现代电信网络告警数据是监控网络状况和管理网络设备的重要依据。随着网络规模的扩大和业务的复杂化,网络设备的稳定性以及网络故障处理的及时性和有效性变得愈发重要。告警的联动性使得网管系统每天会产生大量的重复告警,这将严重影响到故障的定位和处理工作。因此,对海量告警数据的过滤和压缩以及对有效告警信息的提取是运维的重要任务。关联规则挖掘作为重要的无监督数据挖掘技术之一,应用于网络故障分析的场景中可以在无标注数据的情况下分析海量告警数据间的相关性,降低对人力物力依赖性的同时,实现告警的有效压缩和故障的快速定位。同时,采用知识图谱技术可以实现告警规则的存储,进而支持对告警的根源定位。以上技术对于网络故障的分析研究具有重要意义。本文在调研和分析现有关联规则挖掘技术和知识图谱技术的基础上,深入研究了应用以上技术解决电信网络故障分析问题的有效方案。本文的主要研究工作如下:1.提出了一种基于无监督学习的网络故障相关性分析方法。将关联规则挖掘技术运用于提取关联性告警信息的工作中,并针对网络故障分析的业务维度需求和告警事件的自身特点在其基础上提出了改进方案。该方案充分考虑告警事件的时序特性,且对于联动性告警的干扰具有抵抗性。通过在关联规则挖掘过程中添加对告警事件之间因果关系的验证,有效减少故障分析过程中对于告警相关性的错误判定,实现虚假关联规则的过滤,使算法满足电信网络故障分析场景下的业务需求。2.构建了网络故障分析知识图谱,并基于该图谱完成了网络故障的根源定位工作。以已有的告警关联规则集作为数据源,自顶向下构建故障分析知识本体,确定了基于Neo4j图数据库的告警关联知识存储方案,实现了告警事件和关联规则的存储和可视化展示;同时以构建完成的知识图谱为基础,对采用有向图结构的告警关联性知识进行分析与计算,完成了针对关联性告警数据和实时告警数据的根源故障定位。3.设计了电信网络故障分析平台。基于电信网络故障分析场景的业务需求设计了平台的整体架构方案,确定了核心功能模块的划分,并基于本文提出的网络故障分析方案完成了功能模块的开发,然后通过实现前后端的数据交互,完成了网络故障分析和结果的可视化展示,验证了本文提出的方案的实用和可行性,为用户提供了交互友好的故障分析平台,同时为后续网络故障的诊断与处理提供可靠的决策支持。