專利名稱：一種告警關(guān)聯(lián)規(guī)則挖掘方法、規(guī)則挖掘引擎及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明實(shí)施例涉及通信技術(shù)領(lǐng)域，特別是涉及一種告警關(guān)聯(lián)規(guī)則挖掘方法、規(guī)則 挖掘引擎及系統(tǒng)。
背景技術(shù)：
在通信網(wǎng)絡(luò)運(yùn)行過程中，電信設(shè)備每天都會產(chǎn)生大量告警，而且一個設(shè)備故障會 引起其他設(shè)備產(chǎn)生告警。70年代有人提出了使用規(guī)則引擎根據(jù)告警關(guān)聯(lián)規(guī)則自動處理電信 告警。隨著網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)結(jié)構(gòu)越來越復(fù)雜，電信設(shè)備之間的關(guān)系也越來越復(fù)雜，導(dǎo)致人 工很難完整的定義告警關(guān)聯(lián)規(guī)則。在告警關(guān)聯(lián)規(guī)則挖掘領(lǐng)域，有人提出將頻繁模式的挖掘技術(shù)應(yīng)用于告警關(guān)聯(lián)規(guī)則 的挖掘，頻繁模式即事件序列上頻繁出現(xiàn)且相互臨近并有一定結(jié)構(gòu)關(guān)系的事件類型的集 合。頻繁模式可以認(rèn)為是關(guān)聯(lián)規(guī)則。對于頻繁模式的挖掘，有人提出在事件序列中滑動窗 口的WinEPI算法?，F(xiàn)有技術(shù)中WinEPI算法被應(yīng)用于告警關(guān)聯(lián)規(guī)則的挖掘，該算法利用滑 動窗口來指定事件在時(shí)間上的相鄰程度并發(fā)現(xiàn)事件序列中事件間在時(shí)間上的偏序關(guān)系。具體的，應(yīng)用到告警關(guān)聯(lián)規(guī)則挖掘中，每一條告警就是一個事件，每條告警的所屬 網(wǎng)元、所屬地域和所屬設(shè)備名稱就是該事件的屬性。而網(wǎng)元的集合、地域集合及設(shè)備的集 合則分別是對應(yīng)的屬性域。事件序列即一系列有順序的事件集合，并且每個事件都有一個 與其相關(guān)聯(lián)的發(fā)生時(shí)間，網(wǎng)絡(luò)中的告警日志或告警數(shù)據(jù)庫便是待分析的事件序列。如圖1 所示，為一個抽象的事件序列的例子，其中時(shí)間窗口是一個半開半閉的時(shí)間區(qū)間，如[35， 40)，包含告警事件<A，35>，不包含告警事件〈F，40>。窗口滑動步長指兩個連續(xù)窗口的起始 時(shí)間之差，取值不大于時(shí)間窗口的長度。一個時(shí)間窗口中的告警序列即是一個事務(wù)。不包 含任何事件的窗口稱為無效窗口，在計(jì)算一個事件序列上的窗口總數(shù)時(shí)，不統(tǒng)計(jì)無效窗口。發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)在電信網(wǎng)絡(luò)中，告警之間的頻繁程度相差很 大，有些告警經(jīng)常發(fā)生，有些告警較少發(fā)生，如圖2所示，告警α是經(jīng)常發(fā)生的告警，在一個 時(shí)間段內(nèi)連續(xù)多次發(fā)生；告警B是偶然告警，在一個時(shí)間段內(nèi)發(fā)生一次或少數(shù)幾次。告警A 和告警B之間實(shí)際上沒有關(guān)聯(lián)關(guān)系(因?yàn)闊o論告警B是否發(fā)生，告警A發(fā)生的概率都接近 100% )，但采用現(xiàn)有的WinEPI算法挖掘告警關(guān)聯(lián)規(guī)則的應(yīng)用過程中，會誤認(rèn)為告警A和告 警B之間有強(qiáng)關(guān)聯(lián)關(guān)系(即模式5 j是強(qiáng)關(guān)聯(lián)規(guī)則)，從而現(xiàn)有技術(shù)輸出的關(guān)聯(lián)規(guī)則結(jié)果 集中會存在虛假規(guī)則。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例提供一種告警關(guān)聯(lián)規(guī)則挖掘方法、規(guī)則挖掘引擎及系統(tǒng)，以減少關(guān) 聯(lián)規(guī)則結(jié)果集中的虛假規(guī)則。本發(fā)明實(shí)施例提供如下技術(shù)方案一方面，本發(fā)明實(shí)施例提供一種告警子系統(tǒng)，包括規(guī)則挖掘引擎，用于獲得告警序列，所述告警序列包括多條告警，每條告警至少用告警類型屬性和告警發(fā)生時(shí)間表示，N為該告警序列的總告警類型數(shù)；計(jì)算每個k_項(xiàng)集的 支持度，得到包含支持度不小于最小支持度的k_項(xiàng)集的k_項(xiàng)頻繁項(xiàng)集集合，其中k_項(xiàng)集 表示k種告警類型的集合，k = {1，2，. . .，L，. . .，N}；由該k-項(xiàng)頻繁項(xiàng)集集合生成k+Ι-項(xiàng) 頻繁項(xiàng)集集合；針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+Ι-項(xiàng)頻 繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算 該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；并將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集 作為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集；規(guī)則推理引擎，用于接收所述規(guī)則挖掘引擎輸出的關(guān)聯(lián)規(guī)則結(jié)果集，并對輸入的 告警與所述關(guān)聯(lián)規(guī)則結(jié)果集中的關(guān)聯(lián)規(guī)則進(jìn)行匹配，根據(jù)匹配結(jié)果以關(guān)聯(lián)的告警處理方式
