1.一种基于运维知识图谱的实时根因分析方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于运维知识图谱的实时根因分析方法，其特征在于：所述步骤s1中，数字化基础设施领域知识图谱的应用架构包括数据层、核心层以及应用层；数据层负责从不同的数据来源聚拢数据并进行深层次的解析融合，核心层根据数字化基础设施诊断领域的专家知识以及知识图谱应用的需求构建本体，确定设备知识图谱和故障知识图谱所包含的实体以及关系类型。
3.根据权利要求1所述的一种基于运维知识图谱的实时根因分析方法，其特征在于：所述步骤s2中，所述运维知识图谱本体的构建方法为：
4.根据权利要求1所述的一种基于运维知识图谱的实时根因分析方法，其特征在于：所述步骤s3中，所述实体抽取具体指实体抽取模块采用自注意力机制表示语句内部实体联系，获得编码后的特征向量，再使用全连接层与卷积神经网络将实体抽取出来，并将抽取的实体形成候选实体集。
5.根据权利要求1所述的一种基于运维知识图谱的实时根因分析方法，其特征在于：所述步骤s3中，所述关系抽取指的是在由实体模块提取特征后，将抽取的实体特征向量作为输入，通过自注意力层和全连接层对实体之间的关系进行预测，模型训练采用随机采样的方法获取训练数据，使用adam算法优化模型参数。
6.根据权利要求1所述的一种基于运维知识图谱的实时根因分析方法，其特征在于：所述步骤s5中，所述设备知识图谱的数据包括配置管理数据库数据、调用链数据和物理设备网络连接数据；所述设备知识图谱的构建由数据入手，具体步骤为：
7.根据权利要求1所述的一种基于运维知识图谱的实时根因分析方法，其特征在于：所述步骤s6中，所述构建故障知识图谱的具体步骤为：
8.根据权利要求7所述的一种基于运维知识图谱的实时根因分析方法，其特征在于：所述步骤s61中，所述告警数据的输入训练模型包括输入层、卷积层、池化层以及全连接层；
9.所述池化层让模型充分关注某些需要的特征，并减小特征向量和参数大小，实现降维；所述全连接层中的输出向量全部输入softmax分类器，完成最终结果的分类任务；0表示信号未被干扰，1表示信号受到干扰。
10.根据权利要求1所述的一种基于运维知识图谱的实时根因分析方法，其特征在于：所述步骤s7中，所述告警数据的收敛及实时根因定位的具体步骤为：