電信網絡運營事件圖譜分享.pdf

1、演講人：孫佩霞中國電信研究院智行云網大腦技術負責人 2023 團隊介紹 中國電信股份有限公司北京研究院中國電信股份有限公司北京研究院（原中國電信集團北京研究院）是中國電信集團公司為適應集團公司發展和電信市場競爭需要，于2001年4月18日掛牌成立的科研機構，旨在成為集團公司以及各省級公司的企業決策智庫、技術創新引擎和產品創新孵化器。AI研發中心研發中心成立于2019年12月，基于大數據和AI算法賦能電信集團和省市公司智能化研發，承擔集團和研究院雙重項目研發。AI能力團隊能力團隊重點圍繞網絡運營領域研發網絡AI算法能力，涵蓋移動、傳輸、數據等專業。榮獲榮獲2021年年SNAI應用創新案例應用創新

2、案例榮獲榮獲2021年知識驅動先鋒企業年知識驅動先鋒企業發表多項論文、專利、軟著等發表多項論文、專利、軟著等電信網絡運營場景網絡運營事件知識圖譜構建網絡運營知識圖譜應用展望電信網絡運營場景電信網絡運營場景 電信網絡運營工單記錄了大量的業務數據，還存在專業術語，有著數據量大、結構多樣、缺乏規范等特點，是目前數據分析和挖掘的難點區域，目前主要通過人工對工單內容進行處理和分類，由于依靠人工經驗，導致處理及時性低，分類規則不一致，不能有效發現客戶的真實訴求。業務數據利用率低業務數據利用率低l 電信網絡運維過程中產生規模龐大的數據，這些數據只有很小一部分被整理為案例，為運維人員提供參考，大量數據價值遺失

3、。l 沒有形成運維行業的知識沉淀，缺少結構化的知識庫，無法支撐智能化發展。智能化程度低智能化程度低l 運維依賴專家經驗，缺少基于深度學習技術的智能感知和決策l 自動化達到瓶頸狀態，先進AI算法和結構化數據資源匱乏，無法支撐版本迭代機制運維工作量逐年增長運維工作量逐年增長運維運維模式陳舊模式陳舊l 近年來隨著業務量的不斷增加，集團云網運營部維護網元數同比增加10%+，網絡故障工單同比增長5%+。全網維護網元數同比增加10%+，故障工單同比增長5%+。l 網絡運維多年，多是被動等待和接受問題，缺少化被動故障處理為主動網絡維護。l 全流程自動化工單在所有工單占比仍較少。重復性基礎維護工作占比大，處理

4、效率低下，嚴重影響客戶體驗。電信網絡運營場景網絡運營知識來源數據類型數據類型介紹介紹特點特點工單網絡運維系統判定發生網絡問題告警后，派出網絡運維電子工單，運維工位人員進行跟進處理解決，分析處理過程記錄在工單中。優點：數據較為規范，半結構化，數據量大，來源較穩定。缺點：工單中問題分析和處理過程較為簡略，知識信息有缺失。案例運維人員在處理經典網絡運維故障后，會撰寫相關案例文檔，供后續遇到類似問題查閱解決。優點：案例詳細總結了運維故障問題發現、分析、處理過程、經驗總結，知識信息全面。缺點：格式多樣，依賴專家人工撰寫，數據量少，來源不穩定。業務規則運維人員在處理經典網絡運維故障時編寫的業務規則邏輯。優

5、點：業務規則直白明確，實際使用有效，知識信息重要。缺點：格式多樣，來源不一，需要從各個系統導出，依賴專家解讀。專家經驗運維人員在處理經典網絡運維故障時積累的實際處置經驗優點：專業性強、價值高缺點：依賴專家言傳身教、無固定存儲格式，依賴專家撰寫輸出?；谥R圖譜的智能網絡運營技術方案知識知識圖譜圖譜通過對專家案例、運維手冊、歷史工單數據、其他告警信息等多源異構數據的知識抽取，構建結構化知識庫。并基于運維知識庫，打造知識推理引擎，圍繞重點領域業務場景，實現知識檢索、智能決策、智能問答等，構建數據+知識驅動的智能運維體系。網絡運營事件知識圖譜構建網絡運營事件知識圖譜構建網絡運營事件知識圖譜本體構建工

