随着数据采集和存储技术的不断发展,各个领域中产生的时序数据的类型和规模都有了巨大的增长,对这些时序数据进行信息采集发现成为数据挖掘的一个重要研究方向。特别是在系统管理中,对历史日志事件序列中的隐藏模式进行挖掘,有助于管理人员了解系统内部的运行状态,进行系统日志管理,异常检测和故障溯源等工作。对于事件序列依赖发现,传统方式一方面采用时间窗口机制挖掘事件之间简单的关联依赖,另一方面对于存在交叉依赖的情况下只能挖掘成对时序依赖。因此本文针对以上这些问题进行研究工作,主要的研究内容如下:(1)本文首先对事件序列和时序依赖进行了问题描述和分析,对事件序列依赖发现中的频繁情节发现和基于交叉依赖的成对时序依赖发现算法进行了研究和讨论,总结了这两类事件序列依赖发现的优缺点。(2)本文提出一种基于时滞特征的成对时序依赖情节发现算法,引入时滞情节发现的概念,在事件匹配环节采用相邻事件匹配集算法,避免预先设定时间窗口,通过时滞的概率统计模型处理可能存在的交叉关联,并得到时滞情节之间的时间间隔分布。与迭代最近事件算法相比,该算法衡量事件多种匹配情况的可能性,获得一对多的相邻事件匹配集,更加有效得模拟了时滞的实际情况。(3)本文在成对时序依赖发现的基础上,对多个事件之间的时序依赖进行研究,提出了一种基于Trie树的事件链发现算法。使用有序表结构挖掘成对时序依赖,然后通过构建基于事件链的Trie树逐层连接扩展,根据扩展得到的事件实例集合判断事件链的合格性。