一种面向网络智能运维系统的故障根因定位方法，包括如下步骤：首先将不平衡数据进行划分，抽取少类的样本数据；然后将少类样本利用生成对抗网络来进行数据增强来生成合成数据，并通过计算合成数据和原始数据之间的损失来判断生成效果对生成器进行反馈；然后将生成效果好的合成数据与原始数据进行合并生成整合数据；最后将整合数据输入到根因分类模型中进行模型的训练，将可能为根因的样本标记并最终输出。本发明能够充分利用故障数据来提取数据之间的关系，并能够使生成的数据拥有根因数据的原始特征和潜在空间中的数据分布、隐藏模式，在对准确率、F1值要求较高的故障根因定位系统中具有良好的实用性。

一种面向网络智能运维系统的故障根因定位方法，包括如下步骤：首先将不平衡数据进行划分，抽取少类的样本数据；然后将少类样本利用生成对抗网络来进行数据增强来生成合成数据，并通过计算合成数据和原始数据之间的损失来判断生成效果对生成器进行反馈；然后将生成效果好的合成数据与原始数据进行合并生成整合数据；最后将整合数据输入到根因分类模型中进行模型的训练，将可能为根因的样本标记并最终输出。本发明能够充分利用故障数据来提取数据之间的关系，并能够使生成的数据拥有根因数据的原始特征和潜在空间中的数据分布、隐藏模式，在对准确率、F1值要求较高的故障根因定位系统中具有良好的实用性。