事件挖掘的理論算法及應(yīng)用

第1章 引言 
1.1 數(shù)據(jù)驅(qū)動型系統(tǒng)管理 1
1.2 本書概覽 3
1.3 本書內(nèi)容 4
1.4 小結(jié) 7
第1部分：事件生成和系統(tǒng)監(jiān)控 
第2章事件生成：從日志到事件 9
2.1 綜述 9
2.3日志消息分類 14
2.4日志消息聚類 15
2.5基于樹狀結(jié)構(gòu)的聚類 17
2.6 基于消息簽名的事件生成 24
2.7小結(jié) 36
第3章 優(yōu)化系統(tǒng)監(jiān)控配置 38
3.1 綜述 38
3.2 自動監(jiān)控 38
3.3 消除誤報 41
3.4 消除漏報 44
3.5 實驗評估 47
3.6 小結(jié) 51
3.7 術(shù)語表 51
第2部分：模式發(fā)現(xiàn)和摘要
第4章 事件模式挖掘 54
4.1 引言 54
4.2 序列模式 55
4.3 全依賴模式 62
4.4 部分周期依賴模式 64
4.5 互依賴模式 70
4.6 t-模式 73
4.7頻繁情節(jié) 78
4.8突發(fā)事件 81
4.9罕見事件 83
4.10時間序列和事件間的相關(guān)模式 85
4.11 案例分析 86
4.12小結(jié) 101
4.13術(shù)語表 102
第5章 時滯挖掘 103
5.1 引言 103
5.2 非參數(shù)的方法 104
5.3 帶參數(shù)的方法 113
5.4 實例分析 121
5.5 小結(jié) 130
5.6 術(shù)語表 130
第6章 日志事件摘要 132
6.1引言 132
6.2基于頻率變化的摘要 135
6.3基于時序動態(tài)的摘要 142
6.4便捷化摘要任務(wù) 154
6.5小結(jié) 165
6.6術(shù)語表 166
第3部分：應(yīng)用
第7章 系統(tǒng)管理中數(shù)據(jù)驅(qū)動的應(yīng)用 168
7.1 系統(tǒng)診斷 168
7.2 搜索相似的序列文本事件片段 171
7.3 層次多標(biāo)簽工作票分類 190
7.4 工作票解決方案推薦 205
7.5 小結(jié) 226
7.6 術(shù)語表 227
第8章 面向Twitter流的社交媒體事件摘要 228
8.1 引言 228
8.2 問題形式化 231
8.3 Twitter消息上下文分析 232
8.4 子事件檢測方法 235
8.5 多Twitter消息摘要 240
8.6 實驗 242
8.7 總結(jié)和未來工作 251
8.8 術(shù)語表 251
參考文獻(xiàn) 252