基站作为移动通信网络的关键基础设施，其稳定运行对网络质量和用户体验有着重要影响。但是，基站系统设备以及环境因素变化会导致各种故障，传统的基于人工经验的故障定位方法效率低下，无法快速定位故障，恢复基站服务，影响用户感知。为此，本文提出一种机器学习的方法来辅助基站故障根因定位。以历史告警数据和故障工单为源数据，通过TF-IDF、NMF和word2vec算法实现特征提取，并以CatBoost作为故障根因定位模型，从而实现快速判断故障工单的故障类别。最终本文所构建的模型根因定位准确率为88%。结果表明，该方案可有效用于辅助通信网络运维人员快速精准定位故障根因，并根据解决方案处理故障，从而缩短故障处理时长，提升网络运维的效率和质量。