(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 202210576206.3 (22)申请日 2022.05.24 (71)申请人 中国联合网络通信集团有限公司 地址 100033 北京市西城区金融大街21号 (72)发明人 李亚梦　王泽林　高伟　王书元　 (74)专利代理 机构 北京中博世 达专利商标代理 有限公司 1 1274 专利代理师 申健 (51)Int.Cl. G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 5/04(2006.01) H04L 41/06(2022.01) (54)发明名称 一种网络故障的分析方法、 装置及设备 (57)摘要 本申请提供了一种网络故障的分析方法、 装 置及设备， 解决了网络故障定位不准确， 网络故 障处理效率低的问题。 该方法包括： 获取第一网 络中多个工单的故障处理信息， 并根据第一网络 中多个工单的故障处理信息， 生成第一知识图 谱， 第一知识图谱包括工单与故障根因的关系； 将第一知识 图谱输入到预设的第一模型进行预 测， 得到第二模型； 将目标工单输入到第二模型 进行推理， 得到第二知识图谱， 第二知识图谱包 括目标工 单与第一故障根因的关系； 根据第二知 识图谱处 理目标工单对应的第一故障根因。 权利要求书2页 说明书12页 附图5页 CN 114969366 A 2022.08.30 CN 114969366 A 1.一种网络故障的分析 方法， 其特 征在于， 所述方法包括： 获取第一网络中多个工单的故障处 理信息； 根据所述第一网络中多个工单的故障处理信息， 生成第一知识图谱， 所述第一知识图 谱包括工单与故障根因的关系； 所述第一知识图谱还包括工单包含的告警、 告警之间的衍 生关系、 告警发生的设备、 告警对应的故障根因、 以及故障根因与设备的关系中的一项或多 项； 将所述第一知识图谱输入到预设的第一模型进行 预测， 得到第二模型； 将目标工单输入到所述第二模型进行推理， 得到第二知识图谱， 所述第二知识图谱包 括所述目标工单与第一故障根因的关系； 所述第二知识图谱还包括所述目标工单包含的告 警、 告警之间的衍生关系、 告警发生的设备、 告警对应的第一故障根因、 以及所述第一故障 根因与设备的关系中的一项或多 项； 根据所述第二知识图谱处 理所述目标工单对应的第一故障根因。 2.根据权利要求1所述的方法， 其特征在于， 所述第一知识图谱中包含多个三元组， 每 个三元组用于表征所述第一知识图谱中节点与节点之间的关系， 其中所述节点为工单、 告 警、 设备、 故障根因中的任一种， 所述节点与 节点之间的关系包括工单与故障根因之 间的关 系、 工单与告警的包含关系、 告警与告警之间的衍生关系、 告警与设备的发生关系、 告警与 故障根因之间的对应关系以及故障根因与设备的关系中的一项或多 项。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述第 一知识图谱输入到预设的第 一模型进行 预测， 得到第二模型， 包括： 对所述第一知识图谱的节点进行编码， 确定第一嵌入向量； 通过对所述第一嵌入向量解码， 得到第二嵌入向量， 所述第二嵌入向量为所述第一知 识图谱中节点与节点之间关系的嵌入向量； 根据所述第一嵌入向量， 所述第二嵌入向量以及损失函数， 得到所述第二模型。 4.根据权利要求3所述的方法， 其特征在于， 所述预设的第一模型包括图神经网络GNN 模型和Distmult模型。 5.根据权利要求4所述的方法， 其特征在于， 所述将目标工单输入到所述第 二模型进行 推理， 得到第二知识图谱， 包括： 根据所述目标工单以及所述第一知识图谱， 得到候选三元组； 根据所述 候选三元组在所述第二模型中的打 分值， 得到所述第二知识图谱。 6.根据权利要求1所述的方法， 其特征在于， 在所述将目标工单输入到所述第 二模型进 行推理， 得到第二知识图谱之后， 所述方法还 包括： 将所述第二知识图谱输入到所述第二模型中迭代运 算， 更新所述第二模型。 7.一种网络故障的分析装置， 其特 征在于， 所述装置包括获取模块和处 理模块； 所述获取模块， 用于获取第一网络中多个工单的故障处 理信息； 所述处理模块， 用于根据所述第一网络中多个工单的故障处理信息， 生成第一知识图 谱， 所述第一知识图谱包括工单与故障根因的关系； 所述第一知识图谱还包括工单包含的 告警、 告警之间的衍生关系、 告警发生的设备、 告警对应的故障根因、 以及故障根因与设备 的关系中的一项或多 项； 所述处理模块， 还用于将所述第一知识图谱输入到预设的第一模型进行预测， 得到第权　利　要　求　书 1/2 页 2 CN 114969366 A 2二模型； 所述处理模块， 还用于将目标工单输入到所述第 二模型进行推理， 得到第 二知识图谱， 所述第二知识图谱包括所述目标工单与第一 故障根因的关系； 所述第二知识图谱还包括所 述目标工单包含的告警、 告警之间的衍生关系、 告警发生的设备、 告警对应的第一故障根 因、 以及所述第一故障根因与设备的关系中的一项或多 项； 所述处理模块， 还用于根据所述第二知识图谱处理所述目标工单对应的第一故障根 因。 8.根据权利要求7所述的装置， 其特征在于， 所述第一知识图谱中包含多个三元组， 每 个三元组用于表征所述第一知识图谱中节点与节点之间的关系， 其中所述节点为工单、 告 警、 设备、 故障根因中的任一种， 所述节点与 节点之间的关系包括工单与故障根因之 间的关 系、 工单与告警的包含关系、 告警与告警之间的衍生关系、 告警与设备的发生关系、 告警与 故障根因之间的对应关系以及故障根因与设备的关系中的一项或多 项。 9.根据权利要求8所述的装置， 其特征在于， 所述处理模块， 还用于将所述第一知识图 谱输入到预设的第一模型进行 预测， 得到第二模型， 包括： 对所述第一知识图谱的节点进行编码， 确定第一嵌入向量； 通过对所述第一嵌入向量解码， 得到第二嵌入向量， 所述第二嵌入向量为所述第一知 识图谱中节点与节点之间关系的嵌入向量； 根据所述第一嵌入向量， 所述第二嵌入向量以及损失函数， 得到所述第二模型。 10.根据权利要求9所述的装置， 其特征在于， 所述预设的第 一模型包括图神经网络GNN 模型和Distmult模型。权　利　要　求　书 2/2 页 3 CN 114969366 A 3