規則庫

規則庫存放推論模組所需的規則，規則庫的來源有兩個，如上圖 4.7 所示，第一是 情境模組的情境相依資訊，第二是資料探勘模組得到的知識樣版。情境相依的規則，如 前面 4.1 節所示，描述情境之間的關係。舉例來說，System_A1 由 ServerA 所組成，以 規 則 的 方 式 呈 現 為“S

“

Syysstteemm__AA11 Æ

Æ S

SeerrvveerrAA (A

(

Assssmmbbllee))” ， 同 樣 的 ， 規 則 “MaryÆ EmailService (Use)”，則是表示使用者 Mary 使用 E-Mail 服務。知識樣版的規則，由資 料探勘所得，包含三類知識樣版，如前 4.2 節所示，規則“MMaarryy ÆUnable to send email,

Æ

mailbox quota exceed[[SS==22%%,, C=

C

=1155%%]]”，代表使用者“Mary”常常發生“無法寄信，信箱容 量不足”，而規則的可信度為 15%，支持度為 2%。下表 4.8 有完整的規則庫例子。

表 4.7 事實值來源

Context Information Incident Information Chosen Knowledge Pattern Person Mary User_desc Unable to send

email

Inc_desc. Mail Server Shutdown

Role Employee System_Error _Msg

Host not found Resolution_desc Restart the MailServer Dept. Accounting Impact High

Location MB205 Urgency Level 2

Supporter_Name Clay

Service E-Mail Service Priority 1

System System_A1 . .

S_dept. MIS2

表 4.8 規則庫來源 Context Dependency Knowledge Pattern

C.R. Incident Classification Rule C.R. Incident Classification Rule

MaMarryy ÆÆ Unable to send email, mailbox quota exceed [S[S==22%%,, CC==1155%%]]

RD, EMailService Æ mailbox quota exceed [S=1%, C=25%]

MB205, EmailService Æ MailServerCrash[[SS==22%%,, CC==1188%%]] C.R. Resolution Rule

C.R. Resolution Rule

Unable to send email, mailbox quota exceed ÆÆExtract Mail [S=2%, C=15%]

mailbox quota exceed, TaipeiÆÆremove mail from mailbox [S=1%, C=25%] C.R. Incident Dependency Rule

Unable to send email ÆÆMailServerCrash [S=2%, C=15%]

PC Crash, System_D ÆÆCPU Hot [S=2%, C=18%]

4.3.4 推論引擎與相關的後項(Inference Engine and Relevant Consequent)

推論引擎負責將事實值比對規則庫中的規則，得到符合的規則(Matched Rule)，並 將 符 合 規 則 的 後 項 ， 依 據 確 定 因 子 值 (Certainty Factor) 高 低 排 序 ( 確 定 因 子 簡 稱 為

“CF＂)，得到相關的後項，再將這些相關後項提供給其他模組。

首先，我們先介紹在推論過程中，需要計算CF值的元素以及他們的表示方法。如表 4.9所示，我們計算不確定的證據（Uncertainty evidence）、規則以及推論得到的後項的 CF值，而他們的表示法分別為“CF(X)”、“CF(X Y)”與“CF(X|R)”。其中，CF值範圍 為 [-1,1]，數值“1”代表完全確定，數值“-1”代表完全不確定。在不確定證據方面，由於 情境資訊都是從環境中所偵測到的，因此我們對於情境資訊的CF值都設為“1”，例如情 境資訊，使用者“Mary”的CF值，CF(“Mary”) = 1。

⇒

舉例來說，計算規則 “Mary Æ Unable to send email, mailbox quota exceed”的CF值，

首先輸入公式中所需的資訊，包含規則的可信度為“15%”，以及不確定證據“Unable to send email, mailbox quota exceed”的支持度為“10%”，代入公式，得到規則“Mary Æ Unable to send email, mailbox quota exceed”的CF值為“0.05” ，計算過程如下。

Mary ⇒Unable to send e-mail [S=2%, C=15%]

CF(C) = CF(A) * CF(IF A THEN C) = 1.0 * 0.8 = 0.8 CF(D) = CF(B) * CF(IF B THEN D) = 1.0 * 0.5 = 0.5 CF(C∧D) = min( CF(C) , CF(D) ) = 0.5

CF(E) = max(CF(C∧D) * CF(IF C∧D THEN E), CF(F) * CF(IF F THEN E)) = max(0.5 * 0.4, 1.0 * 0.1) = 0.2

根據推論結果，並依照上述 CF 值計算方法，將得到的相關後項，按照 CF 值高低 排序，呈現推論的結果。如下表 4.14 所示，在情境相依關係中，由於每個情境的 CF 值 都為 1.0，因此符合規則中後項的 CF 值也都為 1.0，相關的後項包含”ServerA”、”PC005”

