数据流频繁模式挖掘综述

• 作者: 丁剑 韩萌
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 数据流 数据流挖掘 频繁模式挖掘 序列模式挖掘 高效用模式挖掘
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 719-727
• 页数: 9页
• 分类号: TP18
• 字数: 12136字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018081712

摘要

一些先进应用如欺诈检测和趋势学习等带来了数据流频繁模式挖掘的发展.不同于静态数据,数据流挖掘面临着时空约束和项集组合爆炸等问题.对已有数据流频繁模式挖掘算法进行综述并对经典和最新算法进行分析.按照模式集合的完整程度进行分类,数据流中频繁模式分为全集模式和压缩模式.压缩模式主要包括闭合模式、最大模式、top-k模式以及三者的组合模式.不同之处是闭合模式是无损压缩的,而其他模式是有损压缩的.为了得到有趣的频繁模式,可以挖掘基于用户约束的模式.为了处理数据流中的新近事务,将算法分为基于窗口模型和基于衰减模型的方法.数据流中模式挖掘常见的还包含序列模式和高效用模式,对经典和最新算法进行介绍.最后给出了数据流模式挖掘的下一步工作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩萌	北方民族大学计算机科学与工程学院	26	99	4.0	9.0
2	丁剑	北方民族大学计算机科学与工程学院	12	72	5.0	8.0