汪曉玫 姜 浩

（國網(wǎng)新源水電有限公司新安江水力發(fā)電廠，浙江 建德 311608）

配置命令本質(zhì)上就是一個(gè)模式識別的進(jìn)程，在操作過程中具有樣本數(shù)量龐大以及向量維數(shù)高等特征。在對配置命令進(jìn)行分類的過程中，目前比較常用的有互信息、期望交叉熵、信息增益以及詞頻方法等算法。這些算法分別針對不同種類的文本類型，其應(yīng)用效果也略有不同。在對配置命令進(jìn)行分類時(shí)，如果只是簡單的運(yùn)用一種算法，就會存在配置命令權(quán)重繁雜或者過度冗余等情況。想要在網(wǎng)絡(luò)煩瑣的信息中精確找到需要定位的訊息，并且對文本命令進(jìn)行有效修改，其中智能匹配占據(jù)著極其重要的地位，其可以精確管理并組織這些信息，大幅提升信息搜索的速度，為了更好地對配置命令進(jìn)行分類，技術(shù)人員在傳統(tǒng)算法的基礎(chǔ)上引入了信息熵進(jìn)行改革優(yōu)化，從而提出一種新算法，根據(jù)實(shí)驗(yàn)可以發(fā)現(xiàn)，運(yùn)用信息熵對網(wǎng)絡(luò)設(shè)備進(jìn)行智能修復(fù)會更加精準(zhǔn)、效率更高。

1 信息熵概述

最早熵的概念是由克勞德·香農(nóng)提出的，其實(shí)熵最開始是應(yīng)用在熱力學(xué)統(tǒng)計(jì)中的，對熵的數(shù)值進(jìn)行計(jì)算，可以判定出一個(gè)系統(tǒng)中的混亂程度，熵的數(shù)值越小，表示其系統(tǒng)越穩(wěn)定、混亂程度越低。在熱力學(xué)統(tǒng)計(jì)中，使用的是熵增原理[1]。對于文本信息來說，要求熵的數(shù)值只能減少，使用的是熵不增原理。

從隨機(jī)過程角度來看，熵的概念為：假設(shè)X是一組隨機(jī)發(fā)生的事件：x1、x2、x3…xn，其中它們出現(xiàn)的概率為p（xi）=pi（0≤pi≤1），則p1+p2+p3+…pn=1，那么這組隨機(jī)事件的信息熵便是其信息量的平均統(tǒng)計(jì)值，則H（x）=E（-log2Pi），其中E為統(tǒng)計(jì)平均值。

在實(shí)際應(yīng)用過程中，對于無序結(jié)構(gòu)來說，熵比較實(shí)用。一個(gè)非負(fù)熵的數(shù)值可以充分表現(xiàn)信息的不確定程度，熵是一個(gè)全局變量，其數(shù)值大小直接決定了樣本中信息的重要程度，同時(shí)可以利用熵值對純度進(jìn)行表述，通常情況下數(shù)值越小，純度越高。

2 信息熵的基本性質(zhì)

從信息熵的起源來看，信息論之父克勞德·香農(nóng)在長期的研究過程中逐步對信息熵的性質(zhì)進(jìn)行概括，其基本性質(zhì)主要體現(xiàn)在3個(gè)方面。1）單調(diào)性。事件發(fā)生概率與其所對應(yīng)攜帶的信息量之間存在著緊密聯(lián)系，發(fā)生概率越高時(shí)，其對應(yīng)所攜帶的信息量越低。2）非負(fù)性。信息熵可以直接作為一種廣度量，非負(fù)性是一種合理的、必然的趨勢。3）累加性。多隨機(jī)事件同時(shí)發(fā)生存在的不確定性總量度與各個(gè)事件不確定性的量度和一樣，這一表現(xiàn)形式也充分體現(xiàn)了信息熵的廣度量特性。

