[发明专利]一种基于支持向量机的日志分类管理方法及系统

权利要求书

1.一种基于支持向量机的日志分类管理方法，其特征在于，包括如下步骤：

S1.获取原始系统日志，并对原始系统日志进行解析得到结构化日志数据；

S2.对结构化日志数据进行特征提取，针对每条日志提取一组数字特征向量，所有数字特征向量形成特征数据集；

S3.对提取的特征数据集进行样本标注，并按照设定比例分为训练集和测试集；

S4.获取支持向量机模型，通过训练集对支持向量机模型进行训练，再通过测试集对支持向量机模型进行验证；

S5.训练好并验证过的支持向量机模型对新产生日志进行分类，并对各类别日志设置对应管理策略。

2.如权利要求1所述的基于支持向量机的日志分类管理方法，其特征在于，步骤S1具体步骤如下：

S11.获取原始系统日志；

S12.通过logkey方法对原始系统日志进行解析，得到常量结构数据和变量结构数据；所述常量结构数据包括系统程序源码消息，所述变量结构数据包括时间戳或参数值。

3.如权利要求1所述的基于支持向量机的日志分类管理方法，其特征在于，步骤S2具体步骤如下：

S21.对结构化日志数据进行特征提取，针对每条日志提取消息计数向量、流程状态向量、用户操作功能的频度向量以及访问热度向量；

S22.将提取的四种特征组合为一组数字特征向量，所有数字特征向量形成特征数据集。

4.如权利要求1所述的基于支持向量机的日志分类管理方法，其特征在于，步骤S3具体步骤如下：

S31.对提取的特征数据集进行关于对应日志状态的正负样本标注；

S32.将提取的特征数据集按照设定比例分为训练集和测试集。

5.如权利要求1所述的基于支持向量机的日志分类管理方法，其特征在于，步骤S4具体步骤如下：

S41.获取支持向量机模型；

S42.通过训练集对支持向量机模型进行交叉训练；

S43.选取径向基核函数，并根据训练结果对惩罚因子以及径向基核函数宽度进行调整；

S44.通过测试集对训练好的支持向量机模型进行验证和修正。

6.如权利要求1所述的基于支持向量机的日志分类管理方法，其特征在于，步骤S5具体步骤如下：

S51.通过训练好并验证过的支持向量机模型对新产生日志进行分类；

S52.对热日志设置延长日志压缩和保留时间的策略；

S53.对冷日志设置缩短压缩周期和保留时间的策略。

7.一种基于支持向量机的日志分类管理系统，其特征在于，包括

日志解析模块(1)，用于获取原始系统日志，并对原始系统日志进行解析得到结构化日志数据；

日志特征提取模块(2)，用于对结构化日志数据进行特征提取，针对每条日志提取一组数字特征向量，所有数字特征向量形成特征数据集；

数据集划分模块(3)，用于对提取的特征数据集进行样本标注，并按照设定比例分为训练集和测试集；

模型训练及验证模块(4)，用于获取支持向量机模型，通过训练集对支持向量机模型进行训练，再通过测试集对支持向量机模型进行验证；

日志分类模块(5)，用于训练好并验证过的支持向量机模型对新产生日志进行分类，并对各类别日志设置对应管理策略。

8.如权利要求7所述的基于支持向量机的日志分类管理系统，其特征在于，日志解析模块(1)包括

日志分类模块(1.1)，用于获取原始系统日志；

日志结构化解析单元(1.2)，用于通过logkey方法对原始系统日志进行解析，得到常量结构数据和变量结构数据；所述常量结构数据包括系统程序源码消息，所述变量结构数据包括时间戳或参数值。