事件挖掘的理论算法及应用

图书标准信息

• 作者 张亮 著；李涛；徐建
• 出版社 厦门大学出版社
• 出版时间 2016-03
• 版次 1
• ISBN 9787561559802
• 定价 59.00元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 304页
• 字数 316千字

【内容简介】

《事件挖掘的理论算法及应用》是对作者近年承担及完成的事件挖掘相关科研课题的一个很好的总结。主要内容包括ITIL事件管理、智能云管理、智能家居、医疗保健以及恶意软件检测等众多科研课题中，事件挖掘所应用的理论、算法及应用成果的介绍和展示。

  《事件挖掘的理论算法及应用》系统介绍了时间以及日志挖掘的主要算法，同时重点阐述了事件挖掘在计算机系统管理方面的应用。本书首先介绍了如何将不同格式和内容的日志数据转换为规范格式以方便整合和后续分析，以及如何对系统的监控程序进行优化和配置。然后，系统阐述了如何从日志和事件数据中挖掘有用的模式和知识，详细描述了各种高效和智能的模式挖掘和问题定位的算法。最后，还讨论了基于数据驱动的复杂系统管理以及实践总结在社交媒体上的应用。

【作者简介】

张亮，2010年毕业于东南大学信息科学与工程学院，获得电路与系统博士学位，同年加入华为网络研究部，从事网络相关创新研究。致力于将数据挖掘技术与网络结合，提高网络自动化水平。在异常检测、故障根因分析、SDN／NFV等方面做了深入的工作，获得授权专利12项。
徐建，2007年1月毕业于南京理工大学计算机学院，获得计算机科学博士学位，留校任教，目前为南京理工大学计算机学院软件工程系书记、副教授。长期从事数据挖掘、软件自愈及其在系统管理中的应用研究，在异常检测、系统日志挖掘、性能数据分析等方面做了深入的工作，在国内外重要学术期刊和会议上发表论文50余篇，获得授权专利4项，登记软件著作权10余项。主持国家自然科学基金项目1项、 高等学校博士点基金项目1项、南京理工大学自主科研计划项目2项、企业公司委托课题5项，作为主要成员参加过部委的基础科研项目3项、国家自然科学基金项目2项、江苏省“973计划”项目1项。
李涛，2004年7月毕业于美国罗彻斯特大学，获计算机科学博士学位。现为美国佛罗里达国际大学计算机学院正教授、厦门大学闽江学者讲座教授、南京理工大学讲座教授、南京邮电大学计算机学院特聘教授，2016年入选国家“千人计划”特聘专家。长期从事数据挖掘、信息检索、大数据分析等方面的研究工作，在基于矩阵分解的数据挖掘和学习、智能推荐系统、音乐信息检索、系统日志挖掘等研究方向上做出了有影响力的工作，在国际著名会议及期刊上已经发表超过200篇文章。是数据挖掘和知识发现的国际权威期刊ACMTransactionsonKnowledgeDiscoveryfromData（ACMTKDD）、IEEETransactionsonKnowledgeandDataEngineering（IEEETKDE）和KnowledgeandInformationSystems（KAIS）的副主编。于2006年获得美国国家自然科学基金委颁发的“杰出青年教授奖”（NSFCAREERAward，2006—2010），并多次获得“IBM学院研究奖”（IBMFacultyResearchAwards）和2010年“IBM大规模数据分析创新奖”（2010IBMScalableDataAnalyticsInnovationAward）。

【目录】

第1章  引言

  1.1 数据驱动型系统管理

  1.2 本书概览

  1.3 本书内容

  1.4 小结

第1部分  事件生成和系统监控

第2章  事件生成：从日志到事件

  2.1 综述

  2.2 日志解析器

  2.3 日志消息分类

  2.4 日志消息聚类

  2.5 基于树状结构的聚类

  2.6 基于消息签名的事件生成

  2.7 小结

  2.8 术语表

第3章  优化系统监控配置

  3.1 综述

  3.2 自动监控

  3.3 消除误报

  3.4 消除漏报

  3.5 实验评估

  3.6 小结

  3.7 术语表

第2部分  模式发现和摘要

第4章  事件模式挖掘

  4.1 引言

  4.2 序列模式

  4.3 全依赖模式

  4.4 部分周期依赖模式

  4.5 互依赖模式

  4.6 T-模式

  4.7 频繁情节

  4.8 突发事件

  4.9 罕见事件

  4.10 时间序列和事件间的相关模式

  4.11 案例分析

  4.12 小结

  4.13 术语表

第5章  时滞挖掘

  5.1 引言

  5.2 非参数的方法

  5.3 带参数的方法

  5.4 实例分析

  5.5 小结

  5.6 术语表

第6章  日志事件摘要

  6.1 引言

  6.2 基于频率变化的摘要

  6.3 基于时序动态的摘要

  6.4 便捷化摘要任务

  6.5 小结

  6.6 术语表

第3部分  应用

第7章  系统管理中数据驱动的应用

  7.1   系统诊断

  7.2 搜索相似的序列文本事件片段

  7.3 层次多标签工作票分类

  7.4 工作票解决方案推荐

  7.5 小结

  7.6 术语表

第8章  面向Twitter流的社交媒体事件摘要

  8.1 引言

  8.2 问题形式化

  8.3 Twitter消息上下文分析

  8.4 子事件检测方法

  8.5 多Twitter消息摘要

  8.6 实验

  8.7 总结和未来工作

  8.8 术语表

参考文献