一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法
【專利摘要】本發(fā)明公開了一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法，其特征在于，包括如下步驟：S01：獲得信息系統(tǒng)的網絡拓撲架構和所有設備的動態(tài)監(jiān)控指標和靜態(tài)監(jiān)控指標；S02：通過網絡拓撲架構和設備的動、靜態(tài)監(jiān)控指標生成網絡故障樹，并通過網絡故障樹生成基本規(guī)則庫；S03：對信息系統(tǒng)的歷史數據執(zhí)行關聯規(guī)則挖掘算法，得到關聯規(guī)則庫；S04：結合基本規(guī)則庫和關聯規(guī)則庫進行推理生成擴展規(guī)則庫；其中，各規(guī)則庫的檢索優(yōu)先級是：基本規(guī)則庫＞關聯規(guī)則庫＞擴展規(guī)則庫。利用故障樹技術和關聯規(guī)則挖掘技術來智能生成信息系統(tǒng)運行規(guī)則庫，并采用機器學習技術來對規(guī)則進行優(yōu)化。進一步的，設計了規(guī)則的三域結構，實現了規(guī)則的自動排序和自動調整。
【專利說明】一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法

【技術領域】
[0001] 本發(fā)明涉及一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法。

【背景技術】
[0002] 為保證信息系統(tǒng)安全、穩(wěn)定、有效運行，國家電網公司在2008年啟動了覆蓋"綜合 網管、桌面管理、安全管理、運維服務"的信息運維綜合監(jiān)管系統(tǒng)（以下簡稱"頂S"）的建設， 于2011年完成系統(tǒng)全網推廣，并在2012年完成了以"深化采集、設備管理、一單兩票、告警 中心、展示中心、綠色機房"六大模塊為核心的IMS系統(tǒng)的深化應用建設工作，全面覆蓋了網 絡、網絡設備、主機、數據庫、中間件、桌面終端、安全設備等IT基礎設備以及業(yè)務系統(tǒng)的實 時監(jiān)控，為全網的信息系統(tǒng)運行維護工作提供了技術支撐手段。
[0003] 但是在運行監(jiān)控規(guī)則設定與判斷方面還存在著以下不足：
[0004] 一、IT基礎設施與業(yè)務系統(tǒng)的運行性能監(jiān)控還是需要運維人員根據歷史運維經驗 和專業(yè)方向知識來設定監(jiān)控閾值規(guī)則，不能自適應IT基礎設施與業(yè)務系統(tǒng)的運行規(guī)律，在 某些時間段內固化的監(jiān)控閾值規(guī)則不符合實際運行情況，容易產生誤報、漏報；
[0005] 二、設定的運行監(jiān)控規(guī)則不能進行合理性的判斷，無法驗證設定的運行監(jiān)控規(guī)則 是否貼合IT基礎設施與業(yè)務系統(tǒng)的實際運行情況；
[0006] 三、運行監(jiān)控規(guī)則的設定沒有自學習功能，不能根據IT基礎設施與業(yè)務系統(tǒng)的歷 史運行情況自行調整優(yōu)化。


【發(fā)明內容】

[0007] 針對上述問題，本發(fā)明提供一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造 方法，利用故障樹技術和關聯規(guī)則挖掘技術來智能生成信息系統(tǒng)運行規(guī)則庫，并采用機器 學習技術來對規(guī)則進行優(yōu)化。進一步的，設計了規(guī)則的三域結構，實現了規(guī)則的自動排序和 自動調整。
[0008] 為實現上述技術目的，達到上述技術效果，本發(fā)明通過以下技術方案實現：
[0009] -種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法，其特征在于，包括如 下步驟：
[0010] SOl :獲得信息系統(tǒng)的網絡拓撲架構和所有設備的動態(tài)監(jiān)控指標和靜態(tài)監(jiān)控指 標；
