基于微信的校园网络故障诊断平台的研究

黄剑

摘 要：为了进一步提高高校网络维修的质量和效率，加快智慧校园建设，本文结合微信公众平台和专家系统，研究并设计了将微信应用于网络故障诊断专家平台的网络故障自动诊断系统。基于本系统，用户可以通过发送微信到学校公众号的方式，将网络故障症状信息发送到专家系统平台，并实时得到故障原因以及故障排除方法。实践证明：该系统有良好的诊断率，为网络维护提供了新的服务平台，为进一步实现智慧校园做出有益的尝试。

关键词：网络故障诊断；专家系统；微信；智慧校园

中图分类号：TN929.5 文献标识码：A

Abstract：To enhance the university network repair quality and efficiency，also to accelerate the construction of wisdom campus，in this paper we research and design of a network fault diagnosis expert system platform using the WeChat.In our system，the user can send a letter to the school micro channel public number，in this letter there is information of network failure symptoms，then they get cause of the fault and troubleshooting.Practice has proved that：the system has a good diagnostic yield for network fault diagnosis provides a new service platform，to make a useful attempt to the wisdom school.

Keywords：network fault diagnosis；expert system；WeChat；wisdom school

1 引言（Introduction）

目前，微信虽然刚刚兴起，却在大学生中迅速的扩散。根据调查显示，目前94%的大学生使用具备上网功能的智能手机，微信在大学生中扩散率达到80%。由此可见，使用微信作为网络故障专家系统的载体，可以更快捷更高效的服务在校大学生[1]。本文利用微信在大学生中的广泛使用的优势，提出了基于微信移动端的网络诊断平台。该平台使用多种知识表示方法并结合模糊推理，制定出适合的诊断策略，充分利用微信的多功能互动效果，开发出的网络诊断专家系统平台。

2 网络诊断专家系统的设计与开发（Design and development of expert system for network diagnosis）

2.1 系统创设的总体架构

系统采用分层分布式结构，将系统分为：

（1）腾讯微信服务端链接交互的模块。

（2）微信信息分析模块。本模块用于将用户发送来的文字信息、图片信息、音频信息转换成专家系统使用的、包含系统关键字的可用信息。

（3）网络故障诊断模块。本模块是本文系统的核心模块，通过使用故障树诊断模型来判断用户网络故障。

（4）网络故障信息返回模块。通过本模块，可以将诊断模块的诊断结果返回到用户微信中，为用户提供网络故障判断和解决方法。

2.2 知识库的设计

本研究的知识数据主要来源于网络维修中的实际维修经验的汇总。

对于各种网络问题症状矩阵，症状只是表示为：。

各种网络症状的权重集为：。

每种网络症状在网络故障中的所占分值由网络维修专家打分，分数集为：。

诊断结果集：。

其中，Di表示某种网络问题，Zi表示Di问题的各种显式症状。将用户输入的症状和知识库中各个网络问题案例进行案例推理，诊断返回诊断结果：。R表示诊断结果的可信度；S表示诊断机构的诊断得分；I表示诊断结果说明，包括诊断出网络问题和有可能的成因等；T表示排除该网络问题的解决方案。

本平台系统使用MySql数据库存放有关专家知识。根据以上分析，我们建立MySql数据库包含以下数据库表。

（1）网络故障基本信息集：包括网络故障种类表、网络故障症状表。

（2）网络故障诊断知识表集：包括症状向量表、症状-故障表、故障-排除故障表。

（3）网络故障诊断案例记录表。

2.3 诊断算法

本文的推理诊断采用基于案例的推理[2]（CBR）的诊断方式。CBR是一种类比推理的诊断方法，它提供了一种近视实际人工诊断的思维模型来构建专家系统的新方法。CBR的研究方法只需利用案例中的已知案例就能达到诊断网络问题的目的，非常适合网络维修这种理论性不强，以实践经验为主的网络诊断专家系统。CBR的优点有可以节约大量匹配时间并且准确率较高，适合本文使用的微信这种实时性要求较高的系统[3]。案例的检索是案例推理的关键步骤，其主要目的是根据对现实中网络故障的症状描述和定义、从案例库中检索出尽可能少且较为符合症状的网络故障的一组相识案例为现实案例求解的依据。通常，案例知识的检索测率主要有最近相邻策略、归纳推理策略、知识导引策略和模板检索策略等。本文系统采用最近邻法作为检索策略，用过比较用户的输入故障描述和知识库中案例对比，选择距离最近、相似度最大的案例。

