1. 时空数据多指标预测

时空数据哪有几种

• 图片+时间轴
• 时间序列+空域关系

Related Work

数据集

挑战

1. node edge均有异质性：

• node：基站业务不同，数据分布不同
• edge：node间有不同的关系（举例：来向与去向的高铁节点、小区间的节点）

2. 缺乏连续性的假设：用户接入不受物理空间约束，可以瞬间从小区A接入到小区B

3. 突发性

4. 网络结构复杂性（领区关系）：不同区域，基站之间的连接密集程度有很大不同

自己的工作

强调自适应感受野，强调异质性

2. 人机物融合智能运维：感知、诊断、交互

重点：需要融合人类知识到已有的时间序列、日志分析中

主要分析日志数据，数据特点：半结构化、多言且复杂、不同组件、第三方组件日志的异质性。

难点

分布式系统的特点

分布式系统，统一请求日志在数据中交替出现，而不唯一

…

他们的工作

概述

重点1：模型适应性问题，自学习、自更新的故障预测模型，human-in-loop

重点2：机器学习结果如何提高人类的运维水平，指导程序员设置meaningful的日志打印点（打印点越多，日志包含的信息越无用），实际效果大幅减少打印点、且提升了故障诊断准确度

重点3：CMDB相关

重点4：知识图图谱

重点5：人机智能问答

3. 落地经验