1.一种用于维护机器群组中的机器的方法,所述方法包括:
接收对应于机器的服务请求,其中所述服务请求包括对所述机器中的故障状况的描述;
获取对应于所述机器群组的服务架构,其中所述服务架构包括服务字典和以树状数据结构组织的多个分类方案;
基于所述服务字典和文本解析技术来处理所述服务请求以生成描述性字词列表;
基于所述描述性字词列表和所述服务架构来生成推荐,其中所述推荐包括在线修复活动、现场修复活动和部件更换活动中的至少一者;以及
基于所述推荐来对所述机器的所述故障状况提供服务。
2.根据权利要求1所述的方法,其中所述服务字典包括多个描述性关键字和从系统日志中提取的对应的多个消息代码。
3.根据权利要求1所述的方法,其中处理所述服务请求包括:
从所述服务请求移除特殊字符、专有名词和日期以生成所述描述性字词列表;以及
基于所述服务字典和对应于所述服务请求的描述性字词列表来创建第一二元向量,其中所述第一二元向量表示在所述服务字典中存在所述描述性字词列表中的描述性字词。
4.根据权利要求3所述的方法,其中生成所述推荐包括:
基于所述第一二元向量和深度学习模型来在所述多个分类方案中选择分类方案;以及
基于所述第一二元向量来评估对应于所述分类方案的机器学习模型。
5.根据权利要求1所述的方法,其中所述服务架构还包括部件字典,所述部件字典包括多个部件簇名称和对应的多个部件簇描述。
6.根据权利要求5所述的方法,其中获取所述服务架构包括:
检索对应于所述机器群组的日志记录数据,其中所述日志记录数据包括多个历史服务请求、对应于所述多个历史服务请求中的每个历史服务请求的多个推荐、包括多个消息代码的系统日志以及包括部件描述的部件列表;
基于所述多个历史服务请求、所述多个推荐和所述系统日志来确定所述服务字典;
基于所述多个历史服务请求、所述多个推荐和所述部件列表来确定所述部件字典;以及
基于所述日志记录数据、所述服务字典和所述部件字典来确定所述多个分类方案。
7.根据权利要求6所述的方法,其中确定所述服务字典包括:
使用文本处理技术从所述多个历史服务请求中确定多个描述性关键字;
从所述系统日志中提取对应于所述多个历史服务请求的多个消息代码;以及
将所述多个消息代码与所述服务字典中的所述多个描述性关键字相关联。
8.根据权利要求6所述的方法,其中确定所述部件字典包括:
确定对应于多个历史服务请求的部件名称;
为所述部件名称中的每一个确定词频-逆文档频率参数;
使用余弦相似性度量确定一对服务请求之间的距离;
基于具有噪声的基于密度的空间聚类算法技术来对多个部件名称进行聚类。
9.根据权利要求8所述的方法,其中生成所述部件字典包括基于置信度值和提升度值来根据关联规则对多个共存部件进行聚类。
10.根据权利要求6所述的方法,其中获取所述服务架构包括:
基于所述日志记录数据、所述服务字典和所述部件字典来在所述多个分类方案中确定第一分类方案和第二分类方案,其中所述第一分类方案是被配置为提供远程服务选项和现场服务选项中的一者的二元分类方案,并且其中所述第二分类方案是被配置为提供待执行的多个场外修复推荐的多标签分类方案。
11.根据权利要求10所述的方法,其中获取所述服务架构包括基于所述日志记录数据、所述服务字典和所述部件字典来在所述多个分类方案中确定第三分类方案、第四分类方案和第五分类方案,其中所述第三分类方案是被配置为提供部件更换选项和修复选项中的一者的二元分类方案,其中所述第四分类方案是被配置为提供待更换的部件列表的多标签分类方案,并且其中所述第五分类方案是被配置为提供现场修复推荐列表的多标签分类方案。
12.一种用于维护机器群组中的机器的系统,所述系统包括:
