一种基于大数据的系统多故障检测方法

本发明属于深度学习领域，涉及一种基于大数据的系统多故障检测方法，检测模型的训练过程包括：获取历史数据，得到初始数据集；获取故障源，根据故障源对初始数据集进行特征衍生，得到结构化数据集；根据结构化数据集构建动态标签关系图，将动态标签关系图输入动态图神经网络，得到标签语义嵌入；根据标签语义嵌入和特征向量得到每个故障标签的特征表示；根据故障标签的特征表示得到分类结果；根据分类结果和标签语义嵌入计算损失函数值，根据损失函数值更新模型参数，直至完成模型训练；本发明根据动态图神经网络更新动态标签关系图的节点特征得到标签语义嵌入，从而在捕捉故障标签空间中的拓扑关系的同时捕捉了故障标签之间的时间依赖性。