【技術(shù)實現(xiàn)步驟摘要】
本申請涉及數(shù)據(jù)處理，尤其是涉及一種航班運行控制系統(tǒng)的日志異常事件識別方法、裝置、設備及介質(zhì)。
技術(shù)介紹
1、隨著民航業(yè)的迅速發(fā)展，航班運控系統(tǒng)在運營中扮演著至關重要的角色。這一系統(tǒng)不僅負責航班的調(diào)度、管理，保障，還涉及到飛行安全、旅客服務等多個方面。然而，隨著系統(tǒng)復雜性的增加，運控過程中產(chǎn)生的日志數(shù)據(jù)量也在急劇增長，這些日志數(shù)據(jù)中蘊藏著大量有價值的信息，包括系統(tǒng)的運行狀態(tài)、潛在的問題以及異常事件。傳統(tǒng)的異常事件識別主要依賴于預設的規(guī)則和條件，例如通過關鍵詞搜索或特定模式的匹配來檢測日志中的異常情況。然而，這種方法在處理海量、多樣化的日志數(shù)據(jù)時存在明顯的局限性。一方面，規(guī)則的設置需要人工進行，且往往難以覆蓋所有可能的異常情況；另一方面，隨著系統(tǒng)更新和升級，舊有的規(guī)則可能失效，需要不斷更新和維護；且基于規(guī)則的識別方法對復雜、隱蔽的異常事件檢測效果不佳。所以，如何提高日志異常事件識別的準確性成為了不容小覷的技術(shù)問題。
技術(shù)實現(xiàn)思路
1、有鑒于此，本申請的目的在于提供一種航班運行控制系統(tǒng)的日志異常事件識別方法、裝置、設備及介質(zhì)，日志異常事件識別模型結(jié)合了雙向長短期記憶網(wǎng)絡的強大序列建模能力和注意力機制的有效信息篩選能力，能夠自動捕捉日志描述文本中的關鍵特征向量，學習異常日志以及日志異常事件編碼之間的對應關系，從而實現(xiàn)日志異常事件的準確識別。
2、本申請實施例提供了一種航班運行控制系統(tǒng)的日志異常事件識別方法，所述航班運行控制系統(tǒng)的日志異常事件識別方法包括：
3、獲取航
4、將所述特征序列輸入至預先訓練好的日志異常事件識別模型之中，基于所述日志異常事件識別模型中的多個長短期記憶神經(jīng)網(wǎng)絡對所述特征序列中的每個詞向量進行處理，確定出所述特征序列的關鍵特征向量，對所述關鍵特征向量進行全連接層分類處理，輸出所述關鍵特征向量的日志異常事件發(fā)生概率向量；其中，所述日志異常事件識別模型是通過控制神經(jīng)網(wǎng)絡模型學習異常日志以及日志異常事件編碼之間的對應關系得到的；
5、基于所述日志異常事件發(fā)生概率向量確定出所述待識別日志文本的目標日志異常事件編碼。
6、在一種可能的實施方式之中，所述獲取航班運行控制系統(tǒng)的待識別日志文本，對所述待識別日志文本進行預處理，確定出所述待識別日志文本的特征序列，包括：
7、基于分詞工具對所述待識別日志文件中的中文內(nèi)容進行分詞處理，以及基于詞語分隔符對所述待識別日志文件中的英文內(nèi)容進行分詞處理，確定出分詞處理后的所述待識別日志文件；
8、對分詞處理后的所述待識別日志文件進行停用詞去除，確定出去除停用詞的所述待識別日志文件；
9、對去除停用詞的所述待識別日志文件的文本轉(zhuǎn)換至詞向量，并將由各個所述詞向量組成的矩陣進行截斷處理或補齊處理，確定出所述待識別日志文本的特征序列。
10、在一種可能的實施方式之中，所述基于所述日志異常事件識別模型中的多個長短期記憶神經(jīng)網(wǎng)絡對所述特征序列中的每個詞向量進行處理，確定出所述特征序列的關鍵特征向量，包括：
11、將每個所述詞向量按照從第一個詞向量到最后一個詞向量的順序依次輸入至每個所述長短期記憶神經(jīng)網(wǎng)絡之中；
12、針對于前向傳播的長短期記憶神經(jīng)網(wǎng)絡，每個所述長短期記憶神經(jīng)網(wǎng)絡對上一個所述長短期記憶神經(jīng)網(wǎng)絡輸出的前向隱藏狀態(tài)以及當前的所述詞向量進行處理，預測出所述詞向量的前向隱藏狀態(tài)；