网络故障诊断算法如下：

（1）根据用户发送的微信内容在数据库中检索相应的网络故障症状，得出需测实例向量。

（2）计算需测实例与知识库中的对比案例的相识度。对案例的相识度算法采用最近邻算法，即距离近，相似度高。算法如下：

其中，Wk是第k个症状的权重，Nk是需测实例与知识库中的案例第K个症状的相识程度，如果两个案例的症状相同则Nk=1，否则Nk=0。

（3）通过计算筛选出与需测实例相似度最高的案例Di，并计算该案例对于本次识别的可信度β。

其中，Sci是需测实例中第i个症状在Dci案例中所占的分值， 是知识库中第i个症状在Di案例中所占的分值。

（4）判断可信度β是否大于阀值0.85，如果大于阀值则诊断成功，得出诊断结果和解决方案（与案例Di相同），并通过微信返回给用户。

（5）如果可信度β小于阀值0.85但是大于0.65，向用户返回能否补充故障症状的信息。如果用户补充信息，则系统从新诊断；如果用户不补充信息则将诊断结果可信度β最高的两项返回给用户，并提示用户比较解决网络故障。

（6）如果可信度β小于0.65，则重新诊断，如果连续两次诊断失败，则直接通过微信联系人工解决用户网络问题。

3 系统平台应用实现（System platform application implementation）

本系统使用微信公众号与用户交互，用户将网络故障症状发送至微信公众号上，系统自动获取用户网络故障症状信息，使用上文所述的诊断模块诊断网络故障。通过判断诊断结果，确定是自动诊断还是人工服务。

3.1 系统的软硬件环境

本系统使用Java编程语言实现，以MySql 6.0为数据库开发工具，以微信5.8版本为客户端。通过使用微信客户端，我们可以实现在安卓智能手机和苹果智能手机中无缝使用本文的网络故障检测平台，省去了用户安装更新手机APP的烦恼。在后台服务端，使用Spring 3.0框架的Web服务后台，使用高效的proxool数据库连接池连接MySql 6.0数据库，使用tomcat Web应用服务器。

3.2 系统使用实例

经过测试本文网络故障诊断平台能够识别网络维修中出现的常见故障。对300例实际网络故障检测中，有67个案例未诊断正确，失败率为22.3%；有49个案例诊断可信度在65%—85%，疑似成功率为16.3%；剩余的184个案例诊断可信度在85%以上，诊断成功率为61.4%；诊断的准确率为78.7%。诊断的正确率在实际使用环境中的较高准确率说明推理诊断算法选择合适，能够初步解决网络故障诊断的问题。而且平均诊断花费时间为1.32秒，完全适合微信这种快节奏的交互方式。

但是同时需要说明的是，在实际使用过程中，用户对网络故障描述也需要一定的经验，并且要充分考虑网络连接的实际情况。对于部分连网络故障描述都不清楚的情况，也无从下手诊断。

4 结论（Conclusions）

本课题应用当前最新智能移动计算，结合合适的网络故障推理算法，搭建了一个面向普通网络用户和网络技术专家之间模拟的交流通道。创造性的为传统的网络服务提供了更为快捷、更方便的思路。本文的网络故障诊断平台可以在学生宿舍断网WIFI无法使用时，使用移动运营商网络解决学生宿舍网络故障，使网络维修更便捷。而且本平台不需要用户在智能手机中安装任何额外的APP应用程序，仅仅需要的就是安装微信客户端，基本上绝大部分安卓手机均可满足条件。在学生使用方面，同学们只需要输入网络故障症状发送到微信的公众号即可获得网络故障原因和解决方法，使用简单，可以基本满足网络管理过程中对用户网络维护的需求，大大降低一线网络维护人员的工作量。

创新不仅可以在一些高精尖领域，而且在平凡的领域也可以大展宏图。在传统的网络故障管理中，依靠新的智能化网络技术，结合传统的专家系统，创造性的解决了网络故障维修不便，服务质量不好的问题。为逐步实现智慧校园增加了新思路和实践了新方法。

参考文献（References）

[1] 王瑶.微信与微传播[J].传媒观察，2013（02）：39-41.

[2] 王亚南.专家系统中推理机制的研究与应用[D].武汉：武汉理工大学图书馆，2006.

[3] 周东华，王桂增.故障诊断技术综述[J].化工自动化及仪表，1998，25（1）： 58-62.

作者简介：

黄 剑（1979-），男 ，本科，工程师.研究领域：数据挖掘，软件工程.