[0011] S02 :通過網絡拓撲架構和設備的動、靜態(tài)監(jiān)控指標生成網絡故障樹，并通過網絡 故障樹生成基本規(guī)則庫；
[0012] S03 :對信息系統(tǒng)的歷史數據執(zhí)行關聯規(guī)則挖掘算法，得到關聯規(guī)則庫；
[0013] S04 :結合基本規(guī)則庫和關聯規(guī)則庫進行推理生成擴展規(guī)則庫；
[0014] 其中，各規(guī)則庫的檢索優(yōu)先級是：基本規(guī)則庫〉關聯規(guī)則庫〉擴展規(guī)則庫。
[0015] 優(yōu)選，基本規(guī)則庫的每個規(guī)則為三域結構，即包括，
[0016] 規(guī)則序列域：規(guī)則在實際的運行過程中執(zhí)行成功的次數，執(zhí)行失敗的次數，規(guī)則最 終計數及規(guī)則排序；
[0017] 規(guī)則標識域：用來標識該規(guī)則的從屬對象；
[0018] 規(guī)則主體域：用于對規(guī)則的詳細說明。
[0019] 優(yōu)選，系統(tǒng)實時執(zhí)行規(guī)則排序算法和規(guī)則流動算法對規(guī)則進行優(yōu)先級確定和規(guī)則 刷新。
[0020] 其中，在每個規(guī)則庫中，通過規(guī)則序列域中的規(guī)則最終計數指標來確定規(guī)則被檢 索的優(yōu)先級，其中，規(guī)則最終計數的公式為：
[0021] F = R-0. 5W
[0022] 式中，F為最終計數，R為在實際運行過程中規(guī)則執(zhí)行成功的次數，W為規(guī)則執(zhí)行失 敗的次數；如果對執(zhí)行失敗的場景進行機器學習，對相關規(guī)則經過優(yōu)化并解決相關問題，則 相應的執(zhí)行失敗的次數W減一。
[0023] 優(yōu)選，關聯規(guī)則庫的規(guī)則流動算法是：在系統(tǒng)實際運行過程中，規(guī)則只要有一次被 證明是正確的，直接移動到基本規(guī)則庫；如果該規(guī)則有兩次被證明錯誤，則刪除該規(guī)則。 [0024] 優(yōu)選，擴展規(guī)則庫的規(guī)則流動算法是：使用歷史數據來驗證所有規(guī)則，
[0025] 對于成功率在80%?100%的規(guī)則，使用歷史數據進行機器學習后直接移動到基 本規(guī)則庫；
[0026] 對于成功率在60%?80%的規(guī)則，使用歷史數據進行機器學習后，如果成功率大 于80%則移動到基本規(guī)則庫，否則繼續(xù)留在擴展規(guī)則庫，并接受運行數據的機器學習，直到 其成功率大于80% ;
[0027] 對于成功率在50%?60%的規(guī)則，使用歷史數據和運行數據進行機器學習，直到 其成功率大于80%，移動到基本規(guī)則庫，否則繼續(xù)留在擴展規(guī)則庫；
[0028] 對于成功率小于50%的規(guī)則，直接刪除。
[0029] 本發(fā)明實現信息系統(tǒng)運行規(guī)則庫動態(tài)構建和優(yōu)化，可應用于公司信息運維綜合監(jiān) 管平臺，使監(jiān)控告警規(guī)則的建立與維護更容易，規(guī)則匹配效率更高，從而迅速適應信息系統(tǒng) 對象、運行環(huán)境、運行狀態(tài)數據源的各種變化，同時滿足大規(guī)模信息系統(tǒng)規(guī)則集匹配處理實 時性要求，大大提高規(guī)則系統(tǒng)的實用性，提升信息系統(tǒng)監(jiān)控報警、安全管理、行為審計和合 規(guī)管理質量。
[0030] 本發(fā)明的有益效果是：
[0031] 一、規(guī)則庫的區(qū)域化構造：本發(fā)明方法設計的規(guī)則庫共有三個分區(qū)，分別存儲基本 規(guī)則、關聯規(guī)則和擴展規(guī)則，其中基本規(guī)則的優(yōu)先級最高，關聯規(guī)則次之，擴展規(guī)則的優(yōu)先 級最低。通過規(guī)則庫的分區(qū)，可以通過規(guī)則的優(yōu)先級管理確定規(guī)則檢索的優(yōu)先級順序，并且 低區(qū)域規(guī)則可以通過不斷的實時機器學習進行升級，實現規(guī)則由低向高的流動。
