一种NLP结合知识图谱的云电脑故障知识查询方法与流程

所属的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)，只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

背景技术：

1、近年来，随着云计算技术的快速发展，云电脑作为云计算的一种应用产品，越来越受到人们的关注和使用。然而，随着用户规模的不断扩大，故障问题也日益突出。因此，如何快速准确地查询故障原因及时给出解决方案进而提高整体运营效率成为了云电脑管理的重要问题。

2、现有的故障查询方法中并没有针对云电脑故障语料特点及云电脑使用习惯对云电脑故障进行查询的方法。

技术实现思路

1、为了克服现有技术存在的缺陷与不足，本发明提供一种nlp结合知识图谱的云电脑故障知识查询方法，针对云电脑故障语料特点及云电脑使用习惯构建实体和关系组成框架，提高了云电脑故障信息的查询效率。

2、为了达到上述目的，本发明采用以下技术方案：

3、本发明提供一种nlp结合知识图谱的云电脑故障知识查询方法，包括下述步骤：

4、搜集并扩充云电脑故障语料，构建实体和关系组成框架对云电脑故障语料进行实体和关系标注；

5、构建并训练云电脑语料实体抽取模型和云电脑语料关系分类模型；

6、构建实体-关系知识图谱，将实体-关系知识图谱插入到elasticsearch搜索引擎；

7、基于elasticsearch搜索引擎构建云电脑故障查询流程。

8、作为优选的技术方案，所述云电脑故障语料中每条语料至少存在一个实体且具有唯一的关系类型。

9、作为优选的技术方案，所述实体和关系组成框架将云电脑故障语料划分为三个实体类别，包括第一实体类别、第二实体类别和第三实体类别。

10、作为优选的技术方案，所述实体和关系标注的标注工具为label studio，通过label studio标注实体及其所属关系类型，关系类型表示语料所描述的关系类别，不严格要求每个字都与关系类型名相同，标注后的数据使用脚本转换为3200条训练数据，构建实体和实体类别token并输入到模型中。

11、作为优选的技术方案，所述云电脑语料实体抽取模型基于bert框架构建，云电脑语料实体抽取模型的隐藏层大小为768，隐藏层层数为12，自注意层数为12，优化器为adamw优化器，损失函数为交叉熵损失函数。

12、作为优选的技术方案，所述云电脑语料实体抽取模型的训练过程使用学习率预热训练策略，有效缓解云电脑语料实体抽取模型在训练初始阶段的提前过拟合现象，同时，保持云电脑语料实体抽取模型深层的稳定性。

13、作为优选的技术方案，所述云电脑语料关系分类模型基于bert框架构建，云电脑语料关系分类模型的隐藏层大小为768，隐藏层层数为12，自注意层数为12，优化器为adam优化器，损失函数为交叉熵损失函数。

14、作为优选的技术方案，所述云电脑语料关系分类模型的训练过程的具体步骤包括：

15、当云电脑故障语料中不存在多个同一级实体类别时，将所有实体按照实体类别由高到低依次排列并拼接，得到组合实体；

16、当云电脑故障语料中存在多个同一级实体类别时，对同一级实体进行排列组合构建多个组合实体；

17、将组合实体与剩下的语料进行拼接后输入云电脑语料关系分类模型。

18、作为优选的技术方案，所述云电脑故障查询流程的具体步骤包括：

19、问句输入，问句输入方式采用网页部署，在浏览器中打开部署的页面，输入云电脑故障查询问句；

20、模型推理，页面将问句内容传输至云电脑语料实体抽取模型和云电脑语料关系分类模型，获取实体抽取和关系匹配结果；

21、结果展示，将实体抽取和关系匹配结果编辑成指令发送至elasticsearch搜索引擎进行云电脑故障检索，将检索结果置信度排名top5的信息回传至页面进行展示。

