买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本公开提供了一种基于图神经网络的云网跨域告警聚类方法和装置。该方法包括：获取告警数据，其中所述告警数据构成告警消息块；按时间序列获取连续的告警消息块；判断是否进入模型训练阶段，若是，则响应于进入所述模型训练阶段，新建告警消息关系图并生成加权多关系图，或者维护告警消息关系图并更新加权多关系图；基于所述多关系图，通过加权多关系图神经网络算法MarGNN来训练告警消息节点的嵌入向量学习模型；输出所述告警消息节点的嵌入向量；以及基于所述嵌入向量，对所述告警消息进行聚类，以获得故障事件类簇。

主权项：1.一种基于图神经网络的云网跨域告警聚类方法，其特征在于，所述方法包括：获取告警数据，其中所述告警数据构成告警消息块；按时间序列获取连续的告警消息块；判断是否进入模型训练阶段，若是，则响应于进入所述模型训练阶段，新建告警消息关系图并生成加权多关系图，或者维护告警消息关系图并更新加权多关系图；基于所述多关系图，通过加权多关系图神经网络算法MarGNN来训练告警消息节点的嵌入向量学习模型；输出所述告警消息节点的嵌入向量；以及基于所述嵌入向量，对所述告警消息进行聚类，以获得故障事件类簇，其中，所述新建告警消息关系图并生成加权多关系图的步骤包括：对第一告警消息块M0调用资源关联模型，其中，第一告警消息块M0包括：告警消息m1、告警消息m2、告警消息m3和告警消息m4；以告警消息m1、m2、m3和m4及其相关的各类资源元素为节点，以告警消息与相应的资源元素之间、资源元素与资源元素之间的关系为边建立初始异构信息网络图，记作G＝V，E，其中V表示节点集合，E表示边集合；当告警消息共享不同类型的资源元素时，建立元路径模型；从异构信息网络图G中提取告警消息节点间的不同关系，并将该关系对应的元路径模型实例个数作为关系权重，将G转换为加权多关系图，记作其中为多关系图中的节点集合，节点是指告警消息mi；mi具有d维特征，记作且是所有节点特征的集合；表示消息mi，mj之间关系为r∈{1，...，R}，权重为的边；根据G的邻接矩阵内积给定边权值其中Amr1表示消息节点与关系r中第一资源元素类的邻接矩阵，Arkrk+1表示关系r中第k资源元素类与第k+1资源元素类的邻接矩阵，ArLm为关系r中最后一个资源元素类与消息节点的邻接矩阵，其中，所述维护告警消息关系图并更新加权多关系图的步骤包括：从所述加权多关系图中删除过时的告警消息节点；获取新告警消息块；以及基于所述新告警消息块中的告警消息节点、所述新告警消息块中的告警消息节点与现有告警消息节点之间的边以及所述新告警消息块中的相应告警消息节点之间的边，更新所述加权多关系图，其中，所述基于所述多关系图，通过加权多关系图神经网络算法MarGNN来训练告警消息节点的嵌入向量学习模型的步骤包括：选择不同关系的邻居，其中，在选择不同关系的邻居时，在聚合前对每种邻居关系执行Top-p邻居抽样，得到保留阈值pr∈[0，1]，当pr为1时，保留所有邻居；当pr为0时，丢弃所有邻居；使用关系内聚合器聚合多关系感知的邻居信息；和或使用关系间聚合器聚合多关系感知的邻居信息，其中，所述关系内聚合器为： 其中，是消息mi在关系r下在l层的嵌入向量，是消息mi在关系r的邻居消息mj在l-1层的嵌入向量，是指经过保留阈值pr选择后消息mi在关系r的邻居消息集合，表示求和聚合运算符，表示头部拼接操作；所述关系间聚合器为： 其中，表示拼接聚合运算符，将第L层的嵌入向量作为mi的最终嵌入向量基于对比学习机制更新模型参数，其中，所述基于对比学习机制更新模型参数包括：设置mini-batch，读取断点以进行模型继续训练，其中，所述对比学习机制包括：损失函数，所述损失函数构造为：其中，mi，mi+，mi-是从mini-batch的打标数据集中采样的消息mi及其正样本mi+、负样本mi-组成的三元组，T是三元组集合，计算两个消息的欧氏距离，a是控制正、负样本与mi距离的超参数，mi+为来自同一事件类的消息，负样本mi-为来自不同事件类的消息，s为所有消息表示的平均值，为一个双线性评分函数，用于获得两参数来自于联合分布的概率，消息嵌入向量的损坏嵌入向量通过使用噪声对比方法交换X的行得到而获得；以及选用Adam作为优化器，反向传播更新模型参数。

全文数据：

权利要求：

百度查询： 中国联合网络通信集团有限公司 一种基于图神经网络的云网跨域告警聚类方法和装置