告警事件關(guān)聯(lián)規(guī)則挖掘方法
【專利摘要】本發(fā)明涉及網(wǎng)絡(luò)管理【技術(shù)領(lǐng)域】,是一種告警事件關(guān)聯(lián)規(guī)則挖掘方法,基于分支篩選優(yōu)化策略和Apriori算法:依次讀取數(shù)據(jù)庫里的每個(gè)事務(wù)項(xiàng),并生成與每個(gè)事務(wù)項(xiàng)相對(duì)應(yīng)的支持度計(jì)算支撐數(shù)組;在Apriori算法的基礎(chǔ)上,執(zhí)行分支篩選優(yōu)化策略,生成頻繁項(xiàng)集;在頻繁項(xiàng)集和支持度計(jì)算支撐數(shù)組的基礎(chǔ)上,執(zhí)行關(guān)聯(lián)規(guī)則的置信度計(jì)算,在最小置信度約束下,得到有效的關(guān)聯(lián)規(guī)則。本發(fā)明通過構(gòu)建支持度計(jì)算支撐數(shù)組,簡化了支持度的計(jì)算,大大減少了讀取數(shù)據(jù)庫的次數(shù),提高了算法效率;通過構(gòu)建鄰接字典鏈表,可以動(dòng)態(tài)發(fā)現(xiàn)滿足支持度要求的二項(xiàng)頻繁集,提供了分支篩選優(yōu)化策略的執(zhí)行基礎(chǔ);動(dòng)態(tài)刪除無效分支,快速生成二項(xiàng)頻繁集,提高了算法效率。
【專利說明】告警事件關(guān)聯(lián)規(guī)則挖掘方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及網(wǎng)絡(luò)管理【技術(shù)領(lǐng)域】,是一種告警事件關(guān)聯(lián)規(guī)則挖掘方法。
【背景技術(shù)】
[0002] 網(wǎng)絡(luò)告警事件的關(guān)聯(lián)規(guī)則技術(shù)作為現(xiàn)代網(wǎng)絡(luò)管理中的標(biāo)志性技術(shù),在網(wǎng)絡(luò)故障管 理和數(shù)據(jù)挖掘中占據(jù)著重要地位。隨著網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)張,網(wǎng)絡(luò)告警事件頻發(fā),但大部分 網(wǎng)絡(luò)告警事件是無用的。如何在這些事件中找到可用的部分,如何對(duì)可用部分進(jìn)行分析,這 是近年來的研究熱點(diǎn)。因此,網(wǎng)絡(luò)告警事件的管理規(guī)則挖掘在網(wǎng)絡(luò)管理中得到了大量應(yīng)用 和進(jìn)一步發(fā)展。
[0003] 算法是一種可用于網(wǎng)絡(luò)告警事件關(guān)聯(lián)規(guī)則挖掘的優(yōu)秀算法,在實(shí)踐中得到了廣泛 應(yīng)用,很多專家學(xué)者對(duì)其進(jìn)行了深入研究并做了大量改進(jìn)。Apriori算法通過迭代計(jì)算Ck 和Lk來尋找候選集,消耗在Cl、LI、C2、L2生成上的時(shí)間太多,效率比較低(隨著K的增大, Ck和LK減少的很快,特別是當(dāng)支持度比較大的時(shí)候);此外,Apriori算法在執(zhí)行過程中,需 要頻繁讀取數(shù)據(jù)庫,這也極大地影響了計(jì)算效率。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明提供了一種告警事件關(guān)聯(lián)規(guī)則挖掘方法,克服了上述現(xiàn)有技術(shù)之不足,其 能有效解決現(xiàn)有Apriori算法中存在的通過迭代計(jì)算Ck和Lk來尋找候選集,消耗在C1、 L1、C2、L2生成上的時(shí)間太多,效率比較低的問題,以及Apriori算法在執(zhí)行過程中,需要頻 繁讀取數(shù)據(jù)庫,極大地影響計(jì)算效率的問題。
[0005] 本發(fā)明的技術(shù)方案是通過以下措施來實(shí)現(xiàn)的:一種告警事件關(guān)聯(lián)規(guī)則挖掘方法, 基于分支篩選優(yōu)化策略和Apriori算法,具體按照以下步驟進(jìn)行:步驟101,依次讀取數(shù) 據(jù)庫中的每個(gè)事務(wù)項(xiàng),并生成與每個(gè)事務(wù)項(xiàng)相對(duì)應(yīng)的支持度計(jì)算支撐數(shù)組;步驟102,在 Apriori算法的基礎(chǔ)上,執(zhí)行分支篩選優(yōu)化策略,生成頻繁項(xiàng)集;步驟103,在頻繁項(xiàng)集和支 持度計(jì)算支撐數(shù)組的基礎(chǔ)上,執(zhí)行關(guān)聯(lián)規(guī)則的置信度計(jì)算,在最小置信度約束下,得到關(guān)聯(lián) 規(guī)則。
