本申請涉及計算機(jī)，具體涉及一種工單的故障類型確定方法、裝置、電子設(shè)備、產(chǎn)品及存儲介質(zhì)。

背景技術(shù)：

1、隨著信息化技術(shù)的不斷發(fā)展和改進(jìn)，工單管理系統(tǒng)在規(guī)范性、業(yè)務(wù)擴(kuò)展性、管控能力等方面要求越來越高，以致用戶、業(yè)務(wù)、管理等多個層面面臨著實際挑戰(zhàn)。由于各種原因，如硬件故障、軟件錯誤或配置問題，會導(dǎo)致業(yè)務(wù)中斷和生產(chǎn)效率下降。當(dāng)用戶報告業(yè)務(wù)故障問題時，工單需要被快速而準(zhǔn)確地分析，以確定可能的問題原因，使企業(yè)提高管理效率，降低生產(chǎn)成本實現(xiàn)資源效益最大化的工作重點(diǎn)，這也成為企業(yè)關(guān)注的要點(diǎn)。

2、目前，工單故障診斷主要依賴于人工分析或基于規(guī)則的自動化方法。人工分析需要大量的時間和人力資源，并且容易出現(xiàn)主觀判斷和誤判?；谝?guī)則的方法通常需要手動編寫和維護(hù)規(guī)則，且對于復(fù)雜的故障場景可能無法提供準(zhǔn)確的診斷結(jié)果。

3、綜上可知，現(xiàn)有的工單故障診斷方法的效率低。

技術(shù)實現(xiàn)思路

1、本申請實施例提供一種工單的故障類型確定方法、裝置、電子設(shè)備、產(chǎn)品及存儲介質(zhì)，用以解決工單故障診斷方法的效率低的技術(shù)問題。

2、第一方面，本申請實施例提供一種工單的故障類型確定方法，包括：

3、獲取用戶的多個工單信息；

4、將所述多個工單信息分別輸入工單故障診斷模型，獲取所述工單故障診斷模型輸出的所述多個工單信息的故障類型；

5、其中，所述工單故障診斷模型用于將所述多個工單信息轉(zhuǎn)換為第一工單特征向量，基于所述第一工單特征向量的上下文信息，對所述第一工單特征向量進(jìn)行賦權(quán)重處理，得到第二工單特征向量，基于所述第二工單特征向量，確定所述故障類型。

6、在一個實施例中，所述工單故障診斷模型包括預(yù)分類模塊、特征提取模塊、注意力模塊和匹配模塊，其中：

7、所述預(yù)分類模塊用于將所述多個工單信息轉(zhuǎn)換為第一工單特征向量，獲取所述第一工單特征向量的初始故障類型集和上下文信息；

8、所述特征提取模塊根據(jù)初始故障類型集對所述第一工單特征向量進(jìn)行標(biāo)識，基于第一編碼器從標(biāo)識后的第一工單特征向量中提取特征，得到第三工單特征向量；所述特征提取模塊還基于第二編碼器從所述第一工單特征向量中提取特征，得到第四工單特征向量；

9、所述注意力模塊用于融合所述第三工單特征向量和所述第四工單特征向量，得到初始第二工單特征向量，基于所述上下文信息，對所述初始第二工單特征向量進(jìn)行賦權(quán)重處理，得到所述第二工單特征向量；