處理所述告警。另一方面，本發(fā)明實(shí)施例提供一種告警關(guān)聯(lián)規(guī)則的挖掘方法，該方法包括獲得告警序列，所述告警序列包括多條告警，每條告警至少用告警類型屬性和告 警發(fā)生時(shí)間表示；計(jì)算每個k_項(xiàng)集的支持度，得到k_項(xiàng)頻繁項(xiàng)集集合，該k_項(xiàng)頻繁項(xiàng)集集合包含 支持度不小于最小支持度的k-項(xiàng)集，其中，k = {1，2，. . .，L，. . .，N}，k-項(xiàng)集表示k種告 警類型的集合，N為該告警序列中總告警類型數(shù)；由該k_項(xiàng)頻繁項(xiàng)集集合生成k+Ι-項(xiàng)頻繁項(xiàng)集集合；針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+Ι-項(xiàng)頻繁項(xiàng) 集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該 k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作為 關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集。另一方面，本發(fā)明實(shí)施例提供一種告警關(guān)聯(lián)規(guī)則的規(guī)則挖掘引擎，包括告警獲得單元，用于獲得告警序列，所述告警序列包括多條告警，每條告警至少用 告警類型屬性和告警發(fā)生時(shí)間表示；執(zhí)行單元，用于計(jì)算每個k_項(xiàng)集的支持度，得到k_項(xiàng)頻繁項(xiàng)集集合，該k_項(xiàng)頻繁 項(xiàng)集集合包含支持度不小于最小支持度的k-項(xiàng)集；由該k-項(xiàng)頻繁項(xiàng)集集合生成k+Ι-項(xiàng)頻 繁項(xiàng)集集合，針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+Ι-項(xiàng)頻繁 項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該 k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作為 關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集，其中，k = {1，2，. . .，L，. . .，N}，k-項(xiàng)集表示k種告警類型 的集合，N為該告警序列中總告警類型數(shù)。另一方面，本發(fā)明實(shí)施例提供一種網(wǎng)絡(luò)管理系統(tǒng)，包括電信設(shè)備和所述的告警子 系統(tǒng)。可見，本發(fā)明實(shí)施例在告警關(guān)聯(lián)規(guī)則的挖掘過程中，通過使用新定義的極大置信 度，由規(guī)則挖掘引擎根據(jù)k+Ι-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個ι-項(xiàng)集的支持度中的最大值和 該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度，并將極大置信度不小 于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集加入關(guān)聯(lián)規(guī)則結(jié)果集，這樣的話，由該k+Ι-項(xiàng)頻繁項(xiàng)集 (亦即模式)得到的所有規(guī)則(即規(guī)則的前件和后件為該模式的子集)的傳統(tǒng)置信度均不 小于最小置信度，從而可以認(rèn)為該k+Ι-項(xiàng)頻繁項(xiàng)集中的所有項(xiàng)(亦即告警類型)均同時(shí)出現(xiàn)的概率會很大，由此該k+l_項(xiàng)頻繁項(xiàng)集中的所有項(xiàng)可認(rèn)為構(gòu)成一種強(qiáng)親密度關(guān)聯(lián)模式， 表達(dá)的關(guān)聯(lián)程度更強(qiáng)。從而，本發(fā)明實(shí)施例相對于現(xiàn)有技術(shù)，在告警關(guān)聯(lián)規(guī)則的挖掘過程 中，減少了由于置信度參數(shù)的影響而產(chǎn)生的虛假規(guī)則，從而減少關(guān)聯(lián)規(guī)則結(jié)果集中的虛假 規(guī)則減少關(guān)聯(lián)規(guī)則結(jié)果集中的虛假規(guī)則。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明 的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根 據(jù)這些附圖獲得其他的附圖。圖1為一個抽象的事件序列示例；圖2為一個告警序列的示例；圖3為本發(fā)明實(shí)施例的一種告警子系統(tǒng)的結(jié)構(gòu)示意圖；圖4為本發(fā)明實(shí)施例的一種告警關(guān)聯(lián)規(guī)則的挖掘方法的流程示意圖；圖5為本發(fā)明實(shí)施例的另一種告警關(guān)聯(lián)規(guī)則的挖掘方法的流程示意圖；圖6為本發(fā)明實(shí)施例的涉及的告警序列T的示例；圖7a為本發(fā)明實(shí)施例的一種告警關(guān)聯(lián)規(guī)則的挖掘方法的交互示意圖；圖7b為本發(fā)明實(shí)施例的一種網(wǎng)絡(luò)管理系統(tǒng)的結(jié)構(gòu)示意圖；圖8a為本發(fā)明實(shí)施例的另一種告警關(guān)聯(lián)規(guī)則的挖掘方法的交互示意圖；圖8b為本發(fā)明實(shí)施例的另一種網(wǎng)絡(luò)管理系統(tǒng)的結(jié)構(gòu)示意圖；圖9為本發(fā)明實(shí)施例的一種規(guī)則挖掘引擎的結(jié)構(gòu)示意圖；圖10為本發(fā)明實(shí)施例的應(yīng)用于告警子系統(tǒng)中的一種規(guī)則挖掘引擎的結(jié)構(gòu)示意 圖；圖11為本發(fā)明實(shí)施例的應(yīng)用于告警子系統(tǒng)中的另一種規(guī)則挖掘引擎的結(jié)構(gòu)示意 圖。
具體實(shí)施例方式為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。首先介紹本發(fā)明實(shí)施例的告警關(guān)聯(lián)規(guī)則挖掘方案涉及的相關(guān)定義，如下告警每條告警至少用告警類型屬性和告警發(fā)生時(shí)間來表示，每條告警可以以一 個二元組(A，t)表示，A表示告警類型屬性，t表示告警發(fā)生時(shí)間。需要說明的是，告警類 型屬性至少可以由告警類型字段和告警網(wǎng)元ID字段組合表示，進(jìn)一步的，告警類型字段至 少可以用告警類型ID、告警子類型ID組合表示。告警序列T 由一系列具有時(shí)間偏序關(guān)系的告警組成的序列，時(shí)間區(qū)間為[Ts， Tmd]，這里的Ts表示起始時(shí)間，Tend表示結(jié)束時(shí)間。項(xiàng)集表示告警類型的集合，其中山表示告警類型。包含k個項(xiàng)的項(xiàng)集稱為k_項(xiàng)集，這里的項(xiàng)表示一種告警類型。具體的，k_項(xiàng)集表示k種告警類型的集合，1-項(xiàng)集表示一 種告警類型的集合，如ii為1-項(xiàng)集，i2，. . .，ik為k_項(xiàng)集。k_項(xiàng)集簡稱為P (k)，不包 含ik項(xiàng)的k-項(xiàng)集簡稱為P(k+l)/ik。項(xiàng)集也可以理解為模式。
α發(fā)生的窗P數(shù) 支持度k_項(xiàng)集的支持度定義為sup( ) =, α表示k_項(xiàng)集，如
2，...，ik，舉例說明，α發(fā)生的窗口數(shù)指的是告警類型“，“，…-，“共同發(fā)生的窗口
