(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210636107.X (22)申请日 2022.06.07 (71)申请人 达而观数据 （成 都） 有限公司 地址 610000 四川省成 都市天府新区湖畔 路北段366号1栋3楼1号 (72)发明人 王文广　朱宪伟　贺梦洁　袁勇　 陈运文　纪达麒　 (74)专利代理 机构 上海智力专利商标事务所 (普通合伙) 31105 专利代理师 周涛 (51)Int.Cl. G06N 5/04(2006.01) G06N 5/02(2006.01) G06F 40/30(2020.01) G06F 40/279(2020.01) (54)发明名称 基于知识推理的故障归因系统及方法 (57)摘要 本发明公开了一种基于知识推理的故障归 因系统及方法， 所述系统包括依次连接的语义抽 取模块、 图谱匹配模块、 知识推理模块和根因定 位模块； 语义抽取模块通过事先训练好的语义抽 取模型获得故障现象描述文本中在知识图谱模 式中定义的实体类型或关系类型下的关键信息； 图谱匹配模块将抽取的实体及其间关系与知识 图谱中对应的实体、 关系相匹配； 知识推理模块 通过图探索延伸获得更多故障归因信息； 根因定 位模块补 充信息逐层循环定位因果关系链， 直至 定位到根本原因和故障位置。 本发 明可提高故障 原因分析的准确性， 极大提高故障分析效率。 权利要求书2页 说明书5页 附图2页 CN 114723059 A 2022.07.08 CN 114723059 A 1.一种基于知识推理的故障归因系统， 其特征在于， 包括依次连接的语义抽取模块、 图 谱匹配模块、 知识推理模块和根因定位模块； 所述语义抽取模块适于通过事先训练好的语 义抽取模型获得故障现象描述文本中在知识图谱模式中定义的实体类型或关系类型下的 关键信息； 所述图谱匹配模块适于将抽取 的实体及其间关系与知识图谱中对应的实体、 关 系相匹配； 所述知识推理模块适于通过图探索延伸获得更多故障归因信息； 所述根因定位 模块适于补充信息逐层循环定位因果关系链， 直至 定位到根本原因和故障位置 。 2.根据权利要求1所述的基于知识推理 的故障归因系统， 其特征在于， 所述关键信 息至 少包括故障产品或设备名称、 故障零部件名称、 故障模式、 故障状态、 故障现象和故障指标。 3.根据权利要求1所述的基于知识推理 的故障归因系统， 其特征在于， 所述语义抽取模 块包括大规模 预训练模 型、 卷积神经网络、 softmax分类器和CRF识别器； 所述大规模 预训练 模型适于获得所述故障现象描述文本中每个词元的语义信息； 所述卷积神经网络适于识别 实体类型和关系类型； 所述softmax分类器适于 分类实体类型和关系类型， 以理解出相应的 实体类型和关系类型； 所述CRF识别器适于识别出对应的关键文本片段。 4.根据权利要求1所述的基于知识推理 的故障归因系统， 其特征在于， 所述图谱 匹配模 块包括语义相似模型、 词典模型和多维信息模型； 所述语义相似模型适于将抽取 的实体及 其间关系与知识图谱中对应的实体、 关系相匹配， 并调用所述词典模型将不同名称的同一 实体或关系进行匹配， 或调用大规模预训练模型获得语义信息进行相似度匹配， 还适于调 用多维信息模型来比较实体属性信息或关系属性信息进行 更深层次的匹配。 5.根据权利要求4所述的基于知识推理 的故障归因系统， 其特征在于， 所述词典模型至 少包括业务词典、 同近义词典和翻译词典。 6.根据权利要求1所述的基于知识推理 的故障归因系统， 其特征在于， 所述知识推理模 块包括图拓扑单元、 规则判定单元和知识推送单元； 所述图拓扑单元适于通过图探索延伸 获得更多故障归因信息； 所述规则判定单元适于以故障归因规则对所述 故障归因信息进 行 分析， 以确定故障原因； 所述知识推送单元适于 向所述规则判定单元提供故障归因规则所 需的故障因果关系。 7.根据权利要求6所述的基于知识推理 的故障归因系统， 其特征在于， 所述故障归因信 息至少包括 故障现象实体、 故障零部件实体和故障模式实体及这些实体所分别对应的因果 关系。 8.一种基于知识推理的故障归因方法， 其特 征在于， 包括以下步骤： （1） 通过事先训练好的语义抽取模型获得故障现象描述文本 中在知识图谱模式中定义 的实体类型或关系类型 下的关键信息； （2） 将抽取的实体及其间关系与知识图谱中对应的实体、 关系相匹配； （3） 通过图探索延伸获得 更多故障归因信息； （4） 补充信息逐层循环定位因果关系链， 直至 定位到根本原因和故障位置 。 9.根据权利要求8所述的基于知识推理 的故障归因方法， 其特征在于， 所述关键信 息至 少包括故障产品或设备名称、 故障零部件名称、 故障模式、 故障状态、 故障现象和故障指标。 10.根据权利要求8所述的基于知识推理的故障归因方法， 其特征在于， 所述步骤 （1） 包 括： 获得所述 故障现象描述文本中每个词元的语义信息， 识别并分类实体类型和关系类型， 以理解出相应的实体 类型和关系类型， 识别出对应的关键文本片段。权　利　要　求　书 1/2 页 2 CN 114723059 A 211.根据权利要求8所述的基于知识推理的故障归因方法， 其特征在于， 所述步骤 （2） 包 括： 将抽取的实体及其间关系与知识图谱中对应的实体、 关系相匹配， 并调用词典模型将不 同名称的同一实体或关系进行匹配， 或调用大规模预训练模型获得语义信息进行相似度匹 配， 还适于调用多维信息模型来比较实体属性信息或关系属性信息进行 更深层次的匹配。权　利　要　求　书 2/2 页 3 CN 114723059 A 3