13、針對于反向傳播的長短期記憶神經(jīng)網(wǎng)絡，每個所述長短期記憶神經(jīng)網(wǎng)絡對下一個所述長短期記憶神經(jīng)網(wǎng)絡輸出的后向隱藏狀態(tài)以及當前的所述詞向量進行處理，預測出所述詞向量的后向隱藏狀態(tài)；
14、基于注意力機制對每個所述詞向量的所述后向隱藏狀態(tài)以及所述前向隱藏狀態(tài)進行處理，確定出所述特征序列的關鍵特征向量。
15、在一種可能的實施方式之中，所述基于注意力機制對每個所述詞向量的所述后向隱藏狀態(tài)以及所述前向隱藏狀態(tài)進行處理，確定出所述特征序列的關鍵特征向量，包括：
16、針對于每個所述詞向量，將該詞向量的所述后向隱藏狀態(tài)以及所述前向隱藏狀態(tài)進行特征拼接，確定出所述詞向量的目標隱藏狀態(tài)；
17、基于注意力機制對每個所述詞向量的目標隱藏狀態(tài)進行加權(quán)和處理，確定出所述關鍵特征向量。
18、在一種可能的實施方式之中，通過以下公式確定出所述日志異常事件發(fā)生概率向量：
19、；
20、其中，為所述日志異常事件發(fā)生概率向量，所述日志異常事件發(fā)生概率向量中包含所述待識別日志文本中每個所述日志異常事件編碼發(fā)生的概率，為全連接層的權(quán)重矩陣， b為偏置向量，c為關鍵特征向量。
21、在一種可能的實施方式之中，通過以下步驟確定出所述日志異常事件識別模型：
22、從多個歷史異常日志中獲取到日志異常事件編碼，對多個所述日志異常事件編碼進行去重處理，對去重處理后的多個所述日志異常事件編碼進行編碼處理，以使所述日志異常事件識別模型對所述日志異常事件編碼進行識別；
23、從多個所述歷史異常日志中獲取到樣本日志文本，將所述樣本日志文本的樣本特征序列輸入至神經(jīng)網(wǎng)絡模型，對所述樣本特征序列進行處理，輸出所述樣本日志文本發(fā)生所述日志異常事件編碼的預測日志異常事件發(fā)生概率向量；其中，預測日志異常事件發(fā)生概率向量的維度與所述日志異常事件編碼的數(shù)量相一致；
24、基于所述樣本日志文本的真實日志異常事件發(fā)生概率向量以及所述預測日志異常事件發(fā)生概率向量，確定出所述神經(jīng)網(wǎng)絡模型的損失值；
25、若所述損失值小于等于預設損失值，則停止對所述神經(jīng)網(wǎng)絡模型的訓練，將所述神經(jīng)網(wǎng)絡模型作為所述日志異常事件識別模型，若所述損失值大于所述預設損失值，則對所述神經(jīng)網(wǎng)絡模型的網(wǎng)絡參數(shù)進行更改，繼續(xù)對所述神經(jīng)網(wǎng)絡模型進行迭代訓練。
26、在一種可能的實施方式之中，所述基于所述日志異常事件發(fā)生概率向量確定出所述待識別日志文本的目標日志異常事件編碼，包括：
27、將所述日志異常事件發(fā)生概率向量中的最大的日志異常事件發(fā)生概率所對應的異常事件編碼作為所述目標日志異常事件編碼。
28、本申請實施例還提供了一種航班運行控制系統(tǒng)的日志異常事件識別裝置，所述航班運行控制系統(tǒng)的日志異常事件識別裝置包括：
29、預處理模塊，用于獲取航班運行控制系統(tǒng)的待識別日志文本，對所述待識別日志文本進行預處理，確定出所述待識別日志文本的特征序列；
30、概率向量確定模塊，用于將所述特征序列輸入至預先訓練好的日志異常事件識別模型之中，基于所述日志異常事件識別模型中的多個長短期記憶神經(jīng)網(wǎng)絡對所述特征序列中的每個詞向量進行處理，確定出所述特征序列的關鍵特征向量，對所述關鍵特征向量進行全連接層分類處理，輸出所述關鍵特征向量的日志異常事件發(fā)生概本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述航班運行控制系統(tǒng)的日志異常事件識別方法包括：
2.根據(jù)權(quán)利要求1所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述獲取航班運行控制系統(tǒng)的待識別日志文本，對所述待識別日志文本進行預處理，確定出所述待識別日志文本的特征序列，包括：