[0032] 二、規(guī)則的三域結構：規(guī)則的三域結構包括規(guī)則序列域，規(guī)則標識域和規(guī)則主體 域：規(guī)則序列域通過量化的手段實現規(guī)則的優(yōu)先級排序；規(guī)則標識域用來標識該規(guī)則的從 屬對象，以便于網絡拓撲架構改變時的規(guī)則庫自適應調整；規(guī)則主體域存儲了規(guī)則的主體 部分，這是對規(guī)則的詳細說明。
[0033] 三、實時的自適應閾值調整：系統(tǒng)利用性能歷史數據和運行數據，分析計算出適合 業(yè)務運行告警要求的告警閾值，提高針對信息系統(tǒng)的告警自學習能力，采用閾值規(guī)劃算法 動態(tài)調整告警閾值，做到從事件的源頭減少事件量，提高了監(jiān)控告警的質量。
[0034] 四、新增規(guī)則入庫的自動化合理性分析：新增規(guī)則可以由系統(tǒng)自動生成，也可以人 工添加。對于新增規(guī)則，采用歷史數據和實時運行數據對規(guī)則進行合理化分析，確定規(guī)則的 可用性。
[0035] 五、規(guī)則的自動調整優(yōu)化：通過實時執(zhí)行規(guī)則排序算法和規(guī)則流動算法，來對規(guī)則 進行優(yōu)先級確定和優(yōu)先級的刷新或升級，確保規(guī)則庫處于最優(yōu)狀態(tài)，提高規(guī)則的檢索效率 和規(guī)則的正確率，從而提高系統(tǒng)性能。

【專利附圖】

【附圖說明】
[0036] 圖1是本發(fā)明一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法的流程 圖；
[0037] 圖2是本發(fā)明基本規(guī)則庫的規(guī)則的三域結構圖；
[0038] 圖3是本發(fā)明規(guī)則庫三區(qū)擴展規(guī)則流動算法流程圖。

【具體實施方式】
[0039] 下面結合附圖和具體的實施例對本發(fā)明技術方案作進一步的詳細描述，以使本領 域的技術人員可以更好的理解本發(fā)明并能予以實施，但所舉實施例不作為對本發(fā)明的限 定。
[0040] 一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法，如圖1所示，包括如 下步驟：
[0041] SOl :獲得信息系統(tǒng)的網絡拓撲架構和所有設備的動態(tài)監(jiān)控指標和靜態(tài)監(jiān)控指標。
[0042] 首先通過拓撲發(fā)現技術得到網絡拓撲架構，然后對拓撲架構中的每個網絡設備， 米集相應的動態(tài)監(jiān)控指標和靜態(tài)監(jiān)控指標，包括網絡指標、安全指標、王機指標、數據庫指 標、中間件指標和業(yè)務系統(tǒng)指標TK大類。
[0043] 網絡指標包括鏈路時延、網絡設備健康運行時長、網絡設備狀態(tài)、網絡設備CPU使 用率、網絡設備內存使用率、接受丟包率、發(fā)送丟包率、接收錯包率、發(fā)送錯包率、接口接收 流量、接口發(fā)送流量、接口總流量和接口帶寬利用率；安全指標包括安全事件、安全設備的 狀態(tài)（CPU、內存等）以及合規(guī)性；主機指標包括主機狀態(tài)、健康運行時長、CPU使用率、內存 使用率、磁盤空間使用率、關鍵進程數和主機配置信息。
[0044] 數據庫指標有SqlServer指標、Oracle指標和DB2指標。其中SqlServer指標 包括SGA的命中率、可用緩存大小、字典緩沖區(qū)的命中率、共享緩存區(qū)的命中率、Redo日志 緩存區(qū)的命中率、會話數量、可用會話數量、事務響應時間、表空間可用率、表空間增長率和 MTS性能；Oracle指標包括會話數量、可用會話數量、事務響應時間、表空間可用率、表空 間增長率、共享內存使用率、共享內存命中率和回滾段使用率；DB2指標包括Process可用 率、緩沖池（Bufferpool)可用率、緩沖池命中率、表空間可用率、表空間增長率、排序指數 (SortsPerTransaction)、會話數量以及可用會話數量。
