论文部分内容阅读
近几年,随着移动网络的基础设施的高速发展与智能手机的普及,移动互联网迎来了飞速地发展。移动互联网已经渗透入了人们生活的方方面面。从衣食住行,到娱乐、学习与工作,都与移动应用息息相关。与此同时,网民对移动应用服务体验的要求也越来越高,移动应用除了为网民提供基本地功能服务之外,还需要满足网民使用服务时对便捷性、高效性、审美等方面的要求。网民使用体验的提升,既需要上层移动应用服务商根据网民的需求不断优化升级其产品,也需要移动网络基础设施能够为上层应用稳定地传输数据提供保障。移动应用用户数据分析与移动通信网络告警管理是有助于提升网民体验的两项重要内容。移动应用用户数据分析通过分析用户数据了解网民在使用移动应用时的真实需求、喜好与习惯等,从而指导移动应用的优化。移动通信网络告警管理通过对移动通信网络中可能会发生的故障进行预警,从而帮助及时排除移动通信网络中存在的故障隐患,保障移动通信网络稳定运行。本文针对这两项内容进行了分析,并对其中的用户数据热点分析与告警聚合两个具体问题进行了深入的研究。本文的主要工作与贡献如下:(1)提出了基于聚类的数据热点分析方法。数据热点发现的目标是找出数据集中的区域,并以易于人理解的方式将其展示出来。本文针对同时包含数值型特征和类别型特征的多维数据设计了数据热点发现算法,该算法的核心是改进CLTree设计的聚类算法CLTree+。本文改进了 CLTree,使其能够直接对同时包含数值型特征和类别型特征的数据进行聚类,并提升了具有周期性性质的数值型特征的聚类效果。除此之外,相比CLTree,CLTree+还大幅度提升了计算效率,使其可以用于处理大规模数据。CLTree+被应用于某移动出行应用的用户数据,成功找出了若干个数据热点,并以易于理解的特征取值组合的方式将这些信息展示出来。(2)针对移动通信网络告警数据设计了告警聚合算法。在实际生产环境中,告警数量过多是导致告警管理系统实用性差的一个重要原因。本文通过分析移动通信网络的真实告警数据,找出了若干导致告警数量过多的原因,并针对性地制定了一系列告警信息合并策略。这些策略被用于聚合移动通信网络产生的真实告警数据,聚合率达到了 3.6%。聚合结果经过相关领域专家的评估,肯定了该算法的正确性。