日前，数据挖掘顶级学术会议IEEE International Conference on Data Mining (ICDM) 在上海召开，会上发布了本届论文的最终评审结果，鼎茂科技作为第一单位的科研成果论文《PatternRCA: A Pattern-aware Root Cause Analysis Framework For Multi-dimensional Time Series》^[1]被大会收录为Regular paper（长文）。这是鼎茂科技连续第二年在国际顶会上发表智能运维相关论文。ICDM会议现场，鼎茂科技CTO何诚发表了论文演讲。

      IEEE International Conference on Data Mining (ICDM)是数据挖掘领域的知名会议，创办于2001年，每年一届，会议主题涵盖了有关数据挖掘的算法和智能系统等。IEEE ICDM与ACMSIGKDD，SIAMSDM并称为数据挖掘领域的三大顶级国际会议，其中ICDM是唯一实行论文盲审的会议，每年都会吸引大量领域尖端学者参会。据组委会公开信息，本届ICDM会议共收到来自世界52个国家和地区的有效投稿1003篇，经过双盲、三盲评审，最终仅有94篇论文被录用为Regular paper（长文录用率仅为9.37%）。

      论文背景：

      根因分析是运维领域进行智能化全面升级中重要一环，通常采用数据驱动，多种算法结合的方式，快速缩小问题定界定位范围，提升解决问题效率，最终保证整体业务系统的稳定性和可靠性。如何在海量高维搜索空间中，高效发现这些异常背后的根因问题，是根因分析（RCA）的主要难点。

      论文成果概要：

      经综合实验结果表明：我们的“PatternRCA”框架能准确分类故障模式，并且定位效果均优于其它主流算法。同时，我们提出的Cave算法能很好地适应非涟漪效应模式的故障，远优于其它主流基于涟漪效应的算法。

      当前该框架已在多个中大规模客户项目中部署应用，帮助客户高效准确地完成根因定位，提升解决问题效率，提升业务和系统的稳定性。

      此外，我们也已经实现了对不同类型的derived measures（扩展指标）的分析，并且同样已经完成了生产系统的部署和验证，我们将会持续在后续披露更多研究成果。

图 PatternRCA框架示意图

图 Cave算法流程