| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究背景和意义 | 第10-11页 |
| 1.3 本文主要贡献与创新点 | 第11页 |
| 1.4 论文结构 | 第11-13页 |
| 第二章 日志数据挖掘 | 第13-22页 |
| 2.1 数据挖掘 | 第13-14页 |
| 2.2 日志数据挖掘目标 | 第14-15页 |
| 2.3 日志数据挖掘常用算法 | 第15-19页 |
| 2.3.1 数据挖掘算法分类 | 第16页 |
| 2.3.2 各大类中包涵的不同的算法 | 第16-18页 |
| 2.3.3 常用算法的差异及优劣势分析 | 第18-19页 |
| 2.4 日志数据挖掘研究现状 | 第19-21页 |
| 2.5 总结 | 第21-22页 |
| 第三章 电信日志数据解析方法 | 第22-32页 |
| 3.1 日志数据解析研究现状 | 第22-23页 |
| 3.2 电信网络日志分析系统总体设计架构 | 第23-25页 |
| 3.3 经典日志数据解析方法 | 第25-26页 |
| 3.4 大规模事件数据解析方法 | 第26-31页 |
| 3.4.1 编辑距离 | 第26页 |
| 3.4.2 电信设备日志数据解析方法 | 第26-28页 |
| 3.4.3 实验分析及结论 | 第28-30页 |
| 3.4.4 大规模数据集 | 第30-31页 |
| 3.5 总结 | 第31-32页 |
| 第四章 基于Spark的分布式日志模式提取算法 | 第32-38页 |
| 4.1 引言 | 第32页 |
| 4.2 Spark大数据处理框架及其生态系统 | 第32-34页 |
| 4.2.1 Spark简介 | 第32-33页 |
| 4.2.2 Spark SQL | 第33-34页 |
| 4.2.3 MLlib | 第34页 |
| 4.2.4 GraphX | 第34页 |
| 4.2.5 Spark Streaming | 第34页 |
| 4.3 基于Spark的分布式算法研究 | 第34-35页 |
| 4.4 事件数据模式提取分布式算法 | 第35-37页 |
| 4.5 总结 | 第37-38页 |
| 第五章 基于word2vec的大规模事件数据模式挖掘研究与实现 | 第38-47页 |
| 5.1 神经网络语言模型 | 第38-40页 |
| 5.2 Word2vec简介 | 第40页 |
| 5.3 Word2vec模型原理 | 第40-42页 |
| 5.4 基于word2vec的事件数据模式汇聚 | 第42-43页 |
| 5.4.1 基于word2vec的事件数据模式汇聚方法 | 第42页 |
| 5.4.2 实验结果分析及结论 | 第42-43页 |
| 5.5 基于Kmeans和轮廓系数的模式提取算法验证 | 第43-46页 |
| 5.6 总结 | 第46-47页 |
| 第六章 研究结论与展望 | 第47-49页 |
| 6.1 研究结论 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 作者攻读学位期间发表的学术论文目录 | 第53页 |