ι” ι
數(shù)。特別的，I-項(xiàng)集h的支持度定義為=Sup(Zi) = -
;發(fā)生的窗口數(shù) 總窗口數(shù)
.需要說明的是，最小支
持度min_SUp可以是人工指定的閾值。極大置信度k_項(xiàng)集的極大置信度定義為
^ , 、sup⑷Confmax ⑷=■
r 、 、 T7T^ii表示告警類型，α表示k-項(xiàng)集，如 max [ SupO1 )，sup(z2),..., sup(zt)]
I1, i2，...，ik。特別的，1-項(xiàng)集不定義極大置信度。需要說明的是，最小置信度min_Conf· 可以是人工指定的閾值。頻繁項(xiàng)集支持度不小于最小支持度的項(xiàng)集稱為頻繁項(xiàng)集。關(guān)聯(lián)規(guī)則極大置信度不小于最小置信度的頻繁項(xiàng)集稱為關(guān)聯(lián)規(guī)則。極大關(guān)聯(lián)規(guī) 則定義為=Rulefflax = U1I2. · · ik}，Ii表示告警類型。請參閱圖3，為本發(fā)明實(shí)施例的一種告警子系統(tǒng)，該告警子系統(tǒng)用于管理電信設(shè)備 告警，如圖3所示，本發(fā)明實(shí)施例的告警子系統(tǒng)包括規(guī)則挖掘引擎10，用于獲得告警序列，所述告警序列包括多條告警，每條告警至少 用告警發(fā)生時(shí)間和告警類型屬性表示，N為該告警序列的總告警類型數(shù)；計(jì)算每個k_項(xiàng)集 的支持度，得到包含支持度不小于最小支持度的k_項(xiàng)集的k_項(xiàng)頻繁項(xiàng)集集合，其中k_項(xiàng) 集表示k種告警類型的集合，k= {1，2，...，L，...，N}；由該k-項(xiàng)頻繁項(xiàng)集集合生成k+1-項(xiàng) 頻繁項(xiàng)集集合；針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+Ι-項(xiàng)頻 繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算 該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；并將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集 作為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集；規(guī)則推理引擎20，用于接收規(guī)則挖掘引擎10輸出的關(guān)聯(lián)規(guī)則結(jié)果集，并對輸入的 告警與所述關(guān)聯(lián)規(guī)則結(jié)果集中的關(guān)聯(lián)規(guī)則進(jìn)行匹配，根據(jù)匹配結(jié)果以關(guān)聯(lián)的告警處理方式 處理所述告警。具體的，這里的告警處理方式可以是對告警字段進(jìn)行過濾、合并、修改或刪 除處理等等，也可以是不做任何處理。在一種實(shí)現(xiàn)方式下，規(guī)則推理引擎20具體用于接收規(guī)則挖掘引擎10輸出的關(guān)聯(lián) 規(guī)則結(jié)果集，并對輸入的告警與該關(guān)聯(lián)規(guī)則結(jié)果集中的關(guān)聯(lián)規(guī)則進(jìn)行匹配，根據(jù)匹配結(jié)果 執(zhí)行預(yù)先定義的告警處理動作。例如如果輸入的告警能匹配關(guān)聯(lián)規(guī)則{AC}，則處理能匹 配該關(guān)聯(lián)規(guī)則的告警，這里的告警處理動作可以是上述的刪除、過濾、合并或修改告警字段 等操作中的一種或多種。應(yīng)當(dāng)理解的是，這里的告警處理動作具體可根據(jù)業(yè)務(wù)需求而定。如 果輸入的告警與關(guān)聯(lián)規(guī)則A = >B無法匹配，可以不做任何改動。應(yīng)當(dāng)理解的是，也可以改 變告警字段，具體可根據(jù)業(yè)務(wù)需求而定。進(jìn)一步的，本發(fā)明實(shí)施例的告警子系統(tǒng)可以包括告警存儲設(shè)備30，用于存儲電
8信設(shè)備產(chǎn)生的告警。這里存儲的告警可以是電信設(shè)備產(chǎn)生的原始告警，也可以是處理后的
生敬口目。相應(yīng)的，規(guī)則挖掘引擎10具體用于從告警存儲設(shè)備30讀取告警序列，所述告警序 列包括多條告警，每條告警至少用告警發(fā)生時(shí)間和告警類型屬性表示，N為該告警序列的總 告警類型數(shù)；計(jì)算每個k-項(xiàng)集的支持度，得到包含支持度不小于最小支持度的k-項(xiàng)集的 k-項(xiàng)頻繁項(xiàng)集集合，其中k-項(xiàng)集表示k種告警類型的集合，k = {1，2，. . .，L，. . .，N}；由 該k-項(xiàng)頻繁項(xiàng)集集合生成k+Ι-項(xiàng)頻繁項(xiàng)集集合；針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個 k+l_項(xiàng)頻繁項(xiàng)集，根據(jù)作為分母的、該k+Ι-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中 的最大值和作為分子的、該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信 度；并將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié) 果集。相應(yīng)的，規(guī)則推理引擎20進(jìn)一步用于將處理后的告警保存到告警存儲設(shè)備30。應(yīng) 當(dāng)理解，這里的告警存儲設(shè)備30具體可以是告警數(shù)據(jù)庫，數(shù)量可以是一個或多個?？梢?，本發(fā)明實(shí)施例相對于現(xiàn)有技術(shù)，在告警關(guān)聯(lián)規(guī)則的挖掘過程中， 通過使用新定義的極大置信度，減少了由于置信度參數(shù)的影響而產(chǎn)生的虛假規(guī) 則，從而減少關(guān)聯(lián)規(guī)則結(jié)果集中的虛假規(guī)則。具體的正如本領(lǐng)域技術(shù)人員所 知，多種告警類型同時(shí)發(fā)生的概率越大，則所述多種告警類型它們之間就越可能 具有強(qiáng)關(guān)聯(lián)關(guān)系，現(xiàn)有WinEPI算法中，針對頻繁模式P = I1, i2，...，ik，ik+1，其 支持度為sup(P)，則由該模式得到所有滿足條件的關(guān)聯(lián)規(guī)則的方法如下如果
SUp( P)
“《/(Α -Z2,…人，D =ccw/，則認(rèn)為屬于滿足條件的關(guān)聯(lián)規(guī)則。同理，計(jì)
SupO1)
算 con/0_2 => IlJi,...,IkJk^Xconfiii ix,.i2,..,ik+X..,conf{ik+l =^ 々,々,..·,、),滿足條件則保
