时序转化为图构建高效可解释的时序分析模型

简介： 本文简要介绍我们刚刚被WSDM2021会议录用并即将发表的论文"Time-Series Event Prediction with Evolutionary State Graph"(论文地址)，在文中我们提出了一种将时序转化为图进行表示建模的方法。同时我们把所实现的方法落地为阿里云·SLS的智能巡检服务，可以应用于大规模的时间序列异常检测与分析，辅助运维，运营，研发等诸多场景。

image

整体导读

• 文章通过真实场景下数据分析，发现了时间序列状态之间的动态关系对于时序事件预测很重要；

• 文章提出了演化状态图来捕获时序状态之间的关系，并提出了EvoNet模型对演化状态图进行建模分析，在提高事件预测准确度的同时，也具备良好的可解释性；

• 文章发表在数据挖掘领域顶级会议 WSDM 2021 上。

时间序列的状态

如何对时间序列进行有效的分析在学术界有广泛的研究，例如异常检测[2]，语音识别[3]等。工业界也有非常多的应用场景，通常需要模型在进行判断的同时（例如判断异常），给出所做判断的合理解释，这对帮助人们进行更好的决策有很大的作用。

可解释的时间序列分析通常需要我们提取时间序列中代表性的特征。以前的工作很大一部分从经典的特征工程和表示学习入手，这些方法具有很好的可解释性，但主要依靠人的经验，在复杂的场景下很难做到通用化。近年来随着深度学习的发展，许多工作开始尝试一些复杂的模型方法来自动的挖掘特征。然而，尽管这些方法取得了良好的效果，但由于模型的复杂度高以及难以对结果很好的解释，许多方法不能很好地满足实际工业落地的需求。

近年来，可解释的时序建模多着眼于离散时序，在时间轴上将时序分段，然后从分段中抓出可以用于判断异常的表示，常见的方法有：

• 字典方法[3]，找时序分段的特征值

[图片上传失败...(image-e9638c-1608173399489)]

• 形状方法[4]，找时序分段的特殊波形

[图片上传失败...(image-d94249-1608173399489)]

• 聚类方法[5]，找时序分段的分类特征

image

这些方法可以有效的捕捉时序中的状态，即有表征意义的特征片段。然而，这些方式都是以静态的方式捕捉出特征，而忽略了时间序列是动态演变的。基于以上背景为出发，为了描述时间序列的动态信息，同时让模型学习更好的可解释性表示，该论文尝试捕捉时序状态随时间的动态变化信息，将相邻两时序段之间的状态变化用图（Graph）这种数据结构进行表示。整体时序的演变转化为动态图的变化，形成一种可推理可解释的方法用于时序建模与分析。

时序状态的识别

image image image

时序演化状态图

当我们将时序段识别成带权重的状态集后，一种简单的方法是将时间序列视为最可能状态的新的序列，然后对新构建序列的马尔科夫性质进行建模分析[6]。 但是，一个时序段不只会属于一个状态，而应该将其识别为具有不同权重的多个状态。因此，这项工作提出了一种新颖的动态图结构来描述状态之间的关系，并探索状态的动态变化如何揭示时间序列的演化。

image image image image

上图展示了一个预测网络流量异常的演化状态图的示例，实线表示写入流量，虚线表示读取流量，红色表示当天发生异常事件。(a) 可视化了四种识别出的状态，而 (b) 呈现在四个不同的时间间隔（在(a)中标记的I，II，III，IV）的演化状态图。 从图中所示的案例可以看出，当发生异常事件时，状态转换（＃2→＃16）和（＃2→＃8）在时间I上更加频繁。 同样，状态转换（＃2→＃8）和（＃8→＃23）在时间II处很明显。 这些转变表明，写入和读取流量的不平衡（状态8和状态16）或流量下降（状态23）将导致网络异常。 在时间III，在此期间未发生异常，可以看到状态主要停留在＃2中。 然后在下一个时刻IV出现异常。 因此可以看到状态转换＃2→＃16的明显增加。

时序演化状态图网络

当时序转化为动态图·演化状态图之后，如何对这种动态图结构进行建模分析变为了主要的问题，受图神经网络（GNN）的启发[7]，该文的研究者设计了两种机制来对演化状态图进行建模与分析，即局部信息聚合和时间图传播。

[图片上传失败...(image-c0b875-1608173399489)]

image image

特别的，在进行时间上信息聚合的操作中，该研究者们提出在点到点建模的同时，还应关注点到图的影响，即时序的演化不仅仅与状态与状态之间的转变有关，状态与整个时序片段之间的关系也有影响。因此，如图b，作者们采用层次循环神经网络机制，捕捉节点级别信息与图级别信息随时间的影响，通过有时间注意力机制（temporal attention）量化不同时间位置上影响的权重：

image

实验结果

文章对来自Kaggle的两个公共数据集，和来自国家电网、中国电信、阿里云的三个真实世界数据集进行时间序列事件预测任务。实验结果如下表所示：

image

工业落地实践

该文提出的算法已落地为阿里云·SLS的时间序列智能巡检服务。该方法可以提供大规模秒级别的实时异常检测，并给出异常判断初步解释，辅助于运维，运营，风控等诸多场景。详情请见《阿里云SLS·机器学习服务》。下面展现该文所列举的一个例子：

image

如图所示，图a 展现了云服务主机（ECS）监控下的每秒CPU利用率。红色表示1分钟内有异常。这个例子中设定了10个状态以构建演化状态图，并可视化了每个时间位置的时间注意力分数。

1.时间注意机制的有效性：如图b所示，热力图可视化了不同时间位置的注意力得分。我们可以看到注意分数成功地突出了图a中异常的位置。

2.演化状态图的可解释性：如图c-e所示，我们可以看到，时间位置I的图中有一个主要的转移＃2→＃4→＃0，而在时间位置II的图中则是＃3→＃5。请注意，II之后立即发生异常。当我们在时间轴上汇总所有演化状态图时（图d）可以发现，过渡＃2→＃4→＃0是图中的主要路径，而＃3→＃5是次要路径。这些观察结果表明，间隔II中发生的转移＃3→＃5是异常的。

如图e所可视化的不同状态的平均曲线，可以看到，转移＃2→＃4→＃0表示服务进程，即CPU利用率从0.25上升到0.75，并在保持一段时间后下降。相反，转移＃3→＃5表示CPU利用率上升到0.5，然后立即下降。这些观察结果表明，这种异常可能是由CPU的故障引起的。

作者：笃林

原文链接

本文为阿里云原创内容，未经允许不得转载