3.根據(jù)權(quán)利要求1所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述基于所述日志異常事件識別模型中的多個長短期記憶神經(jīng)網(wǎng)絡對所述特征序列中的每個詞向量進行處理，確定出所述特征序列的關鍵特征向量，包括：
4.根據(jù)權(quán)利要求3所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述基于注意力機制對每個所述詞向量的所述后向隱藏狀態(tài)以及所述前向隱藏狀態(tài)進行處理，確定出所述特征序列的關鍵特征向量，包括：
5.根據(jù)權(quán)利要求1所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，通過以下公式確定出所述日志異常事件發(fā)生概率向量：
6.根據(jù)權(quán)利要求1所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，通過以下步驟確
7.根據(jù)權(quán)利要求1所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述基于所述日志異常事件發(fā)生概率向量確定出所述待識別日志文本的目標日志異常事件編碼，包括：
8.一種航班運行控制系統(tǒng)的日志異常事件識別裝置，其特征在于，所述航班運行控制系統(tǒng)的日志異常事件識別裝置包括：
9.一種電子設備，其特征在于，包括：處理器、存儲器和總線，所述存儲器存儲有所述處理器可執(zhí)行的機器可讀指令，當電子設備運行時，所述處理器與所述存儲器之間通過所述總線進行通信，所述機器可讀指令被所述處理器運行時執(zhí)行如權(quán)利要求1至7任一所述的航班運行控制系統(tǒng)的日志異常事件識別方法的步驟。
10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器運行時執(zhí)行如權(quán)利要求1至7任一所述的航班運行控制系統(tǒng)的日志異常事件識別方法的步驟。
...【技術(shù)特征摘要】
1.一種航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述航班運行控制系統(tǒng)的日志異常事件識別方法包括：
2.根據(jù)權(quán)利要求1所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述獲取航班運行控制系統(tǒng)的待識別日志文本，對所述待識別日志文本進行預處理，確定出所述待識別日志文本的特征序列，包括：
3.根據(jù)權(quán)利要求1所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述基于所述日志異常事件識別模型中的多個長短期記憶神經(jīng)網(wǎng)絡對所述特征序列中的每個詞向量進行處理，確定出所述特征序列的關鍵特征向量，包括：
4.根據(jù)權(quán)利要求3所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，所述基于注意力機制對每個所述詞向量的所述后向隱藏狀態(tài)以及所述前向隱藏狀態(tài)進行處理，確定出所述特征序列的關鍵特征向量，包括：
5.根據(jù)權(quán)利要求1所述的航班運行控制系統(tǒng)的日志異常事件識別方法，其特征在于，通過以下公式確定出所述日志異常事件發(fā)生概率向量：
6.根據(jù)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：鄧銳，劉燃，周楊，陳福川，李燦，陳宏宇，黃欣，楊松，倪佳，王漁，羅穆健，姜智文，
申請(專利權(quán))人：中國民用航空總局第二研究所，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。