從理論角度來對信息熵的基本型性質(zhì)進(jìn)行理解，信息熵的單調(diào)性主要指的是當(dāng)一個(gè)事件發(fā)生的概率越低的情況下，在該事件發(fā)生時(shí)所給出的信息量也就越大，從一個(gè)相對特殊的事件來看，例如“太陽從西邊升起”所攜帶的信息量會遠(yuǎn)遠(yuǎn)高于“太陽從東邊升起”所攜帶的信息量，這主要是“太陽從東邊升起”是一個(gè)亙古不變的事實(shí)，不需要特別強(qiáng)調(diào)，而“太陽從西邊升起”是根本不可能發(fā)生的，當(dāng)出現(xiàn)這一現(xiàn)象時(shí)，就說明存在更多的不可預(yù)測性，例如太陽系的異常變化、物理法的變化等。從這個(gè)角度來看，信息熵的單調(diào)性特性也從側(cè)面暗含了一種對信息含量的先驗(yàn)假設(shè)，也就是在一些特定的時(shí)候，假定某些事實(shí)是不含信息量的，這種情況下，將默認(rèn)定標(biāo)該情況的信息量為0。對累加性特性的理解方面，主要是由于信息熵的定義中涉及了對事件發(fā)生概率的考慮，那么，可以假設(shè)信息熵是事件發(fā)生概率的函數(shù)：

式中：H（X）表示為某一事件X的信息熵，H（p（x））表示為某一事件X發(fā)生的概率。

對于2個(gè)相對獨(dú)立的事件X=A，Y=B來說，其同時(shí)發(fā)生的概率可以表示為：

式中：P（X=A，Y=B）表示獨(dú)立事件X=A，Y=B同時(shí)發(fā)生的概率。

而在這一條件下，同時(shí)發(fā)生的信息熵，根據(jù)其累加性，可以表示為：

在式（3）中，滿足2個(gè)變量乘積的函數(shù)值等于2個(gè)變量函數(shù)值的綜合，那么根據(jù)這一特性，只有對數(shù)函數(shù)滿足這一特點(diǎn)。由于概率都≤1，在取對數(shù)之后的值＜0，由于信息熵具有非負(fù)性，因此需要在前邊加上負(fù)號。

例如有一組演示數(shù)據(jù)，見表1。

表1 每匹馬的獲勝概率

在賭馬比賽之中，每1一匹馬獲勝的概率見表1。所示，之后，我們將哪匹馬獲勝作為最后的隨機(jī)變量X，我們需要用最少的二元問題對隨機(jī)變量的值進(jìn)行選取。

例如問題1是A獲勝了嗎？問題2是B獲勝了嗎？問題3是C獲勝了嗎？我們最多用3個(gè)二元問題，就可以推斷出哪批匹馬最終贏得了比賽。

直線度誤差的評定一般有最小條件法、兩端點(diǎn)連線法兩種[5]。用最小二乘法最容易實(shí)現(xiàn)最小條件[6]。根據(jù)測量點(diǎn)數(shù)x和輪廓最低點(diǎn)到評定基準(zhǔn)的距離y可以得到最小二乘直線的方程和參數(shù)為：

如果X=A，那么我們需要問1次二元問題（問題1），獲勝概率為1/2。

如果X=B，那么我們需要問2次二元問題（問題1與2），獲勝概率為1/4。

如果X=C，那么我們需要問3次二元問題（問題1、2與3），獲勝概率為1/8。

如果X=D，那么我們需要問3次二元問題（問題1、2與3），獲勝概率為1/8。

那么在該此種例題中，為了確定X取值詢問的問題數(shù)量為：

根據(jù)信息熵計(jì)算公式，可以發(fā)現(xiàn)信息熵計(jì)算為：

熵的一個(gè)最為突出的應(yīng)用就是，在一些領(lǐng)域，通過最大化熵的應(yīng)用，可以確定科學(xué)和工程中眾多現(xiàn)象相聯(lián)系的原始分布，例如均勻分布，作為一種特殊的分布形式，其并不是唯一的，而是存在一定的約束條件，而其他的分布可以最大化熵。在很多領(lǐng)域，信息熵有著廣泛的應(yīng)用，為發(fā)揮熵在問題處理方面的作用，一些專業(yè)人員會將基于離散概率的信息熵推廣到基于概率密度函數(shù)的信息熵，這種信息熵理論基礎(chǔ)的轉(zhuǎn)變，為信息熵價(jià)值的發(fā)揮創(chuàng)造了良好的前提條件。

3 信息熵在網(wǎng)絡(luò)設(shè)備智能修復(fù)中的設(shè)計(jì)

3.1 對配置命令的分類進(jìn)行算法設(shè)計(jì)