留規(guī)則。這些規(guī)則在計(jì)算置信度時(shí)，分子都相同，不同的是分母，即分母為該模式中各個項(xiàng) (即告警類型)的支持度。相對于現(xiàn)有技術(shù)，本發(fā)明實(shí)施例的告警子系統(tǒng)中，由規(guī)則挖掘引 擎根據(jù)作為分母的、k+Ι-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和作為 分子的、該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度，并將極大置 信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集加入關(guān)聯(lián)規(guī)則結(jié)果集，這樣的話，由該k+Ι-項(xiàng)頻 繁項(xiàng)集(亦即模式)得到的所有規(guī)則(即規(guī)則的前件和后件為該模式的子集)的傳統(tǒng)置信 度均不小于最小置信度，從而可以認(rèn)為該k+Ι-項(xiàng)頻繁項(xiàng)集中的所有項(xiàng)(亦即告警類型)均 同時(shí)出現(xiàn)的概率會很大，由此該k+Ι-項(xiàng)頻繁項(xiàng)集中的所有項(xiàng)可認(rèn)為構(gòu)成一種強(qiáng)親密度關(guān) 聯(lián)模式，表達(dá)的關(guān)聯(lián)程度更強(qiáng)。進(jìn)一步的，本發(fā)明實(shí)施例在告警關(guān)聯(lián)規(guī)則的挖掘過程中，減緩了現(xiàn)有WinEPI算法 可能導(dǎo)致內(nèi)存不足的問題。具體的由于使用了滑動窗口，窗口中的告警順序無法表示告 警之間的實(shí)際衍生關(guān)系，另外，由于電信網(wǎng)絡(luò)中存在傳輸、延時(shí)、丟失等問題，進(jìn)一步干擾了 告警順序。實(shí)際應(yīng)用中，規(guī)則X => 5和5 =^ 2往往會共同出現(xiàn)，并且規(guī)則乂 5在實(shí)際中并 不能表示告警A是告警B的根源告警。因此這種前后件的規(guī)則定義在電信告警挖掘中意義 不大，考慮到這些，本發(fā)明實(shí)施例通過考察“告警A和告警B同時(shí)發(fā)生”的概率，相對于現(xiàn)有 WinEPI算法考察“告警A發(fā)生的情況下告警B發(fā)生”的概率的情況，從而減緩現(xiàn)有WinEPI 方法中候選項(xiàng)集的數(shù)量太多所導(dǎo)致的內(nèi)存不足問題。
請參閱圖4，為本發(fā)明實(shí)施例的一種告警關(guān)聯(lián)規(guī)則的挖掘方法的流程示意圖，可以 應(yīng)用于如圖3所示的告警子系統(tǒng)中的規(guī)則挖掘引擎，該方法可以包括如下步驟S401、獲得告警序列，所述告警序列包括多條告警，每條告警至少用告警類型屬性 和告警發(fā)生時(shí)間表示；具體的，根據(jù)配置的告警序列T的起始時(shí)間和結(jié)束時(shí)間從告警數(shù)據(jù)庫中讀取發(fā)生 在所述起始時(shí)間和結(jié)束時(shí)間之間的告警。每條告警表示為二元組形式(A，t)，這里的A表示告警特征屬性，t表示告警發(fā)生 時(shí)間。S402、計(jì)算每個k-項(xiàng)集的支持度，得到k-項(xiàng)頻繁項(xiàng)集集合，該k-項(xiàng)頻繁項(xiàng)集集合 包含支持度不小于最小支持度的k-項(xiàng)集，其中，k = {1，2，...，L，...，N}，k-項(xiàng)集表示k 種告警類型的集合，N為該告警序列中總告警類型數(shù)；應(yīng)當(dāng)理解的是，本發(fā)明實(shí)施例方法從k = 1開始執(zhí)行，即計(jì)算告警序列中每種告警 類型的支持度。S403、由該k-項(xiàng)頻繁項(xiàng)集集合生成k+Ι-項(xiàng)頻繁項(xiàng)集集合，其中k= {1,2,..., L，· · ·，N}；S404、針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+Ι-項(xiàng)頻 繁項(xiàng)集所包含的k+Ι個ι-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算 該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作 為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集。具體的，根據(jù)作為分母的、該k+Ι-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中 的最大值和作為分子的、該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信 度；如果所述極大置信度不小于最小置信度，將該k+Ι-項(xiàng)頻繁項(xiàng)集加入關(guān)聯(lián)規(guī)則結(jié)果集。在一種實(shí)現(xiàn)方式下，S401包括根據(jù)配置的告警序列的起始時(shí)間和結(jié)束時(shí)間，以 及告警關(guān)鍵字段從告警存儲設(shè)備中讀取發(fā)生在所述起始時(shí)間和結(jié)束時(shí)間之間的告警的關(guān) 鍵屬性，并輸出告警序列，所述告警序列中的每條告警用二元組形式(A，t)表示，A表示告 警類型屬性，t表示告警發(fā)生時(shí)間；相應(yīng)的，本實(shí)施例方法進(jìn)一步包括統(tǒng)計(jì)所述告警序列中告警的類型，N為所述告 警序列中總告警類型數(shù)。在另一種實(shí)現(xiàn)方式下，S401包括根據(jù)配置的告警序列的起始時(shí)間和結(jié)束時(shí)間， 從告警存儲設(shè)備中讀取發(fā)生在所述起始時(shí)間和結(jié)束時(shí)間之間的告警序列；相應(yīng)的，本實(shí)施例方法進(jìn)一步包括根據(jù)配置的告警關(guān)鍵字段將所述告警序列中 的每條告警數(shù)據(jù)轉(zhuǎn)換為規(guī)范的二元組形式(A，t)，輸出規(guī)范化后的告警序列并統(tǒng)計(jì)所述規(guī) 范化后的告警序列T中告警的類型，其中A表示告警類型屬性，t表示告警發(fā)生時(shí)間，N為所 述規(guī)范化后的告警序列T中總告警類型數(shù)?？梢姡景l(fā)明實(shí)施例相對于現(xiàn)有技術(shù)，在告警關(guān)聯(lián)規(guī)則的挖掘過程中， 通過使用新定義的極大置信度，減少了由于置信度參數(shù)的影響而產(chǎn)生的虛假規(guī) 則，從而減少關(guān)聯(lián)規(guī)則結(jié)果集中的虛假規(guī)則。具體的正如本領(lǐng)域技術(shù)人員所 知，多種告警類型同時(shí)發(fā)生的概率越大，則所述多種告警類型它們之間就越可能 具有強(qiáng)關(guān)聯(lián)關(guān)系，現(xiàn)有WinEPI算法中，針對頻繁模式P = I1, i2，...，ik，ik+1，其
