多时间粒度序列模式挖掘  

Mining Sequential Patterns of Multi-granularities

作　　者：李乃乾[1] 姚新会[1] 田东平[1] 

机构地区：[1]宝鸡文理学院计算机科学系,陕西宝鸡721007

出　　处：《小型微型计算机系统》2011年第1期51-55,共5页Journal of Chinese Computer Systems

基　　金：陕西省自然科学研究基础项目(2005F11)资助;陕西省教育厅专项科研计划项目(05JK137)资助

摘　　要：序列模式挖掘是数据挖掘的一个重要问题.传统的序列模式仅能揭示频繁出现的项目以及出现的顺序,但不能揭示在前续项目出现的情况下,后续项目出现的时间.在本文中,引入一种新的多时间粒度序列模式,模式中相邻项目之间的转换时间采用从原数据集中导出的、多时间粒度下的最小有界时间区间和平均时间标注.建立了多时间粒度序列模式挖掘模型,提出了一种新的多时间序列模式挖掘算法MG-PrefixSpan.实验表明,算法是有效的.Sequential pattern mining is an important data mining problem that can extract frequent subsequences from sequences.Although the conventional sequential patterns can only reveal what items are frequent occurring and in what order,they can not reveal how long time the items will occur after the preceding items.In this paper,a new form of multi-granularity sequence patterns are introduced,which is a sequential pattern where each transition time is annotated with multi-granularity boundary interval and average time derived from the source data.Then a model for mining multi-granularity sequence patterns is created and a novel algorithm,called MG-PrefixSpan,of multi-granularity sequential patterns is presented.Empirical evaluation shows that MG-PrefixSpan is efficient.

关 键 词：序列模式挖掘 时态序列模式 多时间粒度序列模式 序列模式挖掘算法 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]