事件挖掘的理论算法及应用

　　《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。

暂缺《事件挖掘的理论算法及应用》作者简介

第1章 引言 
1.1 数据驱动型系统管理 1
1.2 本书概览 3
1.3 本书内容 4
1.4 小结 7
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 9
2.1 综述 9
2.3日志消息分类 14
2.4日志消息聚类 15
2.5基于树状结构的聚类 17
2.6 基于消息签名的事件生成 24
2.7小结 36
第3章 优化系统监控配置 38
3.1 综述 38
3.2 自动监控 38
3.3 消除误报 41
3.4 消除漏报 44
3.5 实验评估 47
3.6 小结 51
3.7 术语表 51
第2部分：模式发现和摘要
第4章 事件模式挖掘 54
4.1 引言 54
4.2 序列模式 55
4.3 全依赖模式 62
4.4 部分周期依赖模式 64
4.5 互依赖模式 70
4.6 t-模式 73
4.7频繁情节 78
4.8突发事件 81
4.9罕见事件 83
4.10时间序列和事件间的相关模式 85
4.11 案例分析 86
4.12小结 101
4.13术语表 102
第5章 时滞挖掘 103
5.1 引言 103
5.2 非参数的方法 104
5.3 带参数的方法 113
5.4 实例分析 121
5.5 小结 130
5.6 术语表 130
第6章 日志事件摘要 132
6.1引言 132
6.2基于频率变化的摘要 135
6.3基于时序动态的摘要 142
6.4便捷化摘要任务 154
6.5小结 165
6.6术语表 166
第3部分：应用
第7章 系统管理中数据驱动的应用 168
7.1 系统诊断 168
7.2 搜索相似的序列文本事件片段 171
7.3 层次多标签工作票分类 190
7.4 工作票解决方案推荐 205
7.5 小结 226
7.6 术语表 227
第8章 面向Twitter流的社交媒体事件摘要 228
8.1 引言 228
8.2 问题形式化 231
8.3 Twitter消息上下文分析 232
8.4 子事件检测方法 235
8.5 多Twitter消息摘要 240
8.6 实验 242
8.7 总结和未来工作 251
8.8 术语表 251
参考文献 252