据集生成器在XP 系统下生成多组不同的数据集，进行对比试验。
[0135] 对比试验的内容和结果如下：
[0136] 如图4所示，为告警关联算法与普通算法产生候选项集的数量条形图，如图5所示， 为警关联算法与普通算法产生加权频繁项集的时间折线图。对不同支持度下本文提出的告 警关联算法与普通的关联规则算法进行了性能比较。告警事务数设为800,项目数设为9,事 务平均宽度为5，将最小加权支持度分别设置为0.1、0.15、0.2、0.25和0.3的情况下，比较本 文提出的告警关联算法与普通算法产生候选项集的数量以及本文提出的告警关联算法与 普通算法产生加权频繁项集的时间。
[0137] 可以看出，通过使用本发明的方案进行关联挖掘，产生的候选项集多于普通的方 案，因为本发明方案针对信息通信网络的分层结构，对上层网络节点做了分簇处理，对多个 子告警数据库进行频繁项的挖掘，子告警数据库中的告警间的相关性比较大，可近似认为 两个子告警数据库间是独立的，因此当子告警数据库合并时，根据支持度的定义，告警项集 的支持度会减小，从而在相同的最小支持度阈值下未分簇时挖掘到的告警频繁项数量较 少。另外，利用层次分析法确定告警项的权值，为我们感兴趣的告警设定更高的权重，在频 繁项的挖掘中可以产生更多的根源告警频繁项集，也增加了频繁项的数量。
[0138] 可以看出本发明中的告警关联方法产生加权频繁项集的时间少于普通的关联方 法，这是由于对上层网络的分簇处理，使得告警数据库分成了多个子数据库，告警数据库信 息数量的减小，提高了关联的效率。可以看出当加权支持度越小时，本算法的效率优势越明 显，相反，加权支持度越大时，本发明的效率提升并不明显，这是由于告警事务项的分布密 度不高，加权支持度的增大使得高维的频繁项集显著减少，算法的效率提升减小。
[0139] 如图6所示，为告警关联算法与普通算法产生感兴趣的告警频繁项在总告警频繁 项中所占的比例的条形图，比较了不同支持度下本发明的告警关联方案与普通的方案挖掘 我们所感兴趣的告警项的能力。告警事务数设为200,项目数设为9,事务平均宽度为5,将最 小加权支持度分别设置为〇. 05、0.1、0.15、0.2、0.25和0.3的情况下，比较本发明提出的告 警关联算法与普通算法产生感兴趣的告警频繁项在总告警频繁项中所占的比例，结果如图 6所示。这里使用层次分析法得到各告警的权重如下：
[0140] 表2.告警项的权重
[0141]
[0142] 从告警项目的权重可以看出，告警项目9权重最大，即其成为根告警的可能性最 大，其为我们所感兴趣的告警项目，因此在告警关联规则挖掘中，希望挖掘到更多关于告警 项9的信息。从图6可以看出，通过使用本发明方案进行关联挖掘，产生的关于告警项9的频 繁项集占总的告警频繁项集的比例增大，因为本发明中采用了加权的关联规则挖掘算法， 采用层次分析法确定告警项的权重，权重越大表明该告警成为根源告警的可能性越大，因 此可以产生更多的根源告警频繁项集。
[0143]所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非 旨在暗示本公开的范围（包括权利要求)被限于这些例子;在本发明的思路下，以上实施例 或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明的不同方 面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明的精神和原则之 内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种信息通信网络中的告警关联性分析方法，其特征在于，包括以下步骤： 1) 根据网络节点的发生故障的时间、空间相关性，定义树形层次结构网络中的上层网 络节点的时空相关性； 2) 基于上层网络节点的时空相关性，对树形层次网络中的上层节点进行分簇，根据分 簇结果将总的告警数据库划分为多个子告警数据库； 3) 根据告警项的属性，确定各告警项的权重； 4) 利用加权的Apriori关联规则算法对各自告警数据库进行关联规则挖掘。