如何讓知識圖譜告訴你「故障根因」

摘要：NAIE利用知識圖譜打造了一個有知識能推理的「在線運維專家系統」。

AI的時代潮流，爲咱們帶來了衆多的新名詞：深度學習、神經網絡、知識圖譜....

你是否都對它們耳熟能詳？是否都清楚它們有哪些應用？

華爲網絡人工智能引擎(NAIE)致力實現網絡的「自優」、「自愈」和「自維護」。其中一個關鍵環節就是出現網絡故障時系統可以自動分析定位故障根因，自動採起相應的恢復手段、維護策略，NAIE利用知識圖譜打造了一個有知識能推理的「在線運維專家系統」。

本系統除了能對接機器數據實現機機自動化接口，處理網管系統採集上報的故障數據自動實現故障識別和根因定位，還能經過人機交互接口智能化的響應網絡運維人員的查詢，反饋精準的故障輔助信息，如故障設備的型號、故障的處理步驟等詳情信息，反饋結果以一目瞭然的可視化圖譜呈現，從而讓網絡運維人員真正全面掌控故障，放心的交給系統去自動處理。

「在線運維專家系統」涵蓋了利用知識圖譜經過適當的知識表示結構描述故障事件、對象及相互關係，經過圖譜生成技術實現故障數據與表示結構的自動對接，經過靜態知識的自動獲取、融合支撐語義理解與人機交互等一系列關鍵技術。

爲了讓你們更好的理解知識圖譜在「故障根因」裏的應用，咱們特意邀請到了華爲產品管理專家、知識圖譜TIG主任——劉瑞宏，爲你們答疑解惑。

Q：你認爲知識圖譜有哪些高價值應用場景？

A：能夠從網絡複雜度高、耗時長、人工開銷大，處理效率低，業務影響範圍大等各類維度來綜合選擇高價值場景。在網絡自動駕駛的「規、建、維、優、營、省」等各個環節中，網絡維護環節就是一個知識圖譜的高價值應用場景，由於網絡維護既須要深刻的網絡領域基礎知識和故障維護經驗知識，也須要故障發生時系統產生的反映故障現象、位置、狀態等信息的各類機器數據，只有將故障知識與機器數據有效結合，才能輔助定位故障、推理根因。

Q：知識推理的技術形態有哪些？

A：在故障根因自動推理的過程當中，基於專家規則的推理是最常使用也是目前最有效的一種方式，難點在於推理規則的表示形式要可以反映故障的傳導關係和網絡機制，而規則的做用對象應該基於網絡對象類和事件類本體，不該該針對具體的機器數據實例，從而保障每一條規則都是原子規則，每一條規則均可以被複用。

除此以外，基於描述邏輯的推理、基於分佈式表示的表示學習推理、本體推理、複合推理等都是重要的技術手段。

Q：你認爲知識庫應該存儲哪些內容？

A：網絡故障知識的組織結構，也就是schema是知識庫存儲的關鍵核心，除此以外，對接機器數據的適配規則，承載專家經驗的推理規則，描述故障的靜態知識、語義知識，反映故障現場的機器數據、如拓撲、告警、性能指標、各類日誌等，都是知識庫須要存儲的關鍵內容。

Q：你認爲哪些知識圖譜自動化構建技術是關鍵？

A：schema構建雖然存在一些自底向上的自動建模技術方法，但在專業領域很難適用，知識建模的過程就是搭建一個認知網絡體系的過程，是給系統灌輸知識的關鍵基礎和前提條件。知識建模就像交小孩認識漢字，是須要一個字一個字的認知基本知識的。當創建起知識的基本結構認知體系後，就能夠在知識自動抽取、知識融合、知識查詢、知識庫檢驗等多個環節採起針對性的自動化技術。

若是你對本話題感興趣，歡迎蒞臨「華爲2020全聯接」，與專家面對面溝通交流。

**[點擊關注，第一時間瞭解華爲雲新鮮技術~](https://bbs.huaweicloud.com/b...)**