在我国电信网络设施建设飞速发展、电信网络用户数量激增、网络情况日益复杂的情况下,大量网络故障的发生对国民经济、运营商收益造成了极大的损失。近年来,大数据技术愈发成熟,使得利用现有的大量设备日志数据预测网络故障,进而进行快速定位和修复成为可能。然而,网络设备日志数据量大、维度高、结构复杂、难以分辨的特点,却为数据挖掘工作带来极大挑战。为了能够进行进一步的数据挖掘,本文提出并实践了一种新的针对大规模网络设备日志的模式提取方法。论文的主要内容包括:1、总结了现有的日志模式提取方法和不足,以及网络设备日志处理遇到的主要难点。2、设计了一种针对网络设备日志的模式提取方法,并以某省运营商14天的日志数据为例,对日志模式提取方法的效果进行了验证。3、针对模式提取后的冗余问题,应用word2vec的方法对日志模式进行汇总和归并,并应用k-means和轮廓系数的方法对于数据模式化的效果进行了验证。经过一系列模式提取方法的应用后,上亿条网络设备日志被汇聚为八千种日志模式,有效降低了日志数据的维度且提取出有价值的特征,使日志数据可以应用于数据挖掘分析。