信息系统运维知识库的构建及其应用

李雅洁++陈正华++杨立东

摘 要 随着国家电网公司SG186信息工程接近尾声，信息化工作的重点将逐步由大规模建设转向运维，信息通信客户服务中心对外服务窗口的作用日益显现，快速、便捷、准确的识别用户需求并提供自助解决方案成为运维服务的标准，探索基于运维知识库的自助式服务是构建上述标准的重要环节。本文从运维实际工作出发，对信息通信本体知识库构建、用户的提问分析、解决方案抽取进行了详细阐述。

【关键词】信息运维 本体知识库 知识库检索

随着国家电网公司SG186信息工程接近尾声，信息化工作的重点逐步由大规模建设转向运行维护，信息通信客户服务中心对外服务窗口的作用日益显现，当前客户服务中心面临的挑战主要体现在如何提高服务质量和运维效率，保障了信息交流业务的顺利进行和系统运行的稳定性，提高了信息通信系统的运营维护水平，同时对优化服务水平和提高自身的管理水平有一定的积极意义。

1 运维知识库构建思路及背景

运维知识库作为知识核心部分，是管理中心，有着极其重要的功能，运维知识库的本质就是知识遵循一定的规则表示方法存放的数据库，它是一个完整的知识管理解决方案的不可替代部分，具备极强的知识处理功能，可分为集成、分类、存储、发布、决策支持等功能。构建运维知识库可以方便人们进行知识的交流、积累、共享、增值、利用和保存，同时也有利于促成基于运维知识库的用户问题自助解决。如图1所示。

运维知识库是实现业务活动的一种工具，构建过程中应坚持以业务流程、规范业务、方便客户、方便运维人员、数据价值最大化以及数字管理为导向。在构建运维知识库过程中，首先，要依据业务种类和特点对知识进行分类，从而快速实现知识的清晰分类、层次分明；其次，人们要更好地依赖于各种技术方法，以便实现知识的便利、迅速、精准的检索；第三要形成一套完善的知识管理体系，使之符合客户服务中心知识密集、更新快速的要求，最大限度的实现客户服务中心知识库的动态采集、管理、利用。所以研究基于信息系统运维知识库具有重要的意义和应用价值。

本文是在目前静态的知识库建设基础上进行的，由于目前运维自动化还没有包括业务运维方面自助解答研究，而该功能又是制约客户服务效率提升的瓶颈，所以本项目以“业务运维自动化”作为研究的领域背景。本文深入研究了基于运维知识库构建及应用的基础理论，拥有以下几大优点：

（1） 运维知识库的检索源是结构化的信息系统业务解决方案、经验库，而不是无结构或者半结构的文档。运维知识库可以完整的描述特定的业务场景的知识及知识之间的关系，还可以对知识进行推理，所以通过运维知识库的构建实现用户问题提报过程中的解决方案自动关联，从而实现用户问题的自助解决。

（2） 运维知识库主要应用于对业务的支撑，相对于传统的知识库管理，本课题所研究的基于运维知识库的用户问题和自助解答，更加适合于用户知识需求的表达方式，并且能很好的理解用户的查询意图；

（3） 本文研究的运维知识库构建具有较强的实用性和通用性，不仅可以用于业务运维场景，实现业务运维的自动化，而且可以移植到其他类型知识库的构建。

2 运维知识库的构建

运维知识库是客户服务中心QA的关键组成部分，结合关键检索技术，能根据用户提报问题时的分析结果进行推理，自动关联问题的解决方案。

2.1 运维知识库构建

运维知识按照知识的来源可以划分为静态知识和动态知识两类。

静态知识，通过定制标准化文档模版，尽可能的细化知识分类，从而提高检索效率；如系统操作手册、典型案例、特殊业务解决方案等基于标准化管理，实现知识的结构化存储。

动态知识，日常运维过程中主要有两种途径：一条途径是根据用户问题提报，针对既有知识库中无法匹配的问题进行标记并将标记结果实时反馈给运维人员，运维人员定期根据系统反馈组织开展评估，并形成词条，从而完善知识库；一条途径是根据用户热线反馈，针对新生成的问题或疑难点进行总结、提炼，形成最终解决方案，从而进一步完善知识库，为用户问题的自助解决奠定坚实的基础。

2.2 用户提问分析

用户提报的问题，需经过专业术语识别、语义匹配等基本分析、轉换后对问题进行语义表达，使之成为便于机器识别的语句。

（1）问题模版库的建立，实际运维过程中用户的问题提报多种多样，且针对相同的问题，不同的人也存在语义差异极大的表述，因此需结合不同用户的提问习惯进行梳理、提炼并建立问题模版库，在用户问题提报过程中使系统能准确的定位用户的提问。

（2）结构化问句实例库，结合大数据分析，对问题模版库中的问句进行语义分析，根据分析结果建立结构化的问句实例库。问句语义通过三个层次进行标记，第一层次是系统主分类，第二层次是业务点二级分类，第三层是功能点三级分类。要把分析好的问句归纳到每种语义的问法下，才能构成半结构化文档。