10支持度為sup(P)，則由該模式得到所有滿足條件的關(guān)聯(lián)規(guī)則的方法如下如果
SUp( P)
conf{ix 二?！琀J-^^^^mir^mn/，則認(rèn)為屬于滿足條件的關(guān)聯(lián)規(guī)則。同理，計(jì)
supO,)
算=> χ, ^,..., Η, Μ),confix => ix,.i2,..,ik+x),...,conf{ik+x =>、義,…,、),滿足條件則保
留規(guī)則。這些規(guī)則在計(jì)算置信度時(shí)，分子都相同，不同的是分母，即分母為該模式中各個項(xiàng) (即告警類型)的支持度。相對于現(xiàn)有技術(shù)，本發(fā)明實(shí)施例的告警子系統(tǒng)中，由規(guī)則挖掘引 擎根據(jù)作為分母的、k+Ι-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和作為 分子的、該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度，并將極大置 信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集加入關(guān)聯(lián)規(guī)則結(jié)果集，這樣的話，由該k+Ι-項(xiàng)頻 繁項(xiàng)集(亦即模式)得到的所有規(guī)則(即規(guī)則的前件和后件為該模式的子集)的傳統(tǒng)置信 度均不小于最小置信度，從而可以認(rèn)為該k+Ι-項(xiàng)頻繁項(xiàng)集中的所有項(xiàng)(亦即告警類型)均 同時(shí)出現(xiàn)的概率會很大，由此該k+Ι-項(xiàng)頻繁項(xiàng)集中的所有項(xiàng)可認(rèn)為構(gòu)成一種強(qiáng)親密度關(guān) 聯(lián)模式，表達(dá)的關(guān)聯(lián)程度更強(qiáng)。進(jìn)一步的，本發(fā)明實(shí)施例在告警關(guān)聯(lián)規(guī)則的挖掘過程中，減緩了現(xiàn)有WinEPI算法 可能導(dǎo)致內(nèi)存不足的問題。具體的由于使用了滑動窗口，窗口中的告警順序無法表示告 警之間的實(shí)際衍生關(guān)系，另外，由于電信網(wǎng)絡(luò)中存在傳輸、延時(shí)、丟失等問題，進(jìn)一步干擾了 告警順序。實(shí)際應(yīng)用中，規(guī)則乂 =>萬和5 =^ 乂往往會共同出現(xiàn)，并且規(guī)則X = 5在實(shí)際中并 不能表示告警A是告警B的根源告警。因此這種前后件的規(guī)則定義在電信告警挖掘中意義 不大，考慮到這些，本發(fā)明實(shí)施例通過考察“告警A和告警B同時(shí)發(fā)生”的概率，相對于現(xiàn)有 WinEPI算法考察“告警A發(fā)生的情況下告警B發(fā)生”的概率的情況，從而減緩現(xiàn)有WinEPI 方法中候選項(xiàng)集的數(shù)量太多所導(dǎo)致的內(nèi)存不足問題。請參閱圖5，為本發(fā)明實(shí)施例的另一種告警關(guān)聯(lián)規(guī)則的挖掘方法的流程示意圖，可 以應(yīng)用于如圖3所示的告警子系統(tǒng)中的規(guī)則挖掘引擎，其中輸入告警序列T，告警類型 I= {‘“，···，in}，模式 α = IljI2,... ,ik(k^n), 時(shí)間窗口長度win，窗口滑動步長st印。輸出關(guān)聯(lián)規(guī)則結(jié)果集。其中，該方法可以包括如下步驟S501、讀取告警序列T，并進(jìn)行預(yù)處理，即根據(jù)時(shí)間窗口長度win和窗口滑動步長 step將該告警序列T劃分為多個窗口 具體的，從告警序列T的起始時(shí)間0開始，
極大置信度，其中 ^axUsupi^), sup(i2), ···, sup (ik), sup (ik+1)]表示 sup (“)中的最大值。如果Confmax(I1, i2，…，ik，ik+1)彡min_conf，則進(jìn)入步驟S507 ；反之，可以丟棄。S507、將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作為關(guān)聯(lián)規(guī)則加入關(guān) 聯(lián)規(guī)則結(jié)果集。Sk = k+Ι，返回執(zhí)行步驟S503。S508、合并關(guān)聯(lián)規(guī)則結(jié)果集中具有包含關(guān)系的關(guān)聯(lián)規(guī)則，保留極大規(guī)則，輸出合并 后的關(guān)聯(lián)規(guī)則結(jié)果集。這是可選步驟。流程結(jié)束。可見，本發(fā)明實(shí)施例相對于現(xiàn)有技術(shù)，在告警關(guān)聯(lián)規(guī)則的挖掘過程中， 通過使用新定義的極大置信度，減少了由于置信度參數(shù)的影響而產(chǎn)生的虛假規(guī) 則，從而減少關(guān)聯(lián)規(guī)則結(jié)果集中的虛假規(guī)則。具體的正如本領(lǐng)域技術(shù)人員所 知，多種告警類型同時(shí)發(fā)生的概率越大，則所述多種告警類型它們之間就越可能 具有強(qiáng)關(guān)聯(lián)關(guān)系，現(xiàn)有WinEPI算法中，針對頻繁模式P = I1, i2，...，ik，ik+1，其 支持度為sup(P)，則由該模式得到所有滿足條件的關(guān)聯(lián)規(guī)則的方法如下如果
12SUp( P)
CW^AZ1 =>、.··,々,Dz^r^min—con/，則認(rèn)為屬于滿足條件的關(guān)聯(lián)規(guī)則。同理，計(jì)
SupO1)
conf(i2 I1,i3,...,ik,iM),Confii3 => ix,.i2,..,iM),...,conf(ik+x =>《·2,·",、)，滿足條件則保