存储器单元,所述存储器单元被配置为:
存储请求数据库,所述请求数据库包括对应于所述机器的服务请求,其中所述服务请求包括对所述机器中的故障状况的描述;以及
存储对应于所述机器群组的服务架构,其中所述服务架构包括服务字典和以树状数据结构组织的多个分类方案;
文本处理单元,所述文本处理单元通信地耦接到所述存储器单元并且被配置为基于所述服务字典和文本解析技术来处理所述服务请求以生成描述性字词列表;
推荐单元,所述推荐单元通信地耦接到所述文本处理单元并且被配置为基于所述描述性字词列表和所述服务架构来生成推荐,其中所述推荐包括在线修复活动、现场修复活动和部件更换活动中的至少一者;和
控制器单元,所述控制器单元通信地耦接到所述推荐单元并且被配置为基于所述推荐来对所述机器的所述故障状况提供服务。
13.根据权利要求12所述的系统,其中所述服务字典包括多个描述性关键字和从系统日志中提取的对应的多个消息代码。
14.根据权利要求12所述的系统,其中所述文本处理单元被进一步配置为:
从所述服务请求移除特殊字符、专有名词和日期以生成描述性字词列表;以及
基于所述服务字典和对应于服务请求的描述性字词列表来创建第一二元向量,其中所述第一二元向量表示在所述服务字典中存在描述性字词。
15.根据权利要求14所述的系统,其中所述推荐单元被进一步配置为:
基于所述第一二元向量和深度学习模型,在所述多个分类方案中选择分类方案;以及
基于所述第一二元向量来评估对应于所述分类方案的机器学习模型。
16.根据权利要求12所述的系统,其中所述存储器单元被进一步配置为存储部件字典,所述部件字典包括多个部件簇名称和对应的多个部件簇描述。
17.根据权利要求16所述的系统,还包括:
存储在存储器单元中的历史数据库,其中所述历史数据库包括对应于所述机器群组的日志记录数据,其中所述日志记录数据包括多个历史服务请求、对应于所述多个历史服务请求中的每个历史服务请求的多个推荐、包括多个消息代码的系统日志以及包括部件描述的部件列表;
机器学习单元,所述机器学习单元通信地耦接到所述存储器单元并且被配置为:
基于所述多个历史服务请求、所述多个推荐和所述系统日志来确定所述服务字典;
基于所述多个历史服务请求、所述多个推荐和所述部件列表来确定所述部件字典;以及
基于所述日志记录数据、所述服务字典和所述部件字典来确定所述多个分类方案。
18.根据权利要求17所述的系统,其中所述机器学习单元被进一步配置为:
确定对应于多个服务请求的部件名称;
为所述部件名称中的每一个确定词频-逆文档频率参数;
使用余弦相似性度量确定一对服务请求之间的距离;
基于具有噪声的基于密度的空间聚类算法来对多个部件名称进行聚类。
19.根据权利要求18所述的系统,其中所述机器学习单元被进一步配置为基于置信度值和提升度值来根据关联规则对多个共存部件进行聚类。
20.根据权利要求19所述的系统,其中所述机器学习单元被配置为在所述多个分类方案中确定第一分类方案和第二分类方案,其中所述第一分类方案是被配置为提供远程服务选项和现场服务选项中的一者的二元分类方案,并且其中所述第二分类方案是被配置为提供待执行的多个场外修复推荐的多标签分类方案。
21.根据权利要求20所述的系统,其中所述机器学习单元被进一步配置为在所述多个分类方案中确定第三分类方案、第四分类方案和第五分类方案,其中所述第三分类方案是被配置为提供部件更换选项和修复选项中的一者的二元分类方案,并且其中所述第四分类方案是被配置为提供待更换的部件列表的多标签分类方案,并且其中所述第五分类方案是被配置为提供现场修复推荐列表的多标签分类方案。