2.3 知识库检索算法

在关系数据库的存储方式前提之下，知识对象可以结构化的表示为不同类别的特征向量的集合。在进行知识案例搜索时，这里使用基于特征相似度的计算方法来计算检索词与知识案例之间的接近度，即相似度，接近度越大，则说明最终结果越接近最终的检索目标。在一个分类知识库中，它所包括的知识对象则可以进行结构化表示，具体如式（1）（2）（3）所示。

其中，Ci={i=1，2，...，n}可以看作某分类知识库KD中的对应的知识对象；它所包含的特征向量fik与知识本体中该类别第k个属性的取值一一对应；另外，检索条件q的值fci就是用户输入对应的检索值。

不同种类属性对概念整体相似度的影响也不尽不同，可以采用加权的方式对目标知识进行检索。设Simcq为某个知识对象Ci与检索特征向量q之间的相似度，fcqi为它们之间第i个特征fci与fqi的相似度，i为它们第i个特征的权重，则检索特征与目标对象的相似度Simcq计算如公式（4）所示。

由式（4）可知，相似度的计算将依赖于属性相似度的值。在实际中的维护知识属性值大致可分为三类：文本类型、模糊值类型和数值类型。各种类型的属性相似距离计算方法过程如下。

2.3.1 数值类型属性相似度计算

其中，fimax表示此种类的知识库中知识对象第i个元素的最大值；fimin表示此类知识库中知识对象第i个元素的最小值。

2.3.2 模糊值类型属性相似度计算

模糊值可以用来表征模糊评价、模糊等级等一系列问题。在维护知识中，涉及到的对象有很多属性值就是模糊值，如对6S方案评价就可以使用“五星级”、“四星级”、“三星级”、“二星级”、“一星级”等来说明。在这里，我们对于这种属性值，则能把这种模糊值转化为对应的精确值，例如，可以把6S方案的实施结果评价标准的模糊值{五星级、四星级、三星级、二星级、一星级}映射如表1所示。

对于此类属性，其相似度按公式（6）进行计算。

2.3.3 文本类型属性相似度计算

这里，所用的文本属性的相似度如式（7）。

其中，s（ci，qi）为属性ci和属性qi之间的语义重合度；d（ci，qi） 为属性和属性qi之间的语义距离；h（ci）和h（qi）分别为属性ci和属性qi所对应的层次深度；τ为调节系数。

在上面的公式中，涉及到的权重系数的确定方法有2种：手工确定和自动获得。手工确定时，则根据前人认知基础或者专家的先前经验，需要此领域专家根据不同的环境进行合理合情的选择。第二种方法即为自动获得法，常采取sigmoid函数进行计算，如式（8）。此算法不仅能够对各相似度算法进行加权，而且可以对每一个相似度进行函数计算，能把数据转换满足[0，1]的输入。

2.4 解决方案抽取

通过上节用户提问分析，在用户问题提报过程中，用户提报的问题和实例库中的问句完全匹配率不高，所以，在计算用户问句与运维知识库中问题答案的相似度时可以使用改进的向量空间模型算法，以便能够提高了系统效率和精确度，从而帮助用户自助问题的解决。

3 建成后的效果分析

信息通信客户服务中心基于信息系统运维知识库的用户问题的自助解决功能的实现，不仅提升了客户服务效率。此外，用户满意度的提升，进一步提高了客户服务中心的运营管控能力，从而推进客户服务中心从单纯的问题受理中心向问题管理中心的战略转型。

4 总结

基于信息系统的运维知识库构建，在实际运维场景中，对2014年、2015年运维数据进行了分析，其中常规性操作问题占比可达到75%，进而可以推论完善的运维知识库管理及快速的知识检索可以充分的解决该类问题。运维知识库结构的优化、检索效率及准确性的提高还需要我们的继续努力。

参考文献

[1]王元卓，贾岩涛，刘大伟，等.基于开放网络知识的信息检索与数据挖掘[J].计算机研究与发展，2015，52（02）：456-475.

[2]王河堂，吳慧韫.基于ITIL架构的高校一卡通运维管理体系的研究[J].计算机学报，2014，37（12）：19-22.

[3]陈立玮，冯岩松，赵东岩.基于弱监督学习的海量网络数据关系提取[J].计算机研究与发展，2013，50（09）：1825-1835.

[4]王延翠，杨丽丽，吴冬华.动车組故障知识管理系统技术的研究[J].北京交通大学学报（自然科学版），2014，38（02）：141-146.

[5]王昊，谷俊，苏新宁.本体驱动的知识管理系统模型及其应用研究[J].中国图书馆学报，2013，39（02）：98-110.

[6]张红国.ITIL在电信运营商面向政企客户服务体系中的探索[J].中国管理信息化，2015，18（04）：219-220.

作者简介

李雅洁（1987-），女，新疆维吾尔自治区阿勒泰市人。硕士研究生，工程师。主要研究方向为信息系统业务运维。

作者单位

1.国网新疆电力公司信息通信公司 新疆维吾尔自治区乌鲁木齐市 830000

2.国网信通亿力科技有限责任公司 福建省福州市 350003