本技術(shù)涉及網(wǎng)絡(luò)運維領(lǐng)域，具體而言，涉及一種電信網(wǎng)絡(luò)的故障定位方法及系統(tǒng)。

背景技術(shù)：

1、目前，電信網(wǎng)絡(luò)是指通過無線通信技術(shù)，實現(xiàn)移動設(shè)備之間或移動設(shè)備與固定網(wǎng)絡(luò)之間的數(shù)據(jù)和語音傳輸?shù)南到y(tǒng)。它包括基站、移動交換中心、路由器等各種網(wǎng)絡(luò)設(shè)備，通過物理鏈路和無線電波相互連接，為用戶提供廣泛的通信服務。在電信網(wǎng)絡(luò)中，網(wǎng)絡(luò)設(shè)備通過物理鏈路相互連接。當某個設(shè)備出現(xiàn)故障時，可能會影響到與之相連的其他設(shè)備，觸發(fā)告警，甚至在嚴重情況下導致服務中斷。隨著網(wǎng)絡(luò)規(guī)模的擴展和復雜度的指數(shù)級增長，網(wǎng)絡(luò)故障的頻率也急劇上升，嚴重影響網(wǎng)絡(luò)質(zhì)量和用戶體驗。因此，如何有效地檢測、診斷和修復網(wǎng)絡(luò)故障，成為確保電信網(wǎng)絡(luò)穩(wěn)定運行的關(guān)鍵。

2、電信網(wǎng)絡(luò)的故障定位通常通過告警來識別。一個網(wǎng)絡(luò)中的故障事件序列由連續(xù)時間下的離散事件組成，常以異常告警的形式出現(xiàn)在通信網(wǎng)絡(luò)場景中?；跉v史故障事件序列，我們可以發(fā)現(xiàn)網(wǎng)絡(luò)告警類型之間的因果關(guān)系，這樣有助于高效準確地定位告警根因，從而提高運維效率并降低運維成本。然而，無線網(wǎng)絡(luò)告警信息會中存在大量的冗余告警，這給根因的準確定位帶來了挑戰(zhàn)。由于移動通信基站內(nèi)各設(shè)備在物理或邏輯上存在聯(lián)系，當一個設(shè)備出現(xiàn)故障時，會產(chǎn)生大量與該故障直接相關(guān)的告警信息。同時與該設(shè)備相關(guān)聯(lián)的其它設(shè)備也可能會受到影響，產(chǎn)生大量與該故障沒有直接關(guān)聯(lián)的冗余告警信息。此外，告警事件序列的數(shù)據(jù)稀疏、信息量少、時間精度低等特點，對現(xiàn)有的根因定位方法提出了諸多挑戰(zhàn)。

技術(shù)實現(xiàn)思路

1、本技術(shù)的主要目的在于提供一種電信網(wǎng)絡(luò)的故障定位方法及系統(tǒng)，以實現(xiàn)通過因果關(guān)系圖來展示告警信息，進而快速找到故障根源。

2、為了實現(xiàn)上述目的，本技術(shù)提供了：一種電信網(wǎng)絡(luò)的故障定位方法，所述方法包括：

3、基于事件序列的拓撲結(jié)構(gòu)和時間步驟初始化拓撲時間因果圖；

4、將拓撲域和時域的卷積運算組合成拓撲時域的聯(lián)合卷積運算，并生成拓撲時間因果圖；

5、基于gcn(圖卷積網(wǎng)絡(luò))定義自適應嵌入，將事件類型和物理節(jié)點拓撲的初始因果結(jié)構(gòu)信息注入到事件序列嵌入中；

6、構(gòu)建拓撲時間因果變壓器模型，并捕獲全局依賴性；

7、通過最大化對數(shù)似然函數(shù)優(yōu)化所述拓撲時間因果變壓器模型參數(shù)；

8、迭代更新因果權(quán)重，最終保存為事件類型之間的因果圖，并實現(xiàn)故障的定位。

9、進一步，所述將拓撲域和時域的卷積運算組合成拓撲時域的聯(lián)合卷積運算，并生成拓撲時間因果圖的方法包括：

10、令b∈rn×n為加權(quán)因果矩陣，給定事件類型n,n′∈n，bn,n′表征從類型n到類型n′的因果強度，設(shè)(n,v,t)和(n′,v′,t′)是在事件序列e中觀察到的事件，其中計算bn,n′對所述拓撲時間因果圖進行卷積定義，定義公式如下：

11、

12、其中，φ(v,t),(v′,t′)為所述拓撲域的卷積核，為所述時域的卷積核，n,n′為給定事件類型，gv表示網(wǎng)絡(luò)中的拓撲結(jié)構(gòu)，t表示時間的維度。

13、進一步，所述基于gcn(圖卷積網(wǎng)絡(luò))定義自適應嵌入，將事件類型和物理節(jié)點拓撲的初始因果結(jié)構(gòu)信息注入到事件序列嵌入中的方法包括：

14、基于gcn構(gòu)建嵌入層，并注入事件觀察的拓撲、因果和時間信息；

15、基于gcn進行自適應編碼，具體的：

16、物理節(jié)點編碼，令表示報警事件的頂點子序列，初始化物理節(jié)點嵌入矩陣dv∈rm×|v|，其中dv的第j列表示頂點vj的m維嵌入，假設(shè)是gcn第k層的輸入，其中此時拓撲圖卷積被定義為將物理節(jié)點的拓撲關(guān)系輸入到節(jié)點嵌入中，此時，拓撲圖卷積為：