2. 根据权利要求1所述的信息通信网络中的告警关联性分析方法，其特征在于，还包括 使用2项集支持度的形式定义网络故障事务的相关性：Dinj|表示在总的网络故障数据库中，节点i子网和节点j子网同时发生故障的事务项 总数，|D|表示总的故障事务项的数目，定义网络故障事务的相关性为节点i子网和节点j子 网同时发生故障的事务总数与总的故障事务项数的比值，即关联规则挖掘中的2项集支持 度。3. 根据权利要求2所述的信息通信网络中的告警关联性分析方法，其特征在于，考虑时 间、空间相关度，将网络故障事务相关性定义为：其中，|Dinj |表示在总的网络故障数据库中，节点i子网和节点j子网同时发生故障的事 务项总数，|D|表示总的故障事务项的数目，Nij表示节点i和j的在总时间范围内直接相互通 信次数，N表示总通信次数，tni和tnj表示节点i和j发生故障的时间，△ t表示在所有时间段上 的平均故障发生时间差，定义网络故障事务的相关性为节点i子网和节点j子网同时发生故 障的事务总数与总的故障事务项数的比值，并规定：当C 〇rD(i，j)>c^t，两个节点子网络间 相关性强；否则，认为两节点子网络间相关性微弱，即不相关，α(0<α<1)为子网络间故障 事务关联性的门限值。4. 根据权利要求3所述的信息通信网络中的告警关联性分析方法，其特征在于，根据定 义的网络故障关联性，对网络进行分簇处理，根据分簇结果，将整个网络告警数据库划分为 多个子网络告警数据库。5. 根据权利要求1所述的信息通信网络中的告警关联性分析方法，其特征在于，所述根 据告警项的属性，确定各告警项的权重具体为： 步骤1:将问题层次结构化，构建问题的递阶层次结构模型，； 步骤2:针对每一个有支配能力的指标，构建成对比较矩阵； 步骤3:计算各指标对于各支配指标的权重，且检验成对比较矩阵的一致性； 步骤4:计算各指标对目标层的权重。6.根据权利要求1所述的信息通信网络中的告警关联性分析方法，其特征在于，所述的 利用加权的Apriori关联规则算法对各自告警数据库进行关联规则挖掘的具体步骤为： 步骤一:扫描告警事务数据库T，得到告警事务中的所有告警项目，并按字典顺序排列； 步骤二:根据告警项的各属性值，如告警发生频率、告警重要级别、告警故障类型等，利 用层次分析法计算各告警项目的权值； 步骤三:扫描告警事务数据库T，根据告警项目的权值，计算各告警事务项集t的权重值步骤四:根据各告警事务项集的权重，计算各告警项集的加权支持度根据预先设定的最小支持度阈值，产生加权的告警频繁k项集； 步骤五:将告警频繁k项集，根据告警加权项目集的先验性质，采用优化拼接和减枝方 法，产生告警项目的候选k+Ι项集，计算候选告警k+Ι项集的加权支持度，产生加权的告警频 繁k+Ι项集； 步骤六:重复步骤四，直到无法继续产生告警频繁项目集。
【专利摘要】本发明公开了一种信息通信网络中的告警关联性分析方案，针对树形层次结构网络的拓扑的研究，根据网络节点的发生故障的时间、空间相关性，定义树形层次结构网络中的上层网络节点的时空相关性，基于上层网络节点的时空相关性，对树形层次网络中的上层节点进行分簇，根据分簇结果将总的告警数据库划分为多个子告警数据库，根据告警项的属性，如告警发生的频率、告警重要性级别、告警故障类型，确定各告警项的权重，利用加权的Apriori关联规则算法对各自告警数据库进行关联规则挖掘。本发明旨在解决树形层次化结构的信息与通信网络中的告警相关性分析问题，可以从大量告警信息中高效的挖掘到所感兴趣的告警关联规则。
【IPC分类】G06F17/30
【公开号】CN105677759
【申请号】CN201511021147
【发明人】周文婷, 王远征, 李雪梅, 樊秀娟, 崔力民, 许鸿飞, 于忠迎, 张海波, 张玮, 王鑫, 褚明丽, 寇晓溪, 于蒙, 徐鑫, 周则军, 赵庆凯, 杨帆
【申请人】国家电网公司, 国网新疆电力公司信息通信公司, 北京汇通金财信息科技有限公司, 国网冀北电力有限公司
【公开日】2016年6月15日
【申请日】2015年12月30日