MMApr, 2016

使用约束编程的高效频繁序列挖掘算法

PDF
TL;DR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。
constraint programmingsequential pattern miningprojected frequenciesdata miningbacktracking
发现论文，激发创造
  • 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

  • 使用 GAP 约束挖掘连续模式的全局约束

    本文提出了基于全局约束 GAP-SEQ 的序列模式挖掘方法，能够在处理有或者无缺口约束的情况下获得更好的性能，并超越了传统的基于约束编程方法与 cSpade 方法。

    Nov, 2015

  • 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

  • 基于约束编程的序列挖掘

    本文探讨了使用约束编程作为此任务的通用框架，并提出了两种约束编程公式。第一种公式引入了一个新的全局约束，称为 exists-embedding。实验表明其灵活性和与现有方法的比较。

    Jan, 2015

  • 用于序列模式挖掘的内存高效字典树

    本文研究了数据挖掘中的基础问题 Sequential Pattern Mining，并提出了基于 Trie-based 模型的数据集建模和挖掘算法，大幅提高了算法在时间和内存上的效率。实验结果表明我们的算法在实践中更快且更节省内存。

    Feb, 2022

  • 基于序列数据的快速实用程序挖掘算法 HUSP-SP

    通过引入紧凑的序列投影结构 (seqPro)，设计了一种高效算法 HUSP-SP 以解决高效用途的序列模式挖掘 (HUSPM) 中的时间和内存消耗问题，并采用新的上限值和剪枝策略来提高挖掘性能。

    Dec, 2022

  • 并行顺序模式挖掘调查

    本文深入调查和提供了当前并行顺序模式挖掘的现状，包括传统串行 SPM 方法的详细分类，以及最先进的并行 SPM 方法。我们详细审查了并行顺序模式挖掘的相关工作，包括基于划分的算法，基于 Apriori 的方法，基于模式增长的 PSPM 和混合算法，并深入介绍了这些并行 PSPM 方法的特点、优势、缺点和总结。此外，我们还审查了一些著名的 PSPM 开源软件。最后，我们总结了大数据时代 PSPM 的一些挑战和机遇。

    May, 2018

  • TaSPM: 目标序列模式挖掘

    提出了一个基于快速 CM-SPAM 算法的通用框架 TaSPM，旨在解决有目标序列的顺序模式挖掘问题，并通过设计四种修剪策略提高其在大规模数据集和多项基序列数据集上的效率。大量实验证明，TaSPM 算法可以实现更快的运行时间和更少的内存消耗。

    Feb, 2022

  • 应用答案集编程进行模式挖掘

    本文探讨使用 Answer Set Programming（ASP）这样的声明性语言来有效地解决序列模式挖掘的问题，提出了几种 ASP 实现序列模式挖掘任务的方法，即非增量和增量分辨率，并发现增量分辨率比非增量分辨率更有效，在序列模式挖掘方面具有潜在的应用。

    Sep, 2014

  • 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