[发明专利]一种日志分类方法、装置、系统及计算机可读存储介质

权利要求书

1.一种日志分类方法，其特征在于，包括：

当检测到存储系统中的任一模块有新的日志生成时，判断所述日志是否为故障日志；

若是，则获取所述故障日志；

将所述故障日志发送至预设神经网络模型中，以便提取出所述故障日志中的信息特征并对所述信息特征赋予权重值，所述预设神经网络模型预先由预设数量的所述故障日志训练得到的；

将带有所述权重值的所述信息特征发送至预设机器学习模型中，以便将所述故障日志分类到所述故障日志对应的故障类别中，所述预设机器学习模型预先由预设数量的所述故障日志的信息特征训练得到的；

其中，所述权重值与所述模块发生的实际故障的严重程度之间成正相关。

2.如权利要求1所述的日志分类方法，其特征在于，判断所述日志是否为故障日志，包括：

获取所述日志中的日志等级；

判断所述日志等级是否表示为所述模块正常运行的日志等级；

若是，则判定所述日志不为故障日志；

若否，则判定所述日志为故障日志。

3.如权利要求2所述的日志分类方法，其特征在于，将所述故障日志分类到所述故障日志对应的故障类别中，包括：

在所述预设机器学习模型中，根据带有所述权重值的所述信息特征、生成所述故障日志的所述模块的信息以及所述故障日志的日志等级将所述故障日志分类到对应的故障类别中。

4.如权利要求1所述的日志分类方法，其特征在于，所述预设神经网络模型包含Embedding层，提取出所述故障日志中的信息特征，包括：

在所述预设神经网络模型中，利用所述Embedding层将所述故障日志转换成特征向量；

对所述特征向量进行特征提取，并将得到的语义特征作为所述信息特征。

5.如权利要求1所述的日志分类方法，其特征在于，所述预设神经网络模型包含注意力机制，对所述信息特征赋予权重值，包括：

利用所述预设神经网络模型中的注意力机制对所述信息特征赋予权重值。

6.如权利要求1所述的日志分类方法，其特征在于，在将所述故障日志发送至预设神经网络模型中之前，还包括：

确定本次得到的所述故障日志与各个所述故障类别中的各个故障日志之间的相似度；

判断是否有任一所述相似度大于预设相似度；

若是，则删除本次得到的所述故障日志；

若否，则进入将所述故障日志发送至预设神经网络模型中的步骤。

7.如权利要求1至6任一项所述的日志分类方法，其特征在于，在将所述故障日志发送至预设神经网络模型中之前，还包括：

根据预先指定的字符位置确定出所述故障日志中的故障信息，并删除所述故障日志中的除所述故障信息外的所有字符；

将删除后的所述故障日志作为新的所述故障日志。

8.一种日志分类装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的日志分类方法的步骤。

9.一种日志分类系统，其特征在于，包括：

判断单元，用于当检测到存储系统中的任一模块有新的日志生成时，判断所述日志是否为故障日志；若是，则触发获取单元；

所述获取单元，用于获取所述故障日志；

信息特征确定单元，用于将所述故障日志发送至预设神经网络模型中，以便提取出所述故障日志中的信息特征并对所述信息特征赋予权重值，所述预设神经网络模型预先由预设数量的所述故障日志训练得到的；

分类确定单元，用于将所述信息特征发送至预设机器学习模型中，以便将所述故障日志分类到所述故障日志对应的故障类别中，所述预设机器学习模型预先由预设数量的所述故障日志的信息特征训练得到的；

其中，所述权重值与所述模块发生的实际故障的严重程度之间成正相关。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的日志分类方法的步骤。