# イベントパターンマイニング システム管理のイベントデータ(離散値の時間データ)から、イベント間の隠れたパターン、潜在的な傾向、その他の興味深い関係を見つける技術群である。逐次パターン、完全従属パターン、部分周期パターン、相互従属パターン、T パターン、頻出エピソード、バースト、稀少イベント、時系列とイベントの相関の 9 種に整理される。判定基準は頻度基準(逐次パターン、頻出エピソード)と統計的従属基準(d、p、m、T パターン)に分かれ、障害や侵入の兆候は頻度が低いが統計的には従属しているため、後者が重要とされる (Source: [[@2017__CSUR__Data-Driven Techniques in Computing System Management - Chapter 3 Event Pattern Mining]], §3.1, §3.3)。 ## 未解決の問い - 空間時間共位置パターンなど、本サーベイの 9 種に含まれないパターンはどこまで扱えるか。章は対象外と述べるにとどまる (Source: [[@2017__CSUR__Data-Driven Techniques in Computing System Management - Chapter 3 Event Pattern Mining]], §3.11) - 時系列とイベントの相関を扱う研究は限られている (Source: [[@2017__CSUR__Data-Driven Techniques in Computing System Management - Chapter 3 Event Pattern Mining]], §3.10) ## 関連 - [[@2017__CSUR__Data-Driven Techniques in Computing System Management - Chapter 3 Event Pattern Mining]] - [[ログベースイベント相関]] - [[イベント間時間ラグ]] ## 出典 - Li et al., "Data-Driven Techniques in Computing System Management", ACM Comput. Surv. 50(3), Article 45, 2017, §3.