3.1.1 分類模型

使用信息熵對網(wǎng)絡(luò)設(shè)備配置命令的分類進(jìn)行算法設(shè)計(jì)時(shí)，主要運(yùn)用了信息熵?cái)?shù)值的大小對已有配置的命令短語是否具有相同或者相似進(jìn)行判定[2]。當(dāng)信息熵的數(shù)值為0且檢測到配置命令文本時(shí)，需要先對特征向量進(jìn)行處理，在該基礎(chǔ)上，在運(yùn)用信息熵技術(shù)，對已經(jīng)處理提出的特征向量進(jìn)行優(yōu)化，并將最終取得的結(jié)果在配置命令集中進(jìn)行保存。在優(yōu)化過程中，信息熵直接決定了在配置命令集中的一條命令短語是否存在。

其算法流程如下。設(shè)定一個(gè)一定類別C中具有k個(gè)配置文本命令的集合，其特征詞集合為{fi1、fi2、fi3…fin}（i=1、2、3…k），其中等待加入的配置文本是xk+1，其特征詞的集合為{d（k+1，1），d（k+1，2），d（k+1，3）…d（k+1，n）}。

依據(jù)預(yù)處理的流程步驟，對配置命令文本抽選特征向量，可以得到特征詞集合為{fi1、fi2、fi3…fin}。

對各個(gè)命令配置中的特征詞詞頻進(jìn)行統(tǒng)計(jì)，并且設(shè)立一個(gè)閾值。在這個(gè)閾值下的特征詞需要直接忽略，高于這個(gè)閾值的特征詞才會計(jì)入統(tǒng)計(jì)，并且可以對已經(jīng)選出的特征詞進(jìn)行排序。之后運(yùn)用信息熵技術(shù)原理，對每一個(gè)特征詞計(jì)算熵值，當(dāng)特征詞的熵值是0或者接近0時(shí)，要取消該特征詞。

對于新進(jìn)入的配置文本命令，要依據(jù)以上流程對特征詞進(jìn)行選取，并對特征詞的信息熵進(jìn)行計(jì)算，對于符合要求的特征詞進(jìn)行保留，從而實(shí)現(xiàn)對配置命令的合理分配。

將配置命令文本分類好后，將其特征詞加入詞庫中，并對每一個(gè)特征詞計(jì)算信息熵，之后再次對命令文本進(jìn)行分類。在整個(gè)操作過程中，可以根據(jù)實(shí)際情況，在命令該文分類之后對信息熵的閾值進(jìn)行動態(tài)調(diào)整。

3.1.2 分類算法

在該算法中，應(yīng)當(dāng)使用詞頻方法對特征詞進(jìn)行初步選取，并且結(jié)合信息熵技術(shù)原理，對已經(jīng)選出的特征詞的信息熵?cái)?shù)值進(jìn)行計(jì)算，將其數(shù)值與閾值進(jìn)行比較，當(dāng)數(shù)值低于閾值時(shí)，直接忽略該特征詞，對不重要的文本進(jìn)行有效排除，保證文本原有數(shù)據(jù)的特征。

對于已經(jīng)給定的文本信息，要對其關(guān)鍵短語進(jìn)行劃分，利用關(guān)鍵短語文本可以鮮明地表述文本內(nèi)容，可以從3個(gè)方面對關(guān)鍵短語進(jìn)行確定。1）結(jié)構(gòu)上，關(guān)鍵短語應(yīng)當(dāng)具備優(yōu)良的凝固性。2）語義上，關(guān)鍵短語應(yīng)當(dāng)具備完整性與專指性。3）統(tǒng)計(jì)上，關(guān)鍵短語應(yīng)當(dāng)具備可重用性。在配置命令文本中，通常英文表達(dá)較多，因此對于英文分詞進(jìn)行劃分極為重要。但是英文分詞系統(tǒng)主要負(fù)責(zé)基礎(chǔ)檢測劃分，沒有必要針對每一個(gè)信息的應(yīng)用領(lǐng)域都建設(shè)英文分詞系統(tǒng)。這樣做不僅浪費(fèi)資源，而且分詞效果不佳。因此可以直接使用DAG思想配置元集無關(guān)性算法。DAG是指有向無環(huán)圖，其主要描述含有公共子式的表達(dá)式或系統(tǒng)運(yùn)行的過程。其算法描述分為5步。1）將集合設(shè)為S，利用掃描器對配置文本進(jìn)行預(yù)處理。1）如過S為非空集合，就可在T（狀態(tài)轉(zhuǎn)換樹）中選取一條命令L，如果不是非空集合，則退出程序。3）如過L為非空，則對L中的一個(gè)單詞順勢進(jìn)行讀取，為W。如果L為空，且可以在T中尋查到終態(tài)葉子節(jié)點(diǎn)，則可以完成對L的識別標(biāo)注，且轉(zhuǎn)換到2）執(zhí)行。4）如果L的第一個(gè)單詞就是W，則在T中、Root直接節(jié)點(diǎn)上、尋查到W中的字符。如果L的第一個(gè)單詞不是W，則應(yīng)順次向下查找匹配。如果以上2種現(xiàn)象，均無法找到匹配字符，則需轉(zhuǎn)換到5）執(zhí)行。5）如果產(chǎn)生無法匹配的現(xiàn)象，觀測兄弟節(jié)點(diǎn)中是否存在“￥”或者“$ ”的符號，如果存在，則視W詞性進(jìn)行匹配，并轉(zhuǎn)換到3）執(zhí)行。

