技术特征：
1.一种告警分类方法，其特征在于，包括：获取待分类告警信息的特征数据，并基于所述特征数据构建所述待分类告警信息对应的图网络；将所述待分类告警信息对应的图网络输入至告警分类模型，获得所述告警分类模型输出的所述待分类告警信息的分类结果；其中，所述告警分类模型为预先训练得到的图卷积网络。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据历史告警信息生成样本库；所述样本库包括历史告警信息和所述历史告警信息的参考分类结果，其中，告警信息的分类结果表征该告警信息的紧急程度；依照所述样本库中所述历史告警信息的参考分类结果，将所述样本库分为多个子样本库，所述多个子样本库与不同的紧急程度一一对应；对于每个子样本库分别构建所述子样本库对应的图网络；基于图卷积网络，建立初始的告警分类模型；分别基于所述多个子样本库对应的图网络，对所述初始的告警分类模型进行训练，直至获得所述告警分类模型。3.根据权利要求2所述的方法，其特征在于，所述对于每个子样本库分别建立所述子样本库对应的图网络，包括：将每个子样本库划分为多个样本集合，对于每个样本集合分别构建所述样本集合对应的图网络；所述分别基于所述多个子样本库对应的图网络，对所述初始的告警分类模型进行训练，直至获得所述告警分类模型，包括：针对每个子样本库，基于所述子样本库下的各样本集合对应的图网络，采用小批量迭代训练的方式，对所述初始的告警分类模型进行训练，直至获得所述告警分类模型。4.根据权利要求3所述的方法，其特征在于，所述针对每个子样本库，基于所述子样本库下的各样本集合对应的图网络，对所述初始的告警分类模型进行训练，包括：针对每个子样本库，将该子样本库下的每个样本集合对应的图网络输入当前的告警分类模型，得到模型输出的第一告警分类结果；计算所述样本集合所属的子样本库对应的参考分类结果与所述第一告警分类结果的相似度，并根据当前的相似度调整告警分类模型，直至当前的相似度满足预设的要求，则判定训练完成。5.根据权利要求2所述的方法，其特征在于，所述根据历史告警信息生成样本库，包括：确定所述历史告警信息在各特征类型下的特征值；根据各类型特征对应的权重，对该历史告警信息在各特征类型下的特征值进行加权求和计算，得到该历史告警信息的告警程度值；根据所述历史告警信息的告警程度值和分类结果对应的告警程度取值范围，将所述历史告警信息的告警程度值所在的取值范围对应的分类结果，作为该历史告警信息的参考分类结果。6.根据权利要求2-5任一项所述的方法，其特征在于，所述根据历史告警信息生成样本库，之前包括：
对所述历史告警信息进行预处理，所述预处理包括以下至少一种：数据去重、数据去噪以及数据补全。7.一种告警分类装置，其特征在于，包括：获取模块，用于获取待分类告警信息的特征数据；构建模块，用于基于所述特征数据构建所述待分类告警信息对应的图网络；处理模块，用于将所述待分类告警信息对应的图网络输入至告警分类模型，获得所述告警分类模型输出的所述待分类告警信息的分类结果；其中，所述告警分类模型为预先训练得到的图卷积网络。8.根据权利要求7所述的装置，其特征在于，所述装置还包括：样本生成模块，用于根据历史告警信息生成样本库；所述样本库包括历史告警信息和所述历史告警信息的参考分类结果，其中，告警信息的告警分类结果表征该告警信息的紧急程度；划分模块，用于依照所述样本库中所述历史告警信息的参考分类结果，将所述样本库分为多个子样本库，所述多个子样本库与不同的紧急程度一一对应；所述构建模块，还用于对于每个子样本库分别建立所述子样本库对应的图网络；建立模块，用于基于图卷积网络，建立初始的告警分类模型；训练模块，用于分别基于所述多个子样本库对应的图网络，对所述初始的告警分类模型进行训练，直至获得所述告警分类模型。9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-6中任一项所述的方法。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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6中任一项所述的方法。
技术总结
本申请提供一种告警分类方法、装置、电子设备及存储介质。方法包括：获取待分类告警信息的特征数据，并基于所述特征数据构建所述待分类告警信息对应的图网络；将所述图网络输入至告警分类模型，获得所述告警分类模型输出的所述待分类告警信息的告警分类结果。本申请的方案，能够得到准确的告警分类结果。能够得到准确的告警分类结果。能够得到准确的告警分类结果。
技术研发人员：孙留倩
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：2022.10.24
技术公布日：2022/12/9