TelOps: AI-driven Operations and Maintenance for Telecommunication Networks（作者：Yuqian Yang, Shusen Yang, Cong Zhao and Zongben Xu）。针对大规模复杂电信网络拓扑依赖、高度异构、故障数据获取有限的问题，该工作首次提出了一种AI驱动的基础网络设施运维框架。图1给出其分层架构图。该系统性框架从上到下分为任务、机器学习、知识、数据、物理五层，通过层层分解任务需求，结合电信网络及其运维任务中的特性，给出了主流运维任务的具体设计指导性思路。在典型场景无线接入网中的故障诊断下的高效根因告警定位需求下，以此框架设计解决方案，在真实场景下的530万告警数据中进行验证，测试结果表明，该智能运维框架可以有效支撑真实运维需求设计，故障根因告警识别准确率明显优于现有方法，在最重要的典型网络高峰使用场景下，对比现有运营商方案、典型机器学习方法和遵循AIOps设计的解决方案分别高达28%、20.1%和15.8%。

图1 TelOps的分层架构