以上算法可以有效識別集合之中的命令文本，從而為設(shè)備智能診斷奠定基礎(chǔ)。

該種算法更容易提取特征項(xiàng)、配置命令。對配置命令文本進(jìn)行預(yù)處理，主要可以劃分短語，為之后關(guān)鍵短語的確定奠定基礎(chǔ)，處理的最終結(jié)果會將非結(jié)構(gòu)化配置命令變得結(jié)構(gòu)化，大幅提升短語的匹配效率。操作流程主要分為2步。1）運(yùn)用非漢字符號以及英文標(biāo)點(diǎn)符號，對英文表述的配置命令進(jìn)行切分，將其切分為比較短的短語。2）運(yùn)用漢字的標(biāo)點(diǎn)符號進(jìn)行切分，同時(shí)使用連接詞庫，將“or”、“and”等單詞去除，進(jìn)一步切分文本句子。

3.2 對關(guān)鍵詞集進(jìn)行抽取

在對配置命令文本進(jìn)行預(yù)處理后，會導(dǎo)致原有的文本變?yōu)橐粋€(gè)個(gè)分割的短語，為了方便處理，可以將這些短語集中放入一個(gè)集合T之中。并對T不斷進(jìn)行掃描，將最終確定下來的短語放入keys Set集合中進(jìn)行保存，其掃描處理過程是對已經(jīng)進(jìn)行過預(yù)處理的配置命令文本中的分詞詞頻進(jìn)行統(tǒng)計(jì)，并將對已經(jīng)達(dá)到閾值的分詞進(jìn)行提取，而后將其保存到keys Set集合中。對于不存在完整意義的分詞，對停用詞庫進(jìn)行查看，如果其中含有無法運(yùn)用的單詞直接刪除，如果不含無法運(yùn)用的單詞，則進(jìn)行下一步。對給定的配置命令文本由前向后按照順序掃描，直至所有短語處理結(jié)束。對于keys Set集合中的詞語運(yùn)用信息熵原理，進(jìn)行優(yōu)化，從而實(shí)現(xiàn)分類處理。

圖2 信息熵結(jié)構(gòu)框架

要分別對不同網(wǎng)絡(luò)設(shè)備之中的配置命令文本進(jìn)行統(tǒng)計(jì)，將不一致的關(guān)鍵詞集組成各類的關(guān)鍵詞組進(jìn)行描述。對配置命令文本的處理大致包括建設(shè)特征庫、訓(xùn)練樣本、測試短語、分類4個(gè)部分，即建設(shè)特征庫、訓(xùn)練樣本、測試短語和分類，其系統(tǒng)框架如圖2所示。

4 結(jié)語

在真實(shí)網(wǎng)絡(luò)設(shè)備的故障診斷過程中，有待處理的信息量非常龐大，但是其中可以幫助故障診斷的只占據(jù)極小的一部分?；谛畔㈧貙W(wǎng)絡(luò)系統(tǒng)進(jìn)行智能修復(fù)，可以有效提升檢錯(cuò)效率、縮短響應(yīng)時(shí)間，為后續(xù)修復(fù)提供強(qiáng)有力的保障。