基于数据和知识的5G网络故障诊断方法

针对现有5G网络故障诊断的准确率和运维效率不高的问题，提出了一种基于数据和知识的5G网络故障诊断算法。首先，利用图卷积神经网络（graph convolutional network,GCN）训练5G网络故障数据集，得到故障诊断模型；然后，对多源数据源进行知识整合、知识抽取、知识融合和表示，构建一个5G网络故障知识图谱（knowledge graph,KG）；最后，利用知识图谱分析故障诊断模型输出结果，生成故障报告，进而提高故障诊断模型输出的可解释性。所提方法为5G网络故障诊断提供了一种新的准确而高效的解决方案，实验表明，该故障模型准确率达到了95%。此外，5G网络故障知识图谱能够为运维人员提供支持，助力分析故障原因。