KDDJun, 2015

非单调约束最佳区间模式的快速生成

PDF
TL;DR该论文介绍了在模式挖掘中，使用投影反单调性和 θ−Σοφια 算法可以有效生成满足非单调限制条件的最佳模式，并利用稳定性和 Δ- 度量应用于区间元组数据集，计算最佳模式，并显示其优势。
pattern miningnonmonotonic constraintsinterval tuple datastabilitydelta-measure
发现论文，激发创造
  • 使用约束编程的高效频繁序列挖掘算法

    通过数据挖掘和约束编程技术，改进了序列模式挖掘中计算问题的模块，使用可通用的约束求解器，加快了计算速度并提高了挖掘效率。

    Apr, 2016

  • 基于限制条件的决策图顺序模式挖掘

    提出了基于多值决策图表示法的约束序列模式挖掘技术，可以适应多个项目属性和各种约束类型，包括一些非单调约束。通过开发一个基于 MDD 的前缀投影算法，可以将其应用性进行评估，并与典型的生成检查变体以及最先进的基于约束的序列模式挖掘算法进行性能比较，结果表明我们的方法在可伸缩性和效率方面与其他方法相当或优于其他方法。

    Nov, 2018

  • 序列模式挖掘的前缀投影全局约束

    本文提出一种基于投影数据库原则的全局约束来解决约束编程方法的不足，实验结果表明该方法在大型数据集上表现优异，明显优于约束编程方法并且可以与特定方法竞争。

    Apr, 2015

  • 在子采样下寻找强韧项目集

    提出了一种新的理论框架，通过测量项集的属性（如闭合性或不可导性）的稳健性来进行模式压缩，以减少模式挖掘中的模式爆炸问题，并演示了如何在不抽样数据的情况下分析地计算稳健性。

    Feb, 2019

  • 在序列数据库中挖掘序列模式的约束编程方法

    本研究采用约束编程 (CP) 技术，探讨在序列数据库中建模和挖掘顺序模式的方法。实验证明了我们的 CP 方法的可行性和实用性。

    Nov, 2013

  • 区间数据和分布数据的闭合模式挖掘

    我们讨论了用于闭合模式挖掘和间隔数据以及分布式数据学习的模式语言。我们介绍了依赖于交集约束或包含约束或两者的间隔的模式语言，并将此类间隔模式编码为项目集，从而允许使用封闭项目集挖掘和形式概念分析程序。我们在聚类和监督学习任务上对这些语言进行了实验，然后展示了如何扩展该方法来处理分布式数据。

    Dec, 2022

  • 在增量不确定数据库中挖掘加权序列模式

    由于科学技术的迅速发展，不确定、嘈杂和不确定数据的重要性以指数速度增加。因此，挖掘不确定数据库中的模式引起了研究人员的关注。此外，需要发现这些数据库中的频繁项目序列以获得具有重大影响的有意义知识。因此，在挖掘序列模式时需要处理权重的约束。然而，这些算法仅限于挖掘精确的模式。因此，我们在这项工作中开发了一种在不确定数据库中挖掘频繁序列的算法，并提出了两种新的增量挖掘技术。我们进行了大量的实验以评估性能，并分析显示了我们提出的框架的效率。

    Mar, 2024

  • 具有保证的模式挖掘灵活约束取样

    Flexics 是第一款灵活的模式采样器，支持多种质量度量和约束条件，并提供强大的采样准确性保证，可用于各种模式语言，包括模式集采样，实验结果表明 Flexics 既准确又高效。

    Oct, 2016

  • PaTeCon: 基于模式的知识图谱冲突检测的时间约束挖掘方法

    该研究提出了一种基于模式的时间约束挖掘方法（PaTeCon），通过使用图模式和相关的统计信息来生成自动约束，从而解决知识图谱中保持时间一致性和检测潜在时间冲突的挑战。实验结果表明，基于模式的自动约束挖掘方法非常有效。

    Apr, 2023

  • 时间知识图谱的冲突检测：一种快速约束挖掘算法和新的基准测试

    通过基于模式的时间约束挖掘方法，本研究在知识图谱研究领域开发了一种自动生成有关时间的约束规则的方法，用于解决时间约束对知识图谱一致性的影响，并通过构建两个新的冲突检测基准数据集，证明了该方法在生成有用的时间约束方面的高效性。

    Dec, 2023