网络业务流设计的业务级分析方法

业务流设计是网络工程的一部分 ,主要是进行网络性能评价和网络性能优化 .我们提出了两种新的业务流分析方法 - -具有路径约束的关联规则算法 PRAR和具有时态路径约束的关联规则算法 TPRAR.这两种算法对于全网业务进行相关性分析 ,是一种基于业务的分析方法 .PRAR算法和 TPRAR算法在 Aprior算法的基础上 ,分别引入了路径约束和时态约束与路径约束 ,使之更加体现网络业务的特性 .使用这两种算法 ,可以充分利用已有数据 ,分析已有业务的行为 。

两种网络业务流分析方法的应用与实现

为了对网络业务流和网络性能进行测量与分析 ,我们根据 CAINONET的业务流设计课题实现了一个业务流设计的原型系统 - - - -业务流测量分析系统 TMAS.在 TMAS的分析子系统中 ,我们实现了业务级的分析方法 ,即具有路径约束的关联规则算法 PRAR和具有时态路径约束的关联规则算法 TPRAR.本文中我们先举了一个这两种算法的应用例子 ,再给出了这两种算法在 TMAS系统中的实际运行结果 .实际运行显示 ,这两种业务级分析方法可以弥补已有分析方法的不足 。

基于数据挖掘的网络业务流分析方法

为了从业务角度对网络的性能进行评价和优化,提出了一种新的网络业务分析方法——具有时态路径约束的关联规则挖掘分析方法.该方法以网络业务为分析粒度,以与网络业务流相关的时态属性和路径属性为约束条件,对已经积累的反映网络状况的海量历史数据进行挖掘分析.在进行关联规则挖掘时,利用频繁数据项集的性质,通过引入事务标号,在求出候选频繁项集的同时也求出其支持度,避免了为求支持度而进行的扫描数据库运算,极大提高了挖掘的效率和速度.实验结果表明,进行挖掘分析的数据量越大,该方法的性能和效率就越好.

基于关联规则的热点事件时序分析方法

热点事件在发展过程中包括多个相关话题,分析多个话题在时序上的演化和传播路径,能够深层次把握热点事件产生、发展、消亡的具体细节。为此提出一种基于关联规则的热点事件时序分析方法。首先将关联规则算法并行实现获取多个时间片的频繁关键词集;然后筛选所有频繁关键词集的关联规则形成关联规则集,从而得到多个话题关键词集合;最后根据关键词集合分析热点事件多个话题的演化和传播路径。实验表明,该方法能够全面有效地跟踪热点事件的动态变化过程,为网络舆情监控和管理提供借鉴和支撑。