留規(guī)則。這些規(guī)則在計(jì)算置信度時(shí)，分子都相同，不同的是分母，即分母為該模式中各個項(xiàng) (即告警類型)的支持度。相對于現(xiàn)有技術(shù)，本發(fā)明實(shí)施例的告警子系統(tǒng)中，由規(guī)則挖掘引 擎根據(jù)作為分母的、k+1-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個ι-項(xiàng)集的支持度中的最大值和作為 分子的、該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度，并將極大置 信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集加入關(guān)聯(lián)規(guī)則結(jié)果集，這樣的話，由該k+Ι-項(xiàng)頻 繁項(xiàng)集(亦即模式)得到的所有規(guī)則(即規(guī)則的前件和后件為該模式的子集)的傳統(tǒng)置信 度均不小于最小置信度，從而可以認(rèn)為該k+Ι-項(xiàng)頻繁項(xiàng)集中的所有項(xiàng)(亦即告警類型)均 同時(shí)出現(xiàn)的概率會很大，由此該k+Ι-項(xiàng)頻繁項(xiàng)集中的所有項(xiàng)可認(rèn)為構(gòu)成一種強(qiáng)親密度關(guān) 聯(lián)模式，表達(dá)的關(guān)聯(lián)程度更強(qiáng)。進(jìn)一步的，本發(fā)明實(shí)施例在告警關(guān)聯(lián)規(guī)則的挖掘過程中，減緩了現(xiàn)有WinEPI算法 可能導(dǎo)致內(nèi)存不足的問題。具體的由于使用了滑動窗口，窗口中的告警順序無法表示告 警之間的實(shí)際衍生關(guān)系，另外，由于電信網(wǎng)絡(luò)中存在傳輸、延時(shí)、丟失等問題，進(jìn)一步干擾了 告警順序。實(shí)際應(yīng)用中，規(guī)則j =^ 5和5 =^ X往往會共同出現(xiàn)，并且規(guī)則j = 5在實(shí)際中并 不能表示告警A是告警B的根源告警。因此這種前后件的規(guī)則定義在電信告警挖掘中意義 不大，考慮到這些，本發(fā)明實(shí)施例通過考察“告警A和告警B同時(shí)發(fā)生”的概率，相對于現(xiàn)有 WinEPI算法考察“告警A發(fā)生的情況下告警B發(fā)生”的概率的情況，從而減緩現(xiàn)有WinEPI 方法中候選項(xiàng)集的數(shù)量太多所導(dǎo)致的內(nèi)存不足問題。進(jìn)一步的，本發(fā)明實(shí)施例在告警關(guān)聯(lián)規(guī)則的挖掘過程中，提高了挖掘速度，從而提 高了系統(tǒng)處理性能。具體的在現(xiàn)有技術(shù)方案中，由k-項(xiàng)頻繁項(xiàng)集生成k+Ι-項(xiàng)候選項(xiàng)集 時(shí)，過程如下設(shè) i2,... , ik-i; ik 和 i2,... , ik-i; ik+1 為 k-項(xiàng)頻繁項(xiàng)集，記為 P (k+1) / ik+1和P(k+l)/ik，即k+1-項(xiàng)集P (k+1)分別去掉ik+1和ik后得到的項(xiàng)集。然后查找如下 k_項(xiàng)集P (k+1)/、P(k+l)/i2，...，P (k+1)/V1是否都是頻繁項(xiàng)集。若都存在，則P (k+1) 為k+Ι-項(xiàng)候選項(xiàng)集，然后將所有的k+Ι-項(xiàng)候選項(xiàng)集統(tǒng)計(jì)支持度，檢查是否滿足最小支持 度的要求。采用本發(fā)明實(shí)施例的極大置信度定義后，要求P(k+1)滿足新的置信度要求，即 supC^ + l)) ^ . r
max(sup(; )) mm-con^。sup (P (k+1))彡 max (sup (Ii)) Xmin_conf,根據(jù) Apriori 性質(zhì)
所有頻繁項(xiàng)集的子集必然是頻繁項(xiàng)集，所以P(k+1)的任意子集都必須滿足sup ((P (k+1) 的任意子集)彡max(SupGi))Xmin_Conf。這樣，對于每個頻繁項(xiàng)，我們都已經(jīng)記錄了其 支持度，在由P (k+1)/ik+1和P (k+1)/ik構(gòu)造準(zhǔn)k+1-項(xiàng)候選項(xiàng)集P (k+1)時(shí)，我們首先判斷 min(sup(尸(眾 +1)/ik+x)，sup(尸(Α: + 1)/ ' )) ^ . r
^)> mm_conf ’如果不成立，則說明P (k+Ι)不滿足置
maxisup^,.))
信度條件，無需再判斷每個子集是否是頻繁項(xiàng)集，從而提高了告警關(guān)聯(lián)規(guī)則的挖掘處理速 度，進(jìn)而提高了系統(tǒng)處理性能。為了便于理解，下面結(jié)合一個實(shí)例來介紹本發(fā)明實(shí)施例方案如圖6所示，為本發(fā)明實(shí)施例涉及的告警序列T，其中，告警序列T中共有三種類型 告警，分別為A、B、C，時(shí)間窗口長度為10秒，滑動步長為5秒，最小支持度0. 1，最小置信度0. 5?；趫D6所示的告警序列下的告警關(guān)聯(lián)規(guī)則的挖掘?qū)嵗?，介紹如下1、根據(jù)時(shí)間窗口和滑動步長將告警序列T劃分為15個窗口，如圖6中的 winl-winl5,分別計(jì)算告警類型A、B、C的支持度sup (A) = 13/15 = 0. 867 > 0. 1sup (B) = 5/15 = 0. 333 > 0. 1sup (C) = 8/15 = 0. 533 > 0. 1則生成1-項(xiàng)頻繁項(xiàng)集集合{{A}，{B}，{C}}2、從1-項(xiàng)頻繁項(xiàng)集集合中選取兩個未被同時(shí)選擇過的1-項(xiàng)集，這兩個1-項(xiàng)集中 有0個項(xiàng)相同。本實(shí)例中，可選取{A}，{B}或{A}，{C}或{B}, {C}。

進(jìn)入下一步權(quán)利要求
一種告警子系統(tǒng)，其特征在于，包括規(guī)則挖掘引擎，用于獲得告警序列，所述告警序列包括多條告警，每條告警至少用告警類型屬性和告警發(fā)生時(shí)間表示，N為該告警序列的總告警類型數(shù)；計(jì)算每個k 項(xiàng)集的支持度，得到包含支持度不小于最小支持度的k 項(xiàng)集的k 項(xiàng)頻繁項(xiàng)集集合，其中k 項(xiàng)集表示k種告警類型的集合，k＝{1，2，...，L，...，N}；由該k 項(xiàng)頻繁項(xiàng)集集合生成k+1 項(xiàng)頻繁項(xiàng)集集合；針對該k+1 項(xiàng)頻繁項(xiàng)集集合中的每個k+1 項(xiàng)頻繁項(xiàng)集，根據(jù)該k+1 項(xiàng)頻繁項(xiàng)集所包含的k+1個1 項(xiàng)集的支持度中的最大值和該k+1 項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+1 項(xiàng)頻繁項(xiàng)集的極大置信度；并將極大置信度不小于最小置信度的k+1 項(xiàng)頻繁項(xiàng)集作為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集；規(guī)則推理引擎，用于接收所述規(guī)則挖掘引擎輸出的關(guān)聯(lián)規(guī)則結(jié)果集，并對輸入的告警與所述關(guān)聯(lián)規(guī)則結(jié)果集中的關(guān)聯(lián)規(guī)則進(jìn)行匹配，根據(jù)匹配結(jié)果以關(guān)聯(lián)的告警處理方式處理所述告警。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述系統(tǒng)進(jìn)一步包括告警存儲設(shè)備，用于存儲電信設(shè)備產(chǎn)生的告警；所述規(guī)則挖掘引擎具體用于從告警存儲設(shè)備讀取告警序列，所述告警序列包括多條告 警，每條告警至少用告警類型屬性和告警發(fā)生時(shí)間表示，N為該告警序列的總告警類型數(shù)； 計(jì)算每個k-項(xiàng)集的支持度，得到包含支持度不小于最小支持度的k-項(xiàng)集的k-項(xiàng)頻繁項(xiàng)集 集合，其中k-項(xiàng)集表示k種告警類型的集合，k = {1，2，. . .