[0006] 下面是對(duì)上述發(fā)明技術(shù)方案的進(jìn)一步優(yōu)化或/和改進(jìn): 上述在步驟101中,所述支持度計(jì)算支撐數(shù)組的構(gòu)建方式為
【權(quán)利要求】
1. 一種告警事件關(guān)聯(lián)規(guī)則挖掘方法,其特征在于基于分支篩選優(yōu)化策略和Apriori算 法,具體按照以下步驟進(jìn)行: 步驟101,依次讀取數(shù)據(jù)庫中的每個(gè)事務(wù)項(xiàng),并生成與每個(gè)事務(wù)項(xiàng)相對(duì)應(yīng)的支持度計(jì)算 支撐數(shù)組; 步驟102,在Apriori算法的基礎(chǔ)上,執(zhí)行分支篩選優(yōu)化策略,生成頻繁項(xiàng)集; 步驟103,在頻繁項(xiàng)集和支持度計(jì)算支撐數(shù)組的基礎(chǔ)上,執(zhí)行關(guān)聯(lián)規(guī)則的置信度計(jì)算, 在最小置信度約束下,得到關(guān)聯(lián)規(guī)則。
2. 根據(jù)權(quán)利要求1所述的告警事件關(guān)聯(lián)規(guī)則挖掘方法,其特征在于在步驟101中,所述 支持度計(jì)算支撐數(shù)組的構(gòu)建方式為 為[6(2,......? f 其中,令t代表數(shù)據(jù)庫中的事務(wù)項(xiàng)的數(shù)量,則支持度計(jì)算支撐數(shù)組的數(shù)量為t,i的取值 范圍為1至t;n代表數(shù)據(jù)項(xiàng)的數(shù)量,當(dāng)某個(gè)數(shù)據(jù)項(xiàng)在事務(wù)中存在時(shí),設(shè)置相應(yīng)的數(shù)組元素為 1,否則設(shè)置相應(yīng)的數(shù)組元素為0。
3. 根據(jù)權(quán)利要求2所述的告警事件關(guān)聯(lián)規(guī)則挖掘方法,其特征在于在步驟102中,對(duì)第 一個(gè)事務(wù)項(xiàng)所屬的數(shù)據(jù)項(xiàng)集執(zhí)行笛卡爾乘積,得到二項(xiàng)頻繁集候選集,并建立鄰接字典鏈 表,將二項(xiàng)頻繁集與鄰接字典鏈表一一對(duì)應(yīng); 迭代地生成第2至第t個(gè)事務(wù)項(xiàng)的二項(xiàng)頻繁集候選集; 分支篩選優(yōu)化策略為:根據(jù)支持度計(jì)算支撐數(shù)組來計(jì)算相應(yīng)二項(xiàng)頻繁集的支持度,并 動(dòng)態(tài)的根據(jù)最小支持度,剔除掉無用的數(shù)據(jù)項(xiàng); 基于Apriori算法,在二項(xiàng)頻繁集候選集的基礎(chǔ)上依次生成三項(xiàng)頻繁集候選集和三項(xiàng) 以上的頻繁集候選集,直到完成候選集的計(jì)算。
4. 根據(jù)權(quán)利要求3所述的告警事件關(guān)聯(lián)規(guī)則挖掘方法,其特征在于根據(jù)支持度計(jì)算支 撐數(shù)組計(jì)算相應(yīng)二項(xiàng)頻繁集的支持度的算法為:
其中,P、q、r為數(shù)據(jù)項(xiàng)。
5. 根據(jù)權(quán)利要求3或4所述的告警事件關(guān)聯(lián)規(guī)則挖掘方法,其特征在于建立鄰接字典 鏈表的方式為: 計(jì)算鄰接字典鏈表中母節(jié)點(diǎn)的數(shù)量 F =/*(10^ + 1) 其中/為二項(xiàng)頻繁項(xiàng)集中二項(xiàng)頻繁集的個(gè)數(shù),g為確保ICf大于/的最小次冪; 確定二項(xiàng)頻繁集候選集中所有數(shù)據(jù)項(xiàng)的位置: s(m, n) = (lm+In *1 Cf) mod N 其中4代表二項(xiàng)頻繁集中第一項(xiàng)的索引,A代表二項(xiàng)頻繁集中第二項(xiàng)的索引。
【文檔編號(hào)】G06F17/30GK104361036SQ201410591113
【公開日】2015年2月18日 申請(qǐng)日期:2014年10月29日 優(yōu)先權(quán)日:2014年10月29日
【發(fā)明者】周文婷, 安文燕, 劉嘉華, 于勇, 陳龍 申請(qǐng)人:國家電網(wǎng)公司, 國網(wǎng)新疆電力公司信息通信公司, 南京南瑞集團(tuán)公司, 南京南瑞集團(tuán)公司信息通信技術(shù)分公司