《事件挖掘的理論算法及應(yīng)用》是對作者近年承擔(dān)及完成的事件挖掘相關(guān)科研課題的一個很好的總結(jié)。主要內(nèi)容包括ITIL事件管理、智能云管理、智能家居、醫(yī)療保健以及惡意軟件檢測等眾多科研課題中，事件挖掘所應(yīng)用的理論、算法及應(yīng)用成果的介紹和展示。
《事件挖掘的理論算法及應(yīng)用》系統(tǒng)介紹了時間以及日志挖掘的主要算法，同時重點闡述了事件挖掘在計算機系統(tǒng)管理方面的應(yīng)用。本書首先介紹了如何將不同格式和內(nèi)容的日志數(shù)據(jù)轉(zhuǎn)換為規(guī)范格式以方便整合和后續(xù)分析，以及如何對系統(tǒng)的監(jiān)控程序進行優(yōu)化和配置。然后，系統(tǒng)闡述了如何從日志和事件數(shù)據(jù)中挖掘有用的模式和知識，詳細描述了各種高效和智能的模式挖掘和問題定位的算法。最后，還討論了基于數(shù)據(jù)驅(qū)動的復(fù)雜系統(tǒng)管理以及實踐總結(jié)在社交媒體上的應(yīng)用。
第1章 引言
1.1 數(shù)據(jù)驅(qū)動型系統(tǒng)管理
1.2 本書概覽
1.3 本書內(nèi)容
1.4 小結(jié)
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
2.1 綜述
2.2 日志解析器
2.3 日志消息分類
2.4 日志消息聚類
2.5 基于樹狀結(jié)構(gòu)的聚類
2.6 基于消息簽名的事件生成
2.7 小結(jié)
2.8 術(shù)語表
第3章 優(yōu)化系統(tǒng)監(jiān)控配置
3.1 綜述
3.2 自動監(jiān)控
3.3 消除誤報
3.4 消除漏報
3.5 實驗評估
3.6 小結(jié)
3.7 術(shù)語表
第2部分 模式發(fā)現(xiàn)和摘要
第4章 事件模式挖掘
4.1 引言
4.2 序列模式
4.3 全依賴模式
4.4 部分周期依賴模式
4.5 互依賴模式
4.6 T-模式
4.7 頻繁情節(jié)
4.8 突發(fā)事件
4.9 罕見事件
4.10 時間序列和事件間的相關(guān)模式
4.11 案例分析
4.12 小結(jié)
4.13 術(shù)語表
第5章 時滯挖掘
5.1 引言
5.2 非參數(shù)的方法
5.3 帶參數(shù)的方法
5.4 實例分析
5.5 小結(jié)
5.6 術(shù)語表
第6章 日志事件摘要
6.1 引言
6.2 基于頻率變化的摘要
6.3 基于時序動態(tài)的摘要
6.4 便捷化摘要任務(wù)
6.5 小結(jié)
6.6 術(shù)語表
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
7.1 系統(tǒng)診斷
7.2 搜索相似的序列文本事件片段
7.3 層次多標簽工作票分類
7.4 工作票解決方案推薦
7.5 小結(jié)
7.6 術(shù)語表
第8章 面向Twitter流的社交媒體事件摘要
8.1 引言
8.2 問題形式化
8.3 Twitter消息上下文分析
8.4 子事件檢測方法
8.5 多Twitter消息摘要
8.6 實驗
8.7 總結(jié)和未來工作
8.8 術(shù)語表
參考文獻
書單推薦