，L，. . .，N}；由該k-項(xiàng)頻繁項(xiàng) 集集合生成k+Ι-項(xiàng)頻繁項(xiàng)集集合；針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng) 集，根據(jù)作為分母的、k+Ι-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和作為 分子的、該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；并將極大置 信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集；所述規(guī)則推理引擎進(jìn)一步用于將處理后的告警保存到告警存儲設(shè)備。
3.一種告警關(guān)聯(lián)規(guī)則的挖掘方法，其特征在于，該方法包括獲得告警序列，所述告警序列包括多條告警，每條告警至少用告警類型屬性和告警發(fā) 生時(shí)間表示；計(jì)算每個k-項(xiàng)集的支持度，得到k-項(xiàng)頻繁項(xiàng)集集合，該k-項(xiàng)頻繁項(xiàng)集集合包含支持 度不小于最小支持度的k-項(xiàng)集，其中，k = {1，2，. . .，L，. . .，N}，k-項(xiàng)集表示k種告警類 型的集合，N為該告警序列中總告警類型數(shù)；由該k-項(xiàng)頻繁項(xiàng)集集合生成k+Ι-項(xiàng)頻繁項(xiàng)集集合；針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+Ι-項(xiàng)頻繁項(xiàng)集所包 含的k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻 繁項(xiàng)集的極大置信度；將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作為關(guān)聯(lián)規(guī)則 加入關(guān)聯(lián)規(guī)則結(jié)果集。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)該k+Ι-項(xiàng)頻繁項(xiàng)集所包含的 k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng) 集的極大置信度，包括根據(jù)作為分母的、k+Ι-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和作 為分子的、該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度。
5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述由該k-項(xiàng)頻繁項(xiàng)集集合生成 k+Ι-項(xiàng)頻繁項(xiàng)集集合，包括從該k-項(xiàng)頻繁項(xiàng)集集合中選取兩個未被同時(shí)選擇過的k-項(xiàng)集，所述兩個k-項(xiàng)集中有 k_l 個項(xiàng)相同，k= {1，2，...，L，...，N}；取所述兩個k-項(xiàng)集的合集生成k+Ι-項(xiàng)集，計(jì)算該k+Ι-項(xiàng)集的支持度，將支持度不小 于最小支持度的k+Ι-項(xiàng)集加入k+Ι-項(xiàng)頻繁項(xiàng)集集合。
6.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述方法進(jìn)一步包括判斷該k+Ι-項(xiàng) 頻繁項(xiàng)集集合是否為空，如果該k+Ι-項(xiàng)頻繁項(xiàng)集集合不為空，則執(zhí)行計(jì)算所述k+Ι-項(xiàng)頻繁 項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度的步驟。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，如果該k+Ι-項(xiàng)頻繁項(xiàng)集集合為空，所述方 法進(jìn)一步包括合并所述關(guān)聯(lián)規(guī)則結(jié)果集中具有包含關(guān)系的關(guān)聯(lián)規(guī)則，并輸出合并后的關(guān) 聯(lián)規(guī)則結(jié)果集。
8.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述獲得告警序列，包括根據(jù)配置 的告警序列的起始時(shí)間和結(jié)束時(shí)間，以及告警關(guān)鍵字段從告警存儲設(shè)備中讀取發(fā)生在所述 起始時(shí)間和結(jié)束時(shí)間之間的告警的關(guān)鍵屬性，并輸出告警序列，所述告警序列中的每條告 警用二元組形式(A，t)表示，A表示告警類型屬性，t表示告警發(fā)生時(shí)間；所述方法進(jìn)一步包括統(tǒng)計(jì)所述告警序列中告警的類型，N為所述告警序列中總告警 類型數(shù)。
9.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述獲得告警序列，包括根據(jù)配置 的告警序列的起始時(shí)間和結(jié)束時(shí)間，從告警存儲設(shè)備中讀取發(fā)生在所述起始時(shí)間和結(jié)束時(shí) 間之間的告警序列；所述方法進(jìn)一步包括根據(jù)配置的告警關(guān)鍵字段將所述告警序列中的每條告警數(shù)據(jù)轉(zhuǎn) 換為規(guī)范的二元組形式(A，t)，輸出規(guī)范化后的告警序列并統(tǒng)計(jì)所述規(guī)范化后的告警序列 中告警的類型，A表示告警類型屬性，t表示告警發(fā)生時(shí)間，N為所述規(guī)范化后的告警序列中 總告警類型數(shù)。
10.一種告警關(guān)聯(lián)規(guī)則的規(guī)則挖掘引擎，其特征在于，包括告警獲得單元，用于獲得告警序列，所述告警序列包括多條告警，每條告警至少用告警 類型屬性和告警發(fā)生時(shí)間表示；執(zhí)行單元，用于計(jì)算每個k-項(xiàng)集的支持度，得到k-項(xiàng)頻繁項(xiàng)集集合，該k-項(xiàng)頻繁項(xiàng) 集集合包含支持度不小于最小支持度的k-項(xiàng)集；由該k-項(xiàng)頻繁項(xiàng)集集合生成k+Ι-項(xiàng)頻 繁項(xiàng)集集合，針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+Ι-項(xiàng)頻繁 項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該 k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作為 關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集，其中，k = {1，2，. . .，L，. . .，N}，k-項(xiàng)集表示k種告警類型 的集合，N為該告警序列中總告警類型數(shù)。
