随着互联网的高速发展,网络系统的规模也变得愈发复杂和庞大,如何确保其平稳运行便成为网络运行维护的重要一环。网络告警便是运行维护网络系统的重要方式,当网络系统有故障风险时,系统便会发出告警,以提醒运维人员对其进行排查。同时,网络系统的日益复杂会导致告警海量发出,这不仅会给运维人员带来巨大的排查压力还会导致核心报警存在遗漏风险。对网络系统的告警排查是持续稳定运维网络系统的关键,这就需要我们对告警信息进行精准分类,以提高告警准确率,减轻排查压力。本文的研究依此展开。我们先对多样异构的告警属性进行特征提取,采取的是搜寻加属性筛选的方法,搜寻时采用Rank规则,按序进行特征选择,特征选择时我们利用info gain attributerval方法对属性进行评估选取,然后分别基于全特征和特征提取运用贝叶斯网络分类算法和多层前馈人工神经网络分类算法建立分类模型。接着从分类准确率和模型训练时间等方面比较分类器的性能优劣,同时以特征选择为横向维度对比不同特征选取的建模效果,以分类算法为纵向维度对比不同分类算法在同一特征子集下的分类表现。最后根据实验结果结合网络告警的实际应用情况构造二重组合分类算法。二重组合分类方法结合了贝叶斯网络分类及多层前馈神经网络分类,解决了贝叶斯网络分类精度低和多层前馈神经网络分类模型耗时过长的问题,能够对告警信息进行更加精准的分类,更好地剔除无效告警信息。