以及”System_A1”。至於知識樣板中，相關的後項包含”MailServer Crash”以及“Unable to send email, mailbox quota exceed”等，依據 CF 值高低排序，表示其相關性的高低。

表 4.11 符合的規則後項，以CF值排序 Context Dependency

Context Dependency Knowledge PatternKnowledge Pattern Consequent CF Value C.R. Incident Classification Rule

ServerA 1.0 Consequent CF Value

PC005 1.0 Incorrect Username or PWD 0.25

System_A1 1.0 Mail Server Crash 0.17

C.R. Resolution Rule

Consequent CF Value

Restart Mail Server 0.16 Remove Mail From Mailbox 0.12

C.R. Incident Dependency Rule

Consequent CF Value

Can’t Start Mail Server 0.18

4.4 情境認知事件管理模組(Context-aware Incident Management Module)

情境認知知識支援模組負責依據推論模組得到的相關後項，採取適當的知識支援，

如下圖 4.9 所示。根據事件管理需求，我們訂定了三種事件管理所需的知識支援，情境 認知事件辨別知識支援、情境認知事件解決方案知識支援，以及情境認知事件相依知識 支援。

情境認知事件辨別知識支援，協助服務台人員針對新的事件提供情境認知的事件辨 別與事件分類的知識支援。情境認知事件解決方案知識支援，協助服務台人員針對新事 件提供建議情境認知的解決方案知識支援。事件感知事件相依知識支援，協助新事件發 生時，提供情境認知的事件相依推論的知識支援，讓服務台人員可以針對多筆相關事件 同時處理，或者是對於新事件採取預先處理的動作。

圖 4.9 情境認知知識支援模組架構(Context-aware Knowledge Support Module)

4.4.1 情境認知事件分類知識支援

情境認知事件辨別知識支援，負責協助服務台針對新事件，依據事件發生時的情境 以及使用者輸入的事件訊息，經由推論模組推論，推論規則庫中情境相關的事件描述，

推薦最有可能的事件描述，供服務台參考。以前面所舉使用者 Mary 發生 E-Mail 事件為 例，如下圖 4.10 所示，服務台人員掌握了事件發生時的情境資訊以及使用者提供的事件 資訊，透過推論得到可能的事件描述，然後依據 CF 值的高低，推薦最有可能的事件描 述，因此，推薦的第一可能事件描述為”Mail Server Shutdown”，CF 值為 0.35，第二可 能事件描述為”Wrong User Name or Password”，CF 值為 0.2，將這些事件描述供服務台 人員參考。

圖 4. 10 情境認知事件分類知識支援例子

4.4.2 情境認知事件解決方案知識支援

情境認知事件解決方案知識支援，在服務台針對新事件作完初步的辨別與分類後，

提供情境認知的解決方案推薦。同樣的，依據事件的情境資訊、使用者提供的事件資訊，

以及服務台針對事件辨別後，所產生的管理者事件描述，然後經由推論模組推論，產出 相關的後項，推薦最有可能的解決方案，供服務台人員參考。以前面所舉 Mary 發生 E-Mail 事件為例，如下圖 4.11 所示，由服務台選擇的事件描述，”MailServer Shutdown”，

以及事件的情境資訊及事件資訊，經由推論得到的可能解決方案，並依 CF 值的高低，

取 出 最 有 可 能 的 解 決 方 案 ， 因 此 ， 得 到 的 第 一 可 能 解 決 方 案 描 述 為 ”Restart the MailServer”，CF 值為”0.26”，第二可能解決方案描述為” delete useless mail from mail box in mail server”，CF 值為”0.2”，將這些解決方案描述供服務台參考。

圖 4. 11 情境認知事件解決方案知識支援例子

4.4.3 情境認知事件相依關係知識支援

情境認知事件相依知識支援目的在於推薦情境認知的事件相依資訊。當服務台人員 針對新事件作完初步的辨別與分類後，除了提供解決方案的建議，情境認知事件相依知 識支援同時還提供此事件與其他事件相依性的推薦。藉由這樣的推薦，服務台可以達到 兩個目的，第一是將類似事件一併處理，使用一個解決方案，解決多個事件。第二是採 取預先處理的解決方案，針對事件未來可能趨勢，預先採取適當的解決方案。

以前面所舉 Mary 發生 E-Mail 事件為例，如下圖 4.12 所示，由服務台選擇的事件描 述，”MailServer Shutdown”，以及事件的情境資訊及事件資訊，經由推論得到的可能相 依事件，並依 CF 值高低，取出最有可能的相依事件，因此，得到的第一可能相依事件 描述為”can’t send email”，CF 值為”0.7”，第二可能相依事件描述為” mail server crash”，

