周期性一般间隙约束的序列模式挖掘

• 作者: 刘靖宇 吴信东 周坤 武优西 江贺
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 序列模式挖掘 一般间隙 频繁模式 模式匹配 Apriori性质 人工智能
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 1338-1352
• 页数: 15页
• 分类号: TP18
• 字数: 13647字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2017.01338

摘要

序列模式挖掘是从给定序列中发现出现频率高的模式的一种方法,目前已在诸多领域被广泛应用.假定子模式pi和pj(i＜j)可以分别匹配事件A和事件B,传统的序列模式挖掘方法能够对事件B在事件A之后的序列进行检测,而不能对事件B发生在事件A之前的序列进行识别.为了解决此问题,文中提出了周期性一般间隙约束的序列模式挖掘问题,该问题具有如下5个特点:间隙约束的最小值可为负值的一般间隙约束;每个间隙约束都相同的周期性模式;在支持数统计方面无特殊约束,即允许序列中事件多次使用;该挖掘问题满足Apriori性质;挖掘支持率大于给定的频繁度阈值的频繁模式.为了进行有效地挖掘,采用深度优先的方式建立模式树.文中采用模式匹配技术,在一遍扫描序列数据库的情况下,建立其所有超模式的不完整网树森林(不完整网树是网树的最后一层结点,可以存储在一个数组中,可以有效地表示一个模式在一个序列中的支持数),并对这些超模式的支持率进行有效地计算,进而挖掘出所有频繁模式,有效地提高了序列模式挖掘速度.实验结果验证了文中算法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武优西	河北工业大学计算机科学与软件学院	28	466	10.0	21.0
2	江贺	大连理工大学软件学院	47	513	12.0	21.0
3	刘靖宇	河北工业大学计算机科学与软件学院	8	39	3.0	6.0
4	周坤	河北工业大学计算机科学与软件学院	12	21	3.0	4.0