[0045] 中間件指標有Weblogic指標和Websphere指標。其中Weblogic指標包括JVM內 存堆空閑量、JVM內存堆總量、JVM內存堆使用率、Servlet所有調用的執(zhí)行時長、Servlet 單個調用的最長執(zhí)行時長、Servlet平均執(zhí)行時長、Servlet執(zhí)行次數、JDBC pool最大容 量、JDBC Pool活動連接數的高水位線、JDBC Pool等待連接數的高水位線、JDBC Pool實例 化以來累計的連接數、JDBC Pool平均活動連接數、JDBC Pool平均連接時延、JDBC Pool泄 漏的連接數、JDBC pool的當前容量、JDBC Pool重新連接的失敗數、JDBC Pool最大可用連 接數、JDBC Pool最大不可用連接數、JDBC Pool LEAKED連接數、JDBC Pool中的可用連接 數、JDBC POOL中的不可用連接數、JDBC Pool利用率、當前會話數、最大會話數以及會話占 用率；Websphere指標包括JVM內存空閑量、JVM內存總量、JVM內存使用率、平均會話生存 期、當前訪問的會話總數、當前存活的會話總數、JDBC pool最大容量、JDBC Pool平均活動 連接數、JDBC Pool平均連接時延、JDBC Pool泄漏的連接數、JDBC pool的當前容量、JDBC Pool重新連接的失敗數、JDBC Pool最大可用連接數、JDBC Pool最大不可用連接數、JDBC Pool LEAKED連接數、JDBC Pool中的可用連接數、JDBC POOL中的不可用連接數以及JDBC Pool利用率。
[0046] 業(yè)務系統(tǒng)指標包括在線用戶數、日登錄用戶數、業(yè)務系統(tǒng)運行狀態(tài)、業(yè)務系統(tǒng)接口 狀態(tài)和業(yè)務系統(tǒng)健康運行時長。
[0047] S02 :通過網絡拓撲架構和設備的動、靜態(tài)監(jiān)控指標生成網絡故障樹，并通過網絡 故障樹生成基本規(guī)則庫。通過故障樹的構建可以簡潔明了的表示各個監(jiān)控指標以及各個網 絡設備之間的關系。其中，基本規(guī)則庫中的相關閾值通過對歷史數據的機器學習和執(zhí)行閾 值規(guī)劃算法來確定。
[0048] 針對基本規(guī)則，設計了規(guī)則的三域結構，如圖2所示，包括規(guī)則序列域、規(guī)則標識 域和規(guī)則主體域。
[0049] 規(guī)則序列域用來存儲規(guī)則在實際的運行過程中執(zhí)行成功的次數、執(zhí)行失敗的次 數、規(guī)則最終計數及規(guī)則排序。規(guī)則序列域存在的目的是為了便于對規(guī)則的優(yōu)先級進行排 序，提1?規(guī)則的檢索效率。
[0050] 規(guī)則標識域用來標識該規(guī)則的從屬對象，例如規(guī)則是某個網絡設備的專屬規(guī)則， 或者規(guī)則從屬于某個子網或整個網絡。規(guī)則標識域存在的目的是為了對每條規(guī)則進行標 識，在網絡拓撲結構發(fā)生改變的時候，可以通過規(guī)則的標識域識別需要刪除和修改的規(guī)則， 并且通過對變動部分的拓撲結構重新生成相應的基本規(guī)則來實現規(guī)則的增刪改，智能構造 適應新網絡架構的規(guī)則庫。
[0051] 規(guī)則主體域存儲了規(guī)則的主體部分，這是對規(guī)則的詳細說明。規(guī)則就是產生式規(guī) 貝U，是指人們思維判斷中的一種固定邏輯結構關系。一般產生式的結構可表示為自然語言 形式，事實上，在自然語言表達中，人們廣泛使用的各種"原因一-結果"，"條件一結論"，"前 提一操作"，"事實一進展"，"情況一行為"等結構，都可歸結為產生式的知識表達形式。規(guī)則 的基本形式：A -B或者IF A THENB，A是產生式的前提（前件），用于指出該產生式是否可 用的條件。B是一組結論或操作（后件），用于指出當前提A所指示的條件滿足時，應該得 出的結論或應該執(zhí)行的操作。產生式規(guī)則推理的推理方式有正向推理、逆向推理和雙向推 理三種。三種推理方式在不同情境下都有相應的優(yōu)勢，在規(guī)則推理方式選擇時綜合考慮。
