別數(shù)據(jù)集以及故障類別節(jié)點(diǎn)集；根據(jù)所述特征類別數(shù)據(jù)集以及所述故障類別節(jié)點(diǎn)集，生成故障類別依賴圖，其中，所述故障類別依賴圖的有向邊用于表示所述特征類別數(shù)據(jù)集中各特征類別之間的依賴關(guān)系，所述故障類別依賴圖各節(jié)點(diǎn)的條件概率表cpt用于表示各特征類別之間的依賴程度；根據(jù)所述故障類別依賴圖，計(jì)算所述特征類別數(shù)據(jù)集中各特征類別對(duì)網(wǎng)絡(luò)故障的貢獻(xiàn)度，根據(jù)所述貢獻(xiàn)度，確定網(wǎng)絡(luò)故障類別。

12、一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)：獲取待分析網(wǎng)絡(luò)特征數(shù)據(jù)；將所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)輸入預(yù)先訓(xùn)練好的自編碼器網(wǎng)絡(luò)，通過(guò)所述自編碼器網(wǎng)絡(luò)對(duì)所述待分析網(wǎng)絡(luò)特征數(shù)據(jù)進(jìn)行屬性約減，得到特征類別數(shù)據(jù)集以及故障類別節(jié)點(diǎn)集；根據(jù)所述特征類別數(shù)據(jù)集以及所述故障類別節(jié)點(diǎn)集，生成故障類別依賴圖，其中，所述故障類別依賴圖的有向邊用于表示所述特征類別數(shù)據(jù)集中各特征類別之間的依賴關(guān)系，所述故障類別依賴圖各節(jié)點(diǎn)的條件概率表cpt用于表示各特征類別之間的依賴程度；根據(jù)所述故障類別依賴圖，計(jì)算所述特征類別數(shù)據(jù)集中各特征類別對(duì)網(wǎng)絡(luò)故障的貢獻(xiàn)度，根據(jù)所述貢獻(xiàn)度，確定網(wǎng)絡(luò)故障類別。

13、本技術(shù)實(shí)施例采用的上述至少一個(gè)技術(shù)方案能夠達(dá)到以下有益效果：

14、采用本技術(shù)實(shí)施例提供的網(wǎng)絡(luò)故障根因分析方法，在進(jìn)行網(wǎng)絡(luò)故障根因分析時(shí)，可以將獲取到的待分析網(wǎng)絡(luò)特征數(shù)據(jù)輸入預(yù)先訓(xùn)練好的自編碼器網(wǎng)絡(luò)，通過(guò)自編碼器網(wǎng)絡(luò)對(duì)待分析網(wǎng)絡(luò)特征數(shù)據(jù)進(jìn)行屬性約減，得到特征類別數(shù)據(jù)集以及故障類別節(jié)點(diǎn)集，進(jìn)而可以根據(jù)特征類別數(shù)據(jù)集以及故障類別節(jié)點(diǎn)集，生成故障類別依賴圖，并根據(jù)故障類別依賴圖，計(jì)算特征類別數(shù)據(jù)集中各特征類別對(duì)網(wǎng)絡(luò)故障的貢獻(xiàn)度，根據(jù)所述貢獻(xiàn)度，確定網(wǎng)絡(luò)故障類別。采用本技術(shù)實(shí)施例所提供的方法，在對(duì)獲取到的網(wǎng)絡(luò)特征數(shù)據(jù)進(jìn)行分析之前，首先，通過(guò)使用向量量化變分自編碼器模型對(duì)網(wǎng)絡(luò)特征數(shù)據(jù)進(jìn)行滿足類別約束的屬性約減，在考慮無(wú)線通信網(wǎng)絡(luò)業(yè)務(wù)規(guī)則的同時(shí)保持網(wǎng)絡(luò)特征指標(biāo)約減后和原始數(shù)據(jù)具有高的擬合程度，即概率分布一致，可有效解決網(wǎng)絡(luò)特征指標(biāo)較多時(shí)計(jì)算復(fù)雜度高的問題；其次，通過(guò)使用α-bic評(píng)分準(zhǔn)則、結(jié)合爬山法及最大似然估計(jì)方法，根據(jù)特征類別數(shù)據(jù)集以及故障類別節(jié)點(diǎn)集，構(gòu)建故障類別依賴圖，相比傳統(tǒng)的故障依賴圖的構(gòu)建方法，可更好擬合網(wǎng)絡(luò)結(jié)構(gòu)和數(shù)據(jù)之間的吻合程度并得到更穩(wěn)定的網(wǎng)絡(luò)模型；最后，通過(guò)將故障類別依賴圖和因果模型的blame算法相結(jié)合，將故障類別依賴圖上的依賴關(guān)系分析進(jìn)一步轉(zhuǎn)化為因果分析任務(wù)，可有效定位故障類別；并使用基于互信息的特征選擇方法剔除不相關(guān)或冗余的網(wǎng)絡(luò)特征指標(biāo)，高效、準(zhǔn)確地從故障類別的多維網(wǎng)絡(luò)特征指標(biāo)中篩選出關(guān)鍵網(wǎng)絡(luò)特征指標(biāo)，進(jìn)而有效地提高網(wǎng)絡(luò)故障根因分析的效率以及準(zhǔn)確率。