11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述裝置進(jìn)一步包括參數(shù)配置模塊，用于接收并保存配置的參數(shù)，所述配置的參數(shù)包括最小置信度、最小 支持度、時(shí)間窗口長度、窗口滑動步長、告警關(guān)鍵字段、告警序列的起始時(shí)間和結(jié)束時(shí)間。
12.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述告警獲得單元為第一告警讀取模塊，用于根據(jù)所述配置的告警序列的起始時(shí)間和結(jié)束時(shí)間，以及告警關(guān)鍵字段從告警存儲 設(shè)備中讀取發(fā)生在所述起始時(shí)間和結(jié)束時(shí)間之間的告警的關(guān)鍵屬性，并輸出告警序列，其 中該告警序列中的每條告警用二元組形式(A，t)表示，A表示告警類型屬性，t表示告警發(fā) 生時(shí)間；所述裝置進(jìn)一步包括第一告警規(guī)范化模塊，用于統(tǒng)計(jì)所述告警序列中告警的類型，N 為該告警序列中總告警類型數(shù)；第一執(zhí)行模塊具體用于根據(jù)所述配置的所述時(shí)間窗口長度和窗口滑動步長將所述 的告警序列劃分為多個窗口，并計(jì)算每個k-項(xiàng)集的支持度，得到k-項(xiàng)頻繁項(xiàng)集集合，該 k-項(xiàng)頻繁項(xiàng)集集合包含支持度不小于最小支持度的k-項(xiàng)集；由該k-項(xiàng)頻繁項(xiàng)集集合生 成k+Ι-項(xiàng)頻繁項(xiàng)集集合，針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該 k+Ι-項(xiàng)頻繁項(xiàng)集所包含的k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支 持度，計(jì)算該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻 繁項(xiàng)集作為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集，并向規(guī)則推理引擎21輸出關(guān)聯(lián)規(guī)則結(jié)果集，其 中，k = {1，2，. . .，L，. . .，N}，k-項(xiàng)集表示k種告警類型的集合，N為該告警序列中的總告 警類型數(shù)。
13.根據(jù)權(quán)利要求11所述的裝置，其特征在于，進(jìn)一步包括告警獲得單元為第二告警讀取模塊，用于根據(jù)所述配置的告警序列的起始時(shí)間和結(jié)束 時(shí)間，從告警存儲設(shè)備讀取發(fā)生在所述起始時(shí)間和結(jié)束時(shí)間之間的告警序列；所述裝置進(jìn)一步包括第二告警規(guī)范化模塊，用于根據(jù)所述配置的告警關(guān)鍵字段將所 述告警讀取模塊輸出的告警序列中的每條告警數(shù)據(jù)轉(zhuǎn)換為二元組形式(A，t)，輸出規(guī)范化 后的告警序列并統(tǒng)計(jì)所述規(guī)范化后的告警序列中告警的類型，其中，N為所述規(guī)范化后的告 警序列中總告警類型數(shù)，A表示告警類型屬性，t表示告警發(fā)生時(shí)間；第二執(zhí)行模塊具體用于根據(jù)所述配置的時(shí)間窗口長度和窗口滑動步長將所述的告警 序列劃分為多個窗口，計(jì)算每個k-項(xiàng)集的支持度，得到k-項(xiàng)頻繁項(xiàng)集集合，該k-項(xiàng)頻繁 項(xiàng)集集合包含支持度不小于最小支持度的k-項(xiàng)集；由該k-項(xiàng)頻繁項(xiàng)集集合生成k+Ι-項(xiàng) 頻繁項(xiàng)集集合，針對該k+Ι-項(xiàng)頻繁項(xiàng)集集合中的每個k+Ι-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+Ι-項(xiàng)頻 繁項(xiàng)集包含的k+Ι個1-項(xiàng)集的支持度中的最大值和該k+Ι-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算 該k+Ι-項(xiàng)頻繁項(xiàng)集的極大置信度；將極大置信度不小于最小置信度的k+Ι-項(xiàng)頻繁項(xiàng)集作 為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集，并向規(guī)則推理引擎輸出關(guān)聯(lián)規(guī)則結(jié)果集，其中，k= {1， 2，. . .，L，. . .，N}，k-項(xiàng)集表示k種告警類型的集合，N為該規(guī)范化后的告警序列中的總告 警類型數(shù)。
14.一種網(wǎng)絡(luò)管理系統(tǒng)，其特征在于，包括電信設(shè)備和如權(quán)利要求1或2所述的告警 子系統(tǒng)。
全文摘要
本發(fā)明實(shí)施例公開一種告警關(guān)聯(lián)規(guī)則的挖掘方法、裝置及系統(tǒng)，其中，該方法包括獲得告警序列，所述告警序列包括多條告警；計(jì)算每個k-項(xiàng)集的支持度，得到k-項(xiàng)頻繁項(xiàng)集集合；由該k-項(xiàng)頻繁項(xiàng)集集合生成k+1-項(xiàng)頻繁項(xiàng)集集合；針對該k+1-項(xiàng)頻繁項(xiàng)集集合中的每個k+1-項(xiàng)頻繁項(xiàng)集，根據(jù)該k+1-項(xiàng)頻繁項(xiàng)集所包含的k+1個1-項(xiàng)集的支持度中的最大值和該k+1-項(xiàng)頻繁項(xiàng)集的支持度，計(jì)算該k+1-項(xiàng)頻繁項(xiàng)集的極大置信度；將極大置信度不小于最小置信度的k+1-項(xiàng)頻繁項(xiàng)集作為關(guān)聯(lián)規(guī)則加入關(guān)聯(lián)規(guī)則結(jié)果集；從而，在告警關(guān)聯(lián)規(guī)則的挖掘過程中，減少了由于置信度參數(shù)的影響而產(chǎn)生的虛假規(guī)則，有效減少關(guān)聯(lián)規(guī)則結(jié)果集中的虛假規(guī)則。
文檔編號G06F17/30GK101937447SQ20101019727
公開日2011年1月5日 申請日期2010年6月7日 優(yōu)先權(quán)日2010年6月7日
發(fā)明者周偉 申請人:華為技術(shù)有限公司