[0052] S03 :對信息系統(tǒng)的歷史數據執(zhí)行關聯規(guī)則挖掘算法，得到關聯規(guī)則庫，關聯規(guī)則 是通過關聯規(guī)則挖掘生成，并通過歷史數據檢驗的規(guī)則。
[0053] 優(yōu)選，采用基于分支篩選優(yōu)化策略和數據庫單次掃描技術的改進的Apriori算法 來進行歷史數據關聯規(guī)則的挖掘。Apriori算法是一種挖掘關聯規(guī)則的頻繁項集算法，算法 分為兩個階段：尋找頻繁項集和由頻繁項集挖掘關聯規(guī)則。算法原理是從數據集中尋找滿 足最小支持度的頻繁項集，進而根據頻繁項集產生關聯規(guī)則。Apriori算法是一個很經典 的關聯規(guī)則挖掘算法，但是存在兩個弊端，在尋找頻繁項集會產生很多候選集，浪費大量計 算效率和時間，且需要多次掃描數據庫，嚴重影響算法效率。針對第一個問題，采用哈希表 和位容器對候選集進行過濾，減少算法在產生候選集上的消耗。因為經典算法的主要消耗 在(：1，11，02，12的產生上，在02的生成中過濾更多的分支，可以大大提高算法效率。針對 第二個問題，經典算法每次計算支持度均需掃描整個數據庫，而算法中計算支持度的頻率 非常高，這就需要頻繁掃描數據庫，導致算法效率不高。所以通過維護一個布爾矩陣來記錄 數據庫中所有的事務信息，只需掃描一次數據庫就可以構建布爾矩陣，這個布爾矩陣包含 了計算支持度需要的所有數據，以后就不需要再次掃描數據庫了，大大提高了算法效率。
[0054] 通過改進的Apriori算法，可以對歷史數據進行關聯規(guī)則挖掘，得到的結果在閾 值規(guī)劃算法的配合下，可以智能生成關聯規(guī)則庫。關聯規(guī)則是從歷史數據中挖掘出來的，通 過了歷史數據的檢驗，可信度比較高，但是關聯規(guī)則仍存在一些不確定性，必須通過運行數 據的檢驗才能升級為基本規(guī)則。
[0055] 關聯規(guī)則庫中的相關閾值通過對歷史數據的機器學習和執(zhí)行閾值規(guī)劃算法來確 定。
[0056] 基本規(guī)則庫和關聯規(guī)則庫在閾值的確定上，利用性能歷史數據，分析計算出適合 業(yè)務運行告警要求的告警閾值，提高針對信息系統(tǒng)的告警自學習能力，優(yōu)化告警邏輯，動態(tài) 調整告警閾值，做到從事件的源頭減少事件量，提高監(jiān)控告警的質量。
[0057] 優(yōu)選，某個指標的閾值規(guī)劃算法為：
[0058] 對指標在網絡正常運行狀況下的歷史數據進行統(tǒng)計分析，確定其最大值，最小值 和中位數，然后按以下公式來確定閾值：
[0059]

【權利要求】
1. 一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法，其特征在于，包括如下 步驟： 501 :獲得信息系統(tǒng)的網絡拓撲架構和所有設備的動態(tài)監(jiān)控指標和靜態(tài)監(jiān)控指標； 502 :通過網絡拓撲架構和設備的動、靜態(tài)監(jiān)控指標生成網絡故障樹，并通過網絡故障 樹生成基本規(guī)則庫； 503 :對信息系統(tǒng)的歷史數據執(zhí)行關聯規(guī)則挖掘算法，得到關聯規(guī)則庫； 504 :結合基本規(guī)則庫和關聯規(guī)則庫進行推理生成擴展規(guī)則庫； 其中，各規(guī)則庫的檢索優(yōu)先級是：基本規(guī)則庫〉關聯規(guī)則庫〉擴展規(guī)則庫。
2. 根據權利要求1所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法， 其特征在于，基本規(guī)則庫的每個規(guī)則為三域結構，即包括，規(guī)則序列域：規(guī)則在實際的運行 過程中執(zhí)行成功的次數,執(zhí)行失敗的次數,規(guī)則最終計數及規(guī)則排序； 規(guī)則標識域：用來標識該規(guī)則的從屬對象； 規(guī)則主體域：用于對規(guī)則的詳細說明。
3. 根據權利要求1所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法， 其特征在于，基本規(guī)則庫和關聯規(guī)則庫中的相關閾值通過對歷史數據的機器學習和執(zhí)行閾 值規(guī)劃算法來確定。