10、所述匹配模塊用于基于所述第二工單特征向量，確定所述故障類型。

11、在一個實施例中，所述預(yù)分類模塊，包括雙向的長短時記憶lstm網(wǎng)絡(luò)和工單預(yù)分類器：

12、雙向的lstm網(wǎng)絡(luò)用于獲取所述第一工單特征向量和所述上下文信息；

13、所述工單預(yù)分類器基于所述第一工單特征向量和所述上下文信息，對所述工單信息進(jìn)行預(yù)分類，得到所述初始故障類型集。

14、在一個實施例中，所述上下文信息包括多個關(guān)聯(lián)的向量矩陣組，所述注意力模塊用于將多個所述向量矩陣組的相同行平均相加，得到工單特征向量的轉(zhuǎn)置向量；對所述工單特征向量的轉(zhuǎn)置向量和所述初始第二工單特征向量進(jìn)行融合，得到初始第一注意力向量，對所述初始第一注意力向量進(jìn)行一維卷積、平均池化、批歸一化和激活處理，得到第一注意力向量；對所述工單特征向量的轉(zhuǎn)置向量進(jìn)行所述一維卷積、所述平均池化、所述批歸一化和所述激活處理，得到第二注意力向量；對所述第二注意力向量、所述工單特征向量的轉(zhuǎn)置向量和所述第一注意力向量進(jìn)行融合，得到所述第二工單特征向量。

15、在一個實施例中，所述注意力模塊用于將所述第二注意力向量和所述工單特征向量的轉(zhuǎn)置向量進(jìn)行逐元素相乘，得到第三注意力向量，將所述第三注意力向量和所述第一注意力向量進(jìn)行矩陣相乘，得到所述第二工單特征向量。

16、在一個實施例中，所述第二工單特征向量包括多個分類向量，所述匹配模塊用于：

17、匹配每個所述分類向量和所有歷史故障類型，得到所述分類向量的相關(guān)性集；

18、基于所述相關(guān)性集，確定每個所述分類向量的相關(guān)性分?jǐn)?shù)；

19、將最高相關(guān)性分?jǐn)?shù)對應(yīng)的歷史故障類型作為所述故障類型。

20、在一個實施例中，所述工單故障診斷模型是基于以下步驟得到的：

21、基于所述真實故障類型的標(biāo)簽，對每個所述樣本工單信息進(jìn)行標(biāo)記，得到訓(xùn)練樣本；

22、基于所述訓(xùn)練樣本，訓(xùn)練預(yù)設(shè)分類器，得到工單預(yù)分類器，所述工單預(yù)分類器包括編碼器和全連接層；

23、基于所述訓(xùn)練樣本，訓(xùn)練所述預(yù)設(shè)模型，所述預(yù)設(shè)模型包括初始預(yù)分類模塊、初始特征提取模塊、初始注意力模塊和初始匹配模塊，所述初始預(yù)分類模塊包括初始雙向lstm網(wǎng)絡(luò)和所述工單預(yù)分類器，所述初始特征提取模塊包括所述編碼器；

24、當(dāng)所述預(yù)設(shè)模型的誤差小于設(shè)定閾值時，得到所述工單故障診斷模型。

25、第二方面，本申請實施例提供一種工單的故障類型確定裝置，包括：

26、工單信息獲取模塊，用于獲取用戶的多個工單信息；

27、故障類型確定模塊，用于將所述多個工單信息分別輸入工單故障診斷模型，獲取所述工單故障診斷模型輸出的所述多個工單信息的故障類型；其中，所述工單故障診斷模型用于將所述多個工單信息轉(zhuǎn)換為第一工單特征向量，基于所述第一工單特征向量的上下文信息，對所述第一工單特征向量進(jìn)行賦權(quán)重處理，得到第二工單特征向量，基于所述第二工單特征向量，確定所述故障類型。

28、第三方面，本申請實施例提供一種電子設(shè)備，包括處理器和存儲有計算機(jī)程序的存儲器，所述處理器執(zhí)行所述程序時實現(xiàn)第一方面所述的工單的故障類型確定方法。

29、第四方面，本申請實施例提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)第一方面所述的工單的故障類型確定方法。

30、第五方面，本申請實施例提供一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)第一方面所述的工單的故障類型確定方法。