6、單知識圖譜本體構建案例知識圖譜本體構建Step3：設計不同prompt策略進行UIE事件抽取，提升模型抽取結果準確性Step1：采用標注工具進行工單、案例實體知識標注，每個專業至少1000+篇。Step2：采用開源UIE模型訓練各專業信息抽取模型，校驗模型抽取結果網絡運營事件知識圖譜知識抽取網絡運營事件知識圖譜知識抽取選用不同prompt策略的UIE事件抽取實驗結果工單告警事件模式構造由于該模型是基于prompt的方法，選擇合適的prompt對抽取結果的性能有較大的影響，因此我們在尋找有效的prompt上進行了一些探索。事件抽取事件抽取任務的目的是檢測文本中事件的存在，將事件內容以結構化的形式

7、輸出。將工單中一個完備的告警故障處理過程定義為幾類具體的事件，采用UIE框架完成事件抽取任務。n 將原始工單、案例文本非結構化、半結構化數據整理成實體-關系結構化數據，信息利用更加準確、方便n 結構化的運維知識庫可以將告警、工單、案例等相關信息進行關系連接，更全面的了解相關問題如何處理的經驗信息，可以獲得更精準的問題處理建議n 知識圖譜采用圖數據庫Neo4j，目前圖譜包含實體40萬+，關系100萬+網絡運營事件知識圖譜構建網絡運營知識圖譜應用智行云網大腦知識庫平臺n 從工單和案例兩種類型知識圖譜作為知識基石，從工單和案例兩種類型知識圖譜作為知識基石，構建智行云網大腦構建智行云網大腦知識庫平臺知

8、識庫平臺，實現對，實現對工單和工單和案例的高效圖譜式智能檢索、運維知識的高效案例的高效圖譜式智能檢索、運維知識的高效快速查找、知識關聯、案例查重輔助案例撰寫快速查找、知識關聯、案例查重輔助案例撰寫和修改和修改。n 基于運維知識庫和自然語言處理技術，推薦歷史工單、案例等，打造具有豐富運維知識的智能客服助手，集團/省公司分級部署，以被集成的方式接入集團綜合調度系統、省公司服保系統等第三方工作臺。n 專家也可利用智行云網知識庫查詢故障現象，故障原因，故障解決方案，解決效果等，并可檢索維護手冊、指標體系、專業詞匯、案例查重等，隨時在線的運維客服助手，極大提升用戶檢索效率。2022年年 后臺數字工位后臺

9、數字工位 -2023年年 前臺數字員工前臺數字員工2023年 數小智變身為運維數字員工，無所不在智能助手整體架構ChatOps運維知識+AI模型+智能交互=智行云網大腦智能助手網絡運維工單處置動態推薦針對在途故障工單，自動抽取故障精準描述，檢索故障知識圖譜，推薦相似故障單號、故障原因及解決方案等；并隨著對話的進行，故障處置狀態的更新，實時動態更新推薦結果，賦能一線運維人員精準指導業務操作。展望知識圖譜+ChatGPT1、知識生產環節進一步簡化，如GPT4模型可以助力知識抽取在零樣本、少樣本 數據標注情況下，進一步快速專業的完成抽取結果。甚至自動完成知識融合？2、已積累的知識圖譜可以導入ChatGPT中作為垂域專業知識補充，提升交互專業水平。知識自動迭代升級閉環？3、ChatGPT助力網絡運維智能化、自動化處置，進一步減輕運維工作量。甚至只需做20%工作？或許需要發揮更多想象力！演講人：孫佩霞中國電信研究院智行云網大腦技術負責人