面向智能化运维的工作票挖掘方法研究

Ticket mining is one of the hot topics in the field of complex system management, which has an important role in reducing manual intervention, improving resource utilization and enhancing the level of intelligent maintenance. To cope with some issues, such as the large number of tickets generated in a short time and not resolved in time by experts, low accuracy of problem classification and prediction, low quality of resolution recommendation, low usage of the existing resolutions, low level of intelligent maintenance and so on, this project takes a kind of complex computing systems and their tickets as the research ground and the research object respectively, and focuses on the mechanism and methods of ticket mining for intelligent system maintenance. The key technology difficulties solved in this project include a ticket representation method, a ticket resolution recommendation method based on a novel combination of the cooperative expert service network and the maintenance knowledge base, and a ticket prediction method based on ticket summary. Based on these technologies, this project forms an intelligent system maintenance solution, builds the corresponding prototype system and validates it on real ticket-based maintenance management system. The expected research achievements focus on three points, and there are to reduce the number of tickets, to lower the resolution time and to improve the intelligent level of system maintenance. Further, these research achievements have a wide application in several other kinds of complex systems not only for the complex computing system, and some effective experiences can be used in these complex systems.

工作票挖掘是复杂系统管理领域的热点问题之一，对于减少人工干预、提高资源使用率、提升智能化运维水平有着重要研究与应用价值。针对短时间内工作票数量巨大而人工方式难以及时处理、问题分类和诊断准确性不高、问题解决方案推荐质量不高且利用率低以及运维过程智能化程度低等问题，本项目拟以复杂计算系统运维为研究背景，以运维数据载体工作票为研究对象，探索面向智能化运维的工作票挖掘方法。重点突破工作票核心要素表示方法、工作票自动分类方法、融合协作式专家服务网络和运维知识库的推荐方法、基于工作票摘要的预测方法等关键技术，形成智能化运维解决方案，构建原型系统，并与运维系统集成开展关键技术和整体方案验证。预期在降低工作票数量、缩短问题解决时间和提升运维智能化水平方面取得重要研究成果，且具备良好的实用性，从而为其它类型的复杂系统智能化运维提供可供借鉴的宝贵经验。

工作票挖掘是复杂系统管理领域的热点问题之一，对于减少人工干预、提高资源使用率、提升智能化运维水平有着重要研究与应用价值。针对短时间内工作票数量巨大而人工方式难以及时处理、问题分类和诊断准确性不高、问题解决方案推荐质量不高且利用率低以及运维过程智能化程度低等问题，本项目以复杂计算系统运维为研究背景，以运维数据载体工作票和日志为研究对象，探索面向智能化运维的工作票挖掘方法、日志挖掘方法。重点突破运维数据核心要素表示方法、工作票自动分类方法、融合协作式专家服务网络和运维知识库的推荐方法、基于日志的系统异常检测方法等关键技术，形成智能化运维解决方案，构建原型系统，并与运维系统集成开展关键技术和整体方案验证。.取得的重要研究成果有：1）为了提高工作票分类精度，提出了一种基于深度学习技术的工作票分类方法，采用双向注意力机制，不仅从文本到标签的方向考虑了不同单词的贡献，同时从标签到文本的方向计算了标签对于文本的比重，并将两者进行结合，从正反两个方向利用了文本与标签的联系，实现工作票准确分类。2）为了提高专家推荐准确率，研究一种基于协作式服务网络的路由推荐方法。该方法以协作式专家服务网络为基础，基于最大相似性原则推荐初始专家，并将专家推荐的问题转化为基于有向图的搜索问题，达到缩短路由序列长度和提高问题解决成功率的目的。3）为了提升问题处理效率，集成问题描述和解决方案数据构造多样化的路由模型，以适应不同场景应用需求，并使路由模型具备更新和激励机制，在此基础上提出了一种基于路由模型的工作票路由推荐方法，缩短了平均路由步数。综上，项目在降低工作票数量、缩短问题解决时间和提升运维智能化水平方面取得了重要研究成果，具备良好的实用性，可以为复杂系统智能化运维提供可供借鉴的经验。

内容获取失败，请点击重试