CF 值為”0.3”，將這些相依事件描述供服務台參考，採取適當的解決方案。

圖 4.12 情境認知事件相依知識支援例子

五、系統建置與實作

依據前面所提的架構，我們設計一個雛型系統，來說明整個架構的運作方式。本章 中詳述系統實作方式、開發工具及平台與系統功能介紹，並且使用Web介面的情境認知 服務台，展示事件處理時的情境認知知識支援。最後以一個模擬的事件，說明本系統如 何對於事件處理進行有效的協助。

本章節將分成五個部份，第一個部分將說明系統的實作方式以及開發工具與平台。

第二部份是情境模組的實作說明，說明如何使用Protégé建置情境本體類別(Context Ontology class)。第三部分則是資料探勘模組的實作說明，說明如何使用Weka進行有限 制的關聯規則探勘，找出對事件管理有用的情境相關知識。第四部份則是以一個模擬的 事件，以Web介面呈現的服務台，說明推論模組的運作方式，以及整個情境認知的事件 處理知識支援。

5.1 開發工具及平台

本雛型系統的開發工具與平台如下表5.1所示：

表 4. 12表 5.1：系統開發工具與平台

Operating System Microsoft Windows Server 2000 Application Server Tomcat 4.0

系統平台

Database Server Microsoft SQL Server 2000 開發語言與工具 JSP 2.0

Java JDK 1.3

情境資訊呈現語言 Ontology Web Language(OWL)

資料探勘工具 Weka 3-4

情境資訊建置工具 Protege 3.1

5.2 情境模組的實作內容

在此說明如何使用Protégé建置情境本體類別(Context Ontology Class)以及情境相依 關係，並且依據這些類別，產生我們所需的案例(Instance)，然後以OWL語言呈現，達到 共享(Reuse)以及機器可讀(Machine Readable)等優點。最後以RD部門的Mary使用者在使 用E-mail服務發出事件請求為例，說明此事件的情境資訊，以及以OWL呈現的結果。

我們使用Protégé 建置情境的本體類別，Protégé[21]是由史丹佛(Stanford)大學所開 發，是一個以Java為基礎，開放原始碼(Open Source)的本體編輯器(Ontology Editor)，其 中的OWL外掛程式(Plugin)[22]，可以讓我們使用Protégé來讀取、儲存與編輯OWL本體 類別。OWL使用於應用程式之間的訊息傳遞，與其他語言比較，如XML、RDF等，OWL 提供更多額外的詞彙於正式的語意間，來描述屬性以及類別。

下面我們介紹以Protégé進行情境造型(context modeling)，依據前面4.1節所設計的情 境特徵本體與情境相依關係，產生情境本體類別：

(1). 新增情境本體類別：

在這裡我們依據先前4.1節所訂定的情境特徵本體，設計本體類別，如圖5.1所 示，設計了下面幾個類別，Location、Organization、Person、Service、SysComponent、

System以及Time類別。

(2). 設計情境特徵類別的資料屬性

設計完情境特徵的本體之後，開始填入每個情境特徵本體的資料屬性(data properties)，以人員(Person)本體類別為例，資料屬性包含姓名(Name)、性別 (Gender)、地址(Address)以及職務角色(UserRole)。如下圖 5.2 所示，我們於 Person 的類別中，加入上述的屬性(Properities)。

圖 5.1：設計情境特徵類別

圖 5.2：設計情境特徵類別 Person 的資料屬性

(3). 設計子類別

部分情境特徵類別之間，具備有子類別的關係，在此以SysComponent為例，

SysComponent類別包含NetworkDevice、Platform等子類別，如下圖5.3所示，我們使 用Protégé設計SysComponent子類別。

(4). 設計情境相依關係

當設計完各個情境特徵類別之後，我們開始設計情境相依關係，舉例來說，類 別Person與Service之間，具備情境相依關係”Uses”，因此我們於Propertities新增物件 屬性(Object Properties)，命名為”UseService”，並設定Domain與Range分別為”Person”

與”Service”，表示情境相依關係，“Person Æ Service (Use)”的關係。如下圖5.4所示。

圖 5.3：設計情境特徵類別 SysComponent 的子類別

圖 5.4：設計情境相依關係 UseService

(5). 填入各個類別的個體(Individual)

當建立好各個情境特徵類別與情境相依關係之後，開始填入各個類別中的個 體，以類別Person為例，我們填入個體為”Mary”，以及他的各項情境資訊以及與其

當建立好各個情境特徵類別與情境相依關係之後，開始填入各個類別中的個 體，以類別Person為例，我們填入個體為”Mary”，以及他的各項情境資訊以及與其

在文檔中 IT服務管理：運用情境認知之知識支援於事件管理 (頁 39-0)