(19)中华 人民共和国 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 202111643616.7 (22)申请日 2021.12.2 9 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融街31号 (72)发明人 郑博　游彦雯　郑振宇　许群路　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 代理人 田小倩 (51)Int.Cl. H04L 41/0604(2022.01) H04L 41/0631(2022.01) G06N 20/00(2019.01) (54)发明名称 一种告警压缩的方法、 装置、 设备及存储介 质 (57)摘要 本申请提供一种告警压缩的方法、 装置、 设 备及存储介质， 涉及数据处理技术领域， 在本申 请实施例中， 针对待处理告警， 基于告警规则， 确 定待处理告警与同周期中其他告警为非同源告 警后， 将待处理告警输入告警压缩分析模型， 获 取告警压缩分析模型输出的压缩分析信息； 其 中， 告警压缩分析模型是基于带有特征标注信息 的历史告警进行训练获得的； 基于压缩分析信 息， 对待处理告警进行压缩处理， 生成相应的告 警工单。 采用告警规则及告警压缩分析模型双引 擎分析机制， 充分利用告警规则原有业务累积规 则， 同时又采用深度学习智能分析， 保证告警压 缩的准确性， 即生成的告警工单的准确性， 降低 告警分析处 理过程中的复杂度， 减 小工作量。 权利要求书4页 说明书12页 附图9页 CN 114422322 A 2022.04.29 CN 114422322 A 1.一种告警压缩的方法， 其特 征在于， 所述方法包括： 针对待处理告警， 基于告警规则， 确定所述待处理告警与同周期中其他告警为非同源 告警后， 将所述待处理告警输入告警压缩分析模型， 获取所述告警压缩分析模型输出 的压 缩分析信息； 其中， 所述告警压缩分析模型是基于带有特征标注信息的历史告警进行训练 获得的； 基于所述压缩分析信息， 对所述待处 理告警进行压缩处 理， 生成相应的告警工单。 2.如权利要求1所述的方法， 其特征在于， 所述针对待处理告警， 基于告警规则， 确定所 述待处理告警与同周期中其 他告警为非同源告警， 包括： 针对所述待处理告警， 基于所述告警规则中的压缩规则， 确定不进行压缩处理， 以及基 于所述告警规则中的拦截规则， 确定不进行拦截处理后， 确定所述待处理告警与同周期 中 其他告警为非同源告警。 3.如权利要求1所述的方法， 其特征在于， 所述将所述待处理告警输入告警压缩分析模 型， 获取所述告警压缩分析模型输出的压缩分析信息， 包括： 将所述待处理告警输入告警压缩分析模型， 在所述告警压缩分析模型中执行如下操 作： 分别识别所述待处理告警， 以及同周期中其他告警各自对应的目标特征， 并基于所述 目标特征， 确定所述待处理告警与同周期中其他告警之 间的关联度， 其中， 所述目标特征是 基于资源拓扑 特征和告警工单事 件特征中的至少一种确定的； 基于所述关联度， 在所述其他告警中筛选所述关联度达到关联度阈值的同源其他告 警， 并基于所述筛 选结果， 确定所述压缩分析信息并输出。 4.如权利要求3所述的方法， 其特征在于， 所述基于所述筛选结果， 确定所述压缩分析 信息， 包括： 若确定所述筛选结果表征未筛选出同源其他告警， 则确定所述压缩分析信 息中包含用 于指示不进行同源压缩的第一指示信息； 若确定所述筛选结果表征筛选出同源其他告警， 则确定所述压缩分析信 息中包括用于 指示进行同源压缩的第二指示信息， 以及筛 选出的所述同源其 他告警。 5.