本技术涉及无线通信，具体涉及一种基站故障处理措施的获取方法、装置和电子设备。
背景技术：
1、在日常的无线网络运维中，及时排除网络故障是运维人员的重要工作之一。当前，无线网络维护工作的主要流程为：当基站出现故障时，生成告警信息并上报至对应的服务器；监控人员从服务器中看到该告警信息后，会将该告警信息中的内容输入至服务器，该服务器基于监控人员的输入内容，生成该基站对应的工单通知(即工单数据)，并将该工单数据分配给运维人员；运维人员根据该工单数据，再结合设备维护手册及过往处理经验，对该基站进行现场处理；在该基站的故障恢复后，该运维人员还会进行回单，结束整个工单流程。
2、综上，目前的无线网络运维过程中，故障的上站排查处理主要依赖于运维人员的人工经验进行故障原因定位和故障处理措施制定，同时，故障处理后的故障原因没有沉淀成知识，无法形成共享的经验。这就导致故障上站处理的时间长、效率低，并且还可能因为运维人员的经验和能力问题耽误了故障的抢修时间。特别是复杂故障场景下往往需要运维人员对基站内的多个器件进行逐一排查，不仅耗费人力物力，也很难保证故障处理的及时性。
3、可以看出，随着无线通信技术的快速迭代和网络规模的不断扩大，传统的依赖人工经验的故障处理方法智能程度较低，己越来越满足不了运营商对网络故障的管理需求。
技术实现思路
1、本技术实施例提供一种基站故障处理措施的获取方法、装置和电子设备，用以解决传统的依赖人工经验的故障处理方法智能程度较低的技术问题，通过采用故障处理模型，为基站故障排查提供依据，可实现基站故障原因的准确推断，并准确得到目标基站的当前故障原因所对应的故障处理措施，以实现故障处理措施的智能推荐，此外，该故障处理措施能够指导运维人员的故障排查工作，有效减少故障处理时长并提高故障处理效率，进而提高了网络运维的效率和质量。
2、第一方面，本技术实施例提供一种基站故障处理措施的获取方法，包括：
3、获取目标基站的当前故障原因；
4、将所述当前故障原因输入至故障处理模型中，得到所述故障处理模型输出的故障处理措施；
5、其中，所述故障处理模型是基于第一历史故障原因集和历史故障处理措施集进行训练得到的；所述第一历史故障原因集是lightgbm模型对历史工单数据构成的故障处理措施库进行特征识别后得到的。
6、在一个实施例中，所述故障处理模型的训练步骤如下：对所述历史工单数据构成的故障处理措施库进行特征提取，得到第二历史故障原因集、历史故障处理措施集和历史告警特征集；将所述第二历史故障原因集、所述历史故障处理措施集和所述历史告警特征集输入至所述lightgbm模型中，得到所述lightgbm模型输出的第一历史故障原因集，所述lightgbm模型是以第二历史故障原因集为标签，以所述历史故障处理措施集和所述历史告警特征集为数据样本进行监督训练得到的；根据所述第一历史故障原因集、所述历史故障处理措施集和所述历史告警特征集对原始故障处理模型进行训练，得到所述故障处理模型。
7、在一个实施例中，在所述lightgbm模型的数量为至少一个的情况下，所述将所述第二历史故障原因集、所述历史故障处理措施集和所述历史告警特征集输入至所述lightgbm模型中，得到所述lightgbm模型输出的第一历史故障原因集，包括：获取至少一个lightgbm模型各自的第一权重；针对各lightgbm模型，将所述第二历史故障原因集、所述历史故障处理措施集和所述历史告警特征集输入至所述lightgbm模型中，得到所述lightgbm模型输出的至少一个预测故障原因，并获取所述至少一个预测故障原因各自的概率；根据所有第一权重和所有概率，确定所述第一历史故障原因集。
8、在一个实施例中，所述根据所有第一权重和所有概率，确定所述第一历史故障原因集，包括：根据同一类型下所有预测故障原因各自的概率以及所述同一类型下所有预测故障原因各自对应lightgbm模型的第一权重，确定所述类型的出现程度；根据所有类型各自的出现程度，确定目标类型；将所述目标类型下的所有预测故障原因，确定为所述第一历史故障原因集。
9、在一个实施例中，所述方法还包括：根据所述历史工单数据，确定多个分词；根据所述多个分词，确定文本向量集；根据所述文本向量集，构建所述故障处理措施库。