31、本申請實施例提供的工單的故障類型確定方法、裝置、電子設(shè)備、產(chǎn)品及存儲介質(zhì)，通過獲取用戶的多個工單信息；將所述多個工單信息分別輸入工單故障診斷模型，獲取所述工單故障診斷模型輸出的所述多個工單信息的故障類型；其中，所述工單故障診斷模型用于將所述多個工單信息轉(zhuǎn)換為第一工單特征向量，基于所述第一工單特征向量的上下文信息，對所述第一工單特征向量進(jìn)行賦權(quán)重處理，得到第二工單特征向量，基于所述第二工單特征向量，確定所述故障類型。本申請通過第一工單特征向量和上下文信息，獲取工單信息的第二工單特征向量，實現(xiàn)了自動提取工單信息的特征信息；通過帶有注意力權(quán)重的第二工單特征向量，確定故障類型，實現(xiàn)了對不同類型的故障場景和不同環(huán)境的工單信息的處理，提高了診斷工單信息的故障類型的準(zhǔn)確性。

技術(shù)特征：

1.一種工單的故障類型確定方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的工單的故障類型確定方法，其特征在于，所述工單故障診斷模型包括預(yù)分類模塊、特征提取模塊、注意力模塊和匹配模塊，其中：

3.根據(jù)權(quán)利要求2所述的工單的故障類型確定方法，其特征在于，所述預(yù)分類模塊，包括雙向的長短時記憶lstm網(wǎng)絡(luò)和工單預(yù)分類器：

4.根據(jù)權(quán)利要求2所述的工單的故障類型確定方法，其特征在于，所述上下文信息包括多個關(guān)聯(lián)的向量矩陣組，所述注意力模塊用于將多個所述向量矩陣組的相同行平均相加，得到工單特征向量的轉(zhuǎn)置向量；對所述工單特征向量的轉(zhuǎn)置向量和所述初始第二工單特征向量進(jìn)行融合，得到初始第一注意力向量，對所述初始第一注意力向量進(jìn)行一維卷積、平均池化、批歸一化和激活處理，得到第一注意力向量；對所述工單特征向量的轉(zhuǎn)置向量進(jìn)行所述一維卷積、所述平均池化、所述批歸一化和所述激活處理，得到第二注意力向量；對所述第二注意力向量、所述工單特征向量的轉(zhuǎn)置向量和所述第一注意力向量進(jìn)行融合，得到所述第二工單特征向量。

5.根據(jù)權(quán)利要求4所述的工單的故障類型確定方法，其特征在于，所述注意力模塊用于將所述第二注意力向量和所述工單特征向量的轉(zhuǎn)置向量進(jìn)行逐元素相乘，得到第三注意力向量，將所述第三注意力向量和所述第一注意力向量進(jìn)行矩陣相乘，得到所述第二工單特征向量。

6.根據(jù)權(quán)利要求2所述的工單的故障類型確定方法，其特征在于，所述第二工單特征向量包括多個分類向量，所述匹配模塊用于：

7.根據(jù)權(quán)利要求1所述的工單的故障類型確定方法，其特征在于，所述工單故障診斷模型是基于以下步驟得到的：

8.一種工單的故障類型確定裝置，其特征在于，包括：

9.一種電子設(shè)備，包括處理器和存儲有計算機(jī)程序的存儲器，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)權(quán)利要求1至7任一項所述的工單的故障類型確定方法。

10.一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7任一項所述的工單的故障類型確定方法。

11.一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7任一項所述的工單的故障類型確定方法。

技術(shù)總結(jié)
本申請涉及計算機(jī)技術(shù)領(lǐng)域，提供一種工單的故障類型確定方法、裝置、電子設(shè)備、產(chǎn)品及存儲介質(zhì)。所述方法包括：獲取用戶的多個工單信息；將所述多個工單信息分別輸入工單故障診斷模型，獲取所述工單故障診斷模型輸出的所述多個工單信息的故障類型。本申請通過第一工單特征向量和上下文信息，獲取工單信息的第二工單特征向量，實現(xiàn)了自動提取工單信息的特征信息；通過帶有注意力權(quán)重的第二工單特征向量，確定故障類型，實現(xiàn)了對不同類型的故障場景和不同環(huán)境的工單信息的處理，提高了診斷工單信息的故障類型的準(zhǔn)確性。

技術(shù)研發(fā)人員：鄧衛(wèi)成,梁學(xué)賢,邢彥廷,高達(dá)峰
受保護(hù)的技術(shù)使用者：中國移動通信集團(tuán)山西有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21