22、作为优选的技术方案，所述云电脑故障检索的具体步骤包括：

23、每一条图谱分支由三级实体类别和一个关系构成，若三级实体类别中存在第二实体类别和第三实体类别，则基于elasticsearch搜索引擎进行精确搜索；

24、若三级实体类别中第二实体类别或第三实体类别存在缺失，则将第二实体类别或第三实体类别以保留字段的空字符代替，并基于elasticsearch搜索引擎进行模糊搜索。

25、本发明的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现一种nlp结合知识图谱的云电脑故障知识查询方法。

26、本发明的一种控制器，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现一种nlp结合知识图谱的云电脑故障知识查询方法。

27、本发明与现有技术相比，具有如下优点和有益效果：

28、(1)本发明针对云电脑故障语料特点及云电脑使用习惯，通过构建实体和关系组成框架，提高了云电脑故障信息的查询效率。

29、(2)本发明通过云电脑故障语料构建云电脑故障实体-关系知识图谱，充分体现了云电脑各个模块之间的关联关系，从而更加精准地检索出故障解决方案。

技术特征：

1.一种nlp结合知识图谱的云电脑故障知识查询方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的一种nlp结合知识图谱的云电脑故障知识查询方法，其特征在于，所述云电脑故障语料中每条语料至少存在一个实体且具有唯一的关系类型。

3.根据权利要求1所述的一种nlp结合知识图谱的云电脑故障知识查询方法，其特征在于，所述实体和关系组成框架将云电脑故障语料划分为三个实体类别，包括第一实体类别、第二实体类别和第三实体类别。

4.根据权利要求1所述的一种nlp结合知识图谱的云电脑故障知识查询方法，其特征在于，所述云电脑语料实体抽取模型基于bert框架构建，云电脑语料实体抽取模型的隐藏层大小为768，隐藏层层数为12，自注意层数为12，优化器为adamw优化器，损失函数为交叉熵损失函数。

5.根据权利要求1所述的一种nlp结合知识图谱的云电脑故障知识查询方法，其特征在于，所述云电脑语料关系分类模型基于bert框架构建，云电脑语料关系分类模型的隐藏层大小为768，隐藏层层数为12，自注意层数为12，优化器为adam优化器，损失函数为交叉熵损失函数。

6.根据权利要求1所述的一种nlp结合知识图谱的云电脑故障知识查询方法，其特征在于，所述云电脑语料关系分类模型的训练过程的具体步骤包括：

7.根据权利要求1所述的一种nlp结合知识图谱的云电脑故障知识查询方法，其特征在于，所述云电脑故障查询流程的具体步骤包括：

8.根据权利要求7所述的一种nlp结合知识图谱的云电脑故障知识查询方法，其特征在于，所述云电脑故障检索的具体步骤包括：

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现权利要求1-8中任一项所述的一种nlp结合知识图谱的云电脑故障知识查询方法。

10.一种控制器，包括存储器和处理器，所述存储器用于存储计算机程序，其特征在于，所述处理器用于执行所述计算机程序时实现权利要求1-8中任一项所述的一种nlp结合知识图谱的云电脑故障知识查询方法。

技术总结
本发明涉及云电脑运维技术领域，尤其涉及一种NLP结合知识图谱的云电脑故障知识查询方法，该方法的步骤包括：搜集并扩充云电脑故障语料，构建实体和关系组成框架对云电脑故障语料进行实体和关系标注；构建并训练云电脑语料实体抽取模型和云电脑语料关系分类模型；构建实体‑关系知识图谱，将实体‑关系知识图谱插入到ElasticSearch搜索引擎；基于ElasticSearch搜索引擎构建云电脑故障查询流程。本发明针对云电脑故障语料特点及云电脑使用习惯构建实体和关系组成框架，提高了云电脑故障信息的查询效率。

技术研发人员：朱磊,张天阳,焦妍,林佳钦,蔡宇轩,陈曦,游德光
受保护的技术使用者：天翼云科技有限公司
技术研发日：
技术公布日：2024/4/17