17、

18、其中wv為參數(shù)矩陣，矩陣a為固定拓撲圖結(jié)構(gòu)，為通過參數(shù)化a動態(tài)學習的圖結(jié)構(gòu)；

19、將事件頂點子序列的嵌入修改為：

20、

21、其中是事件頂點子序列的獨熱編碼矩，是頂點vj的一個獨熱編碼，j∈v；

22、事件類型編碼，令表示報警事件的類型子序列，用可訓練的線性投影將n中的事件類型映射到高維特征，事件類型的嵌入矩陣表示為dn∈rm×|n|，其中m是嵌入維數(shù)，矩陣dn的第j列對應事件類型nj的m維嵌入，嵌入矩陣dn將離散的事件類型轉(zhuǎn)換為連續(xù)的實值向量；

23、構(gòu)建因果圖卷積，將因果語義信息融合到事件類型嵌入矩陣中，獲得因果級別的事件類型的特征表示，表示gcn第k層的輸入，其中將語義圖卷積定義為捕捉因果圖的模式：

24、

25、其中為可訓練矩陣b的參數(shù)化表示，σ是激活函數(shù)，wn是參數(shù)矩陣語義圖卷積被定義為捕捉因果圖的內(nèi)在模式；在訓練穩(wěn)定后，推斷出事件類型最合適的因果圖結(jié)構(gòu)，重塑事件類型子序列的嵌入為：

26、

27、其中是事件類型子序列的獨熱編碼矩陣，向量是事件類型nj的一個獨熱編碼，j∈n；

28、時間編碼，令為報警事件的時間子序列，初始化可學習的時間嵌入矩陣dt∈rm×|t|，其中dt的第j列表示時間步長tj的m維嵌入。報警事件的時間子序列et被編碼成m×|t|維矩陣xt′。

29、進一步，所述構(gòu)建拓撲時間因果變壓器模型，并捕獲全局依賴性的方法包括：

30、構(gòu)建拓撲變壓器模型，包括多頭自注意力層(mhsa)和全連接前饋層(ffn)，將節(jié)點嵌入特征輸入到拓撲變壓器中，使用多頭自注意力層(mhsa)和全連接前饋層(ffn)按順序整合所有報警時間的信息；

31、構(gòu)建因果變壓器模型，融合所述拓撲變壓器模型的輸出和事件類型嵌入，為每個時間編碼高維特征；

32、構(gòu)建時間變壓器模型，對報警的時間信息進行編碼，捕獲全局上下文關(guān)系。

33、進一步，在所述構(gòu)建拓撲時間因果變壓器模型，并捕獲全局依賴性之后，所述方法還包括：

34、根據(jù)所述拓撲時間因果變壓器模型的輸出構(gòu)建連續(xù)時間條件強度函數(shù)；

35、通過連續(xù)時間條件強度函數(shù)構(gòu)建最大化對數(shù)似然函數(shù)。

36、本發(fā)明進一步公開了一種電信網(wǎng)絡(luò)的故障定位系統(tǒng)，包括：

37、初始化模塊，用于基于事件序列的拓撲結(jié)構(gòu)和時間步驟初始化拓撲時間因果圖；

38、聯(lián)合運算模塊，用于將拓撲域和時域的卷積運算組合成拓撲時域的聯(lián)合卷積運算，并生成拓撲時間因果圖；

39、信息注入模塊，用于基于gcn(圖卷積網(wǎng)絡(luò))定義自適應嵌入，將事件類型和物理節(jié)點拓撲的初始因果結(jié)構(gòu)信息注入到事件序列嵌入中；

40、模型構(gòu)建模塊，用于構(gòu)建拓撲時間因果變壓器模型，并捕獲全局依賴性；還用于，

41、通過最大化對數(shù)似然函數(shù)優(yōu)化所述拓撲時間因果變壓器模型參數(shù)；還用于，

42、迭代更新因果權(quán)重，最終保存為事件類型之間的因果圖，并實現(xiàn)故障的定位。

43、進一步，所述模型構(gòu)建模塊還用于，

44、根據(jù)所述拓撲時間因果變壓器模型的輸出構(gòu)建連續(xù)時間條件強度函數(shù)；

45、通過連續(xù)時間條件強度函數(shù)構(gòu)建最大化對數(shù)似然函數(shù)。

46、本發(fā)明進一步公開了一種計算機可讀存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的電信網(wǎng)絡(luò)的故障定位方法。

47、本發(fā)明進一步公開了一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)上述的電信網(wǎng)絡(luò)的故障定位方法。

48、本發(fā)明進一步公開了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序在被處理器執(zhí)行時實現(xiàn)上述的電信網(wǎng)絡(luò)的故障定位方法。

49、本發(fā)明提供的一種電信網(wǎng)絡(luò)的故障定位方法及系統(tǒng)，與現(xiàn)有技術(shù)相比，其有益效果為：通過將網(wǎng)絡(luò)告警時間抽象為告警事件類型、事件所屬的物理節(jié)點和事件發(fā)生時間表示的事件序列，可以發(fā)現(xiàn)多個告警類型之間的最佳因果關(guān)系結(jié)構(gòu)，同時構(gòu)建對應的拓撲時間因果變壓器模型，可以捕獲全局的依賴性，最終保存為事件類型之間的因果圖，進而實現(xiàn)根因定位。