本文考察现有企业行政信息管理平台在面向客户的服务支持中出现的故障,体现在客户个性化配置中与系统内部应有的功能出现差异,即没有体现系统提供的功能,源于不正确的客户配置。而故障排查工作一直是基于大量的手工操作,依赖经验,比较盲目。本文试图设计一个故障分析的自动化方案。根据以往各个故障描述信息和以及与此故障有关的配置文件记录,尝试多种深度学习的算法为此自然语言分类问题进行建模,帮助产品支持人员为新的故障做根因分析。并试图给系统支持人员提出故障排除的建议,提高客户服务支持中的准确性。本文的主要研究内容包括:（1）运用自然语言处理和深度学习方法,将历史故障描述信息进行文本清洗,标准化,向量化后进行建模。（2）将故障发生时不同系统环境的配置差异引入到特征工程,与故障描述信息的特征合并,提高模型的准确度。（3）尝试多种深度学习算法,包括决策森林,CNN,LSTM,GRU,RNN,RCNN等,经过参数调优之后,对比模型准确率选择最优方案。（4）构建便捷高效的多环境配置差异对比方案,减少机械性手工操作。自适应业务扩展和客户变化,免于维护。（5）搭建Web服务并对接故障追踪系统完成简洁的用户交互,以获取待调查的故障信息并通过分类模型来分析和预测故障的原因。（6）测试功能,通过测试结果证明此设计能根据实时的环境配置差异和过往故障排查结果,有效的实现课题目标。模型的特征工程是本文的一个重点,有针对性的注入配置差异等特征进行模型训练,提高其分类准确率,而且结合自动化设计,最终使得原本需要20分钟以上对比排查工作和依赖产品支持人员经验的分析工作缩短到10秒钟,并自动对故障原因进行预测。以此改进流程效率,节省人力成本。