10、在一个实施例中，所述根据所述多个分词，确定文本向量集，包括：确定所述多个分词对应的至少一个词性及所述至少一个词性各自的影响因子；针对各分词，根据所述分词对应词性的影响因子，确定所述分词对应词性在所述分词中的第二权重；根据所述第二权重，确定所述分词对应的文本向量；根据所述多个分词对应的多个文本向量，构建所述文本向量集。
11、在一个实施例中，所述根据所述文本向量集，构建所述故障处理措施库，包括：采用线性判别式分析lda算法，根据所述文本向量集，确定多个文档-主题集，各文档-主题集包括至少一个文本向量；根据所述多个文档-主题集，确定目标文档-主题集；以所述目标文档-主题集为簇心，对所述文本向量集中的文本向量进行聚类，得到聚类后的文本向量；根据所述聚类后的文本向量对应的关键词，构建所述故障处理措施库。
12、第二方面，本技术实施例提供一种基站故障处理措施的获取装置，包括：
13、获取模块，用于获取目标基站的当前故障原因；
14、处理模块，用于将所述当前故障原因输入至故障处理模型中，得到所述故障处理模型输出的故障处理措施；其中，所述故障处理模型是基于第一历史故障原因集和历史故障处理措施集进行训练得到的；所述第一历史故障原因集是lightgbm模型对历史工单数据构成的故障处理措施库进行特征识别后得到的。
15、第三方面，本技术实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的基站故障处理措施的获取方法的步骤。
16、第四方面，本技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面所述的基站故障处理措施的获取方法的步骤。
17、第五方面，本技术实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的基站故障处理措施的获取方法的步骤。
18、本技术实施例提供的基站故障处理措施的获取方法、装置和电子设备，通过获取目标基站的当前故障原因；将所述当前故障原因输入至故障处理模型中，得到所述故障处理模型输出的故障处理措施；其中，所述故障处理模型是基于第一历史故障原因集和历史故障处理措施集进行训练得到的；所述第一历史故障原因集是lightgbm模型对历史工单数据构成的故障处理措施库进行特征识别后得到的。该方法用以解决传统的依赖人工经验的故障处理方法智能程度较低的技术问题，通过采用故障处理模型，为基站故障排查提供依据，可实现基站故障原因的准确推断，并准确得到目标基站的当前故障原因所对应的故障处理措施，以实现故障处理措施的智能推荐，此外，该故障处理措施能够指导运维人员的故障排查工作，有效减少故障处理时长并提高故障处理效率，进而提高了网络运维的效率和质量。
1.一种基站故障处理措施的获取方法，其特征在于，包括：
2.根据权利要求1所述的基站故障处理措施的获取方法，其特征在于，所述故障处理模型的训练步骤如下：
3.根据权利要求2所述的基站故障处理措施的获取方法，其特征在于，在所述lightgbm模型的数量为至少一个的情况下，所述将所述第二历史故障原因集、所述历史故障处理措施集和所述历史告警特征集输入至所述lightgbm模型中，得到所述lightgbm模型输出的第一历史故障原因集，包括：
4.根据权利要求3所述的基站故障处理措施的获取方法，其特征在于，所述根据所有第一权重和所有概率，确定所述第一历史故障原因集，包括：
5.根据权利要求2-4任一项所述的基站故障处理措施的获取方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的基站故障处理措施的获取方法，其特征在于，所述根据所述多个分词，确定文本向量集，包括：
7.根据权利要求5所述的基站故障处理措施的获取方法，其特征在于，所述根据所述文本向量集，构建所述故障处理措施库，包括：
8.一种基站故障处理措施的获取装置，其特征在于，包括：
9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基站故障处理措施的获取方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基站故障处理措施的获取方法的步骤。