如权利要求1所述的方法， 其特征在于， 所述基于所述压缩分析信息， 对所述待处理 告警进行压缩处 理， 生成相应的告警工单， 包括： 基于所述压缩分析信息中的第一指示信息， 确定所述待处理告警不进行同源压缩后， 直接基于所述待处 理告警， 生成相应的告警工单； 或 基于所述压缩分析信息中的第二指示信息， 确定所述待处理告警进行同源压缩后， 与 所述压缩分析信息中携带的同周期中同源其 他告警共同压缩， 生成相应的告警工单。 6.如权利要求1～5任一所述的方法， 其特征在于， 所述告警压缩分析模型是通过如下 方式确定的： 根据训练样本数据集中的训练样本， 对待训练的告警压缩分析模型执行循环迭代训 练， 并在满足收敛条件时， 输出训练完毕的告警压缩分析模型， 其中， 在一次循环迭代训练 过程中执 行以下操作： 从所述训练样本数据集中选取训练样本； 其中， 所述训练样本为： 带有特征标注信 息的 历史告警；权　利　要　求　书 1/4 页 2 CN 114422322 A 2将所述训练样本输入所述告警压缩分析模型， 确定所述训练样本之间的预测关联度， 基于所述预测关联度和目标关联度， 构建损失函数， 并基于所述损失函数， 对所述告警压缩 分析模型进行参数调整， 其中， 所述 目标关联度是基于所述训练样本对应的特征标注信息 确定的。 7.如权利要求6所述的方法， 其特征在于， 所述将所述训练样本输入所述告警压缩分析 模型， 确定所述训练样本之间的预测关联度， 包括： 通过所述告警压缩分析模型中的特征处理网络， 分别确定各个训练样本各自对应的目 标特征， 并将所述目标 特征分别输入所述告警压缩分析模型中的全连接 浅层网络； 通过所述告警压缩分析模型中的分类网络， 对所述全连接浅层网络输出的结果进行预 测， 确定所述训练样本之间的预测关联度。 8.如权利要求7所述的方法， 其特征在于， 所述通过所述告警压缩分析模型中的特征处 理网络， 分别确定各个训练样本各自对应的目标 特征， 包括： 针对任一训练样本， 通过所述特征处理网络中的全连接深层网络， 确定所述训练样本 的告警工单事件特征； 以及通过所述特征处理网络中的图神经网络， 确定所述训练样本的 资源拓扑特征， 其中， 所述资源拓扑特征中包括处理网元地理拓扑特征、 处理网元层 级拓扑 特征、 处理网元非图结构离 散特征中的至少一种； 将所述资源拓扑特征与所述告警工单事件特征进行特征合并， 确定所述训练样本对应 的目标特征。 9.一种告警压缩的装置， 其特 征在于， 所述装置包括： 获取单元， 用于针对待处理告警， 基于告警规则， 确定所述待处理告警与同周期中其他 告警为非同源告警， 将所述待处理告警输入告警压缩分析模型， 获取所述告警压缩分析模 型输出的压缩分析信息； 其中， 所述告警压缩分析模型是基于带有特征标注信息的历史告 警进行训练获得的； 压缩单元， 用于基于所述压缩分析信 息， 对所述待处理告警进行压缩处理， 生成相应的 告警工单。 10.如权利要求9所述的装置， 其特 征在于， 所述获取 单元具体用于： 针对所述待处理告警， 基于所述告警规则中的压缩规则， 确定不进行压缩处理， 以及基 于所述告警规则中的拦截规则， 确定不进行拦截处理后， 确定所述待处理告警与同周期 中 其他告警为非同源告警。 11.如权利要求9所述的装置， 其特 征在于， 所述获取 单元具体用于： 将所述待处理告警输入告警压缩分析模型， 在所述告警压缩分析模型中执行如下操 作： 分别识别所述待处理告警， 以及同周期中其他告警各自对应的目标特征， 并基于所述 目标特征， 确定所述待处理告警与同周期中其他告警之 间的关联度， 其中， 所述目标特征是 基于资源拓扑 特征和告警工单事 件特征中的至少一种确定的； 基于所述关联度， 在所述其他告警中筛选所述关联度达到关联度阈值的同源其他告 警， 并基于所述筛 选结果， 确定所述压缩分析信息并输出。 12.如权利要求1 1所述的装置， 其特 征在于， 所述获取 单元具体用于： 若确定所述筛选结果表征未筛选出同源其他告警， 则确定所述压缩分析信 息中包含用权　利　要　求　书 2/4 页 3 CN 114422322 A 3