4. 根據權利要求3所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法， 其特征在于，所述閾值規(guī)劃算法為： 對指標在網絡正常運行狀況下的歷史數據進行統(tǒng)計分析，確定其最大值，最小值和中 位數，然后按以下公式來確定閾值：
式中，Ti為閾值,Di為網絡正常運行狀況下的指標最大值，Xi為網絡正常運行狀況下的 指標最小值，Mi為指標設計的最大值，Zi為網絡正常運行狀況下的指標中位數。
5. 根據權利要求1所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法， 其特征在于，系統(tǒng)實時執(zhí)行規(guī)則排序算法和規(guī)則流動算法對規(guī)則進行優(yōu)先級確定和規(guī)則刷 新。
6. 根據權利要求5所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法， 其特征在于，在每個規(guī)則庫中，通過規(guī)則序列域中的規(guī)則最終計數指標來確定規(guī)則被檢索 的優(yōu)先級，其中，規(guī)則最終計數的公式為： F = R-0. 5W 式中，F為最終計數，R為在實際運行過程中規(guī)則執(zhí)行成功的次數，W為規(guī)則執(zhí)行失敗的 次數；如果對執(zhí)行失敗的場景進行機器學習，對相關規(guī)則經過優(yōu)化并解決相關問題，則相應 的執(zhí)行失敗的次數W減一。
7. 根據權利要求5所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法， 其特征在于，關聯規(guī)則庫的規(guī)則流動算法是： 在系統(tǒng)實際運行過程中，規(guī)則只要有一次被證明是正確的，直接移動到基本規(guī)則庫；如 果該規(guī)則有兩次被證明錯誤，則刪除該規(guī)則。
8. 根據權利要求5所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方法， 其特征在于，擴展規(guī)則庫的規(guī)則流動算法是： 使用歷史數據來驗證所有規(guī)則，對于成功率在80%?100%的規(guī)則，使用歷史數據進 行機器學習后直接移動到基本規(guī)則庫；對于成功率在60%?80%的規(guī)則，使用歷史數據進 行機器學習后，如果成功率大于80%則移動到基本規(guī)則庫，否則繼續(xù)留在擴展規(guī)則庫，并接 受運行數據的機器學習，直到其成功率大于80 % ;對于成功率在50 %?60 %的規(guī)則，使用 歷史數據和運行數據進行機器學習，直到其成功率大于80%，移動到基本規(guī)則庫，否則繼續(xù) 留在擴展規(guī)則庫；對于成功率小于50%的規(guī)則，直接刪除。
9. 根據權利要求1所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方 法，其特征在于，步驟S03中，采用基于分支篩選優(yōu)化策略和數據庫單次掃描技術的改進的 Apriori算法來進行歷史數據關聯規(guī)則的挖掘；其中，所述改進的Apriori算法采用哈希表 和位容器對候選集進行過濾，減少算法在產生候選集上的消耗，且通過維護一個布爾矩陣 來記錄數據庫中所有的事務信息。
10. 根據權利要求1所述的一種基于關聯規(guī)則挖掘的信息系統(tǒng)運行規(guī)則庫的構造方 法，其特征在于，系統(tǒng)運維人員可以直接增加和刪除規(guī)則，并對已有規(guī)則的相關屬性進行修 改。
【文檔編號】G06N5/02GK104376365SQ201410708182
【公開日】2015年2月25日 申請日期:2014年11月28日 優(yōu)先權日:2014年11月28日
【發(fā)明者】陳龍, 劉嘉華, 何金陵, 康睿, 王琪, 周鎖, 盛華 申請人:國家電網公司, 南京南瑞集團公司, 南京南瑞信息通信科技有限公司, 江蘇省電力公司, 江蘇省電力公司信息通信分公司