自从Internet 网络诞生以来,计算机网络无论在技术上还是在规模和结构上都得到了飞速发展. 面对庞大、复杂的计算机网络,仅以人工的方式很难处理网络中出现的各种故障. 如何高效、准确地进行网络故障的定位、排除和恢复,是网络故障管理面临的重大课题. 人工智能的理论、方法和工具,特别是专家系统的最新成果,为计算机网络故障诊断与分析提供了新的研究方向. 但是,目前的专家系统还存在着接口不够友好、知识表示方法不完备和知识获取方法不灵活等问题. 本文提出一种具有在线知识获取和自然语言接口的网络故障诊断专家系统设计模型, 并依据该模型设计了网络故障诊断专家系统原型. 数据挖掘研究院
1 网络故障诊断专家系统模型网络故障诊断专家系统结构如图1 所示,下述是其主要模块.
(1) 预处理与词法分析模块. 它可对输入的汉语语句进行切词、同义词处理和词汇识别. 若输入语句中的词汇不在词典中,系统会报告出错信息. 另外,该模块还对输入语句中不重要的词汇进行适当的忽略,增强系统识别句子的灵活性. 数据挖掘研究院
(2) 句法分析模块. 利用词典和短文结构文法规则对输入语句进行句法分析,正确的语句会生成句法分析树,以此作为生成概念图的依据.
(3) 语义分析模块. 它由概念图生成器和匹配/推理器组成. 首先,利用概念图生成器将句法分析树转换成概念图的表示形式,再将概念图与图式库中的图式进行匹配/ 推理,得到符合语义的概念图,即工作图(Working Graphs ,WG) . 数据挖掘研究院
(4) 专家系统模块. 它由推理机、解释器、知识获取、知识库维护以及一些知识库组成. 推理机利用WG和知识库中的知识进行推理,找出网络故障. 在推理中,根据工作图是条件还是结论,可自动选择正向推理和反向推理. 为了处理网络故障诊断中的不确定性,专家系统可根据规则可信度(CF) 值进行不确定推理,推理的结论为概念图,即答案图. 解释器根据记录的推理路径,对推理结论的合法性作出解释. 知识库由知识库模块负责维护,当专家系统中知识不足时,知识获取模块负责获取.
(5) 语言生成模块. 它由语言生成器和优化模块组成. 利用扩展短语结构文法(APSG) 库,将专家系统输出的答案图转换成自然语言文本. 为了使生成的语言符合自然语言规范,可由优化处理器处理.网络故障诊断专家系统主要由专家系统和自然语言接口两部分组成,其中的专家系统为整个系统的核心. 输出结果是以概念图的形式表示推理结论、推理结论合法性的解释和系统异常现象报告,即答案图. 然后,调用自然语言生成部分,对概念图进行搜索,将概念图转换成自然语言. 自然语言接口可实现自然语言理解和输入/ 输出领域内的汉语语句,为用户提供更加自然、友好的用户接口. 数据挖掘研究院
