本文讨论了如何通过用户反馈学习模式的质量函数，并提出了使用更复杂的直接从模式排名派生的特征来替代现有方法中的低级特征，以及如何将多样性约束纳入交互式挖掘系统中。实验结果表明，在参数选择和特征工程方面的优化会提高挖掘算法的性能。

Apr, 2022

基于多兴趣驱动的交互式框架，该研究旨在发现与用户感兴趣的模式。通过迭代和交互的方法，将专家知识纳入发现过程，从而得到与过程结果相关的有意义的模式，并且在自动设置中可与单个兴趣维度的模式相媲美或更好的预测性能。

Aug, 2023

本文提出一种使用多准则决策制定方法学习模式排名功能的方法，其中将不同的趣味度度量聚合成单个加权线性排名函数，使用交互式学习过程。该方法基于层次分析过程（AHP）和一组用户排名的模式来构建偏好矩阵，比较根据用户特定趣味度而言的测量的重要性。在广受欢迎的数据集上进行的实验表明，与现有技术相比，该方法显著减少运行时间并返回精确模式排名，同时对用户误差具有鲁棒性。

Mar, 2022

本文提出了一种新的通过模式采样和互动数据挖掘相结合的方法 - LetSIP 算法来解决模式挖掘中的冗余问题，并利用用户反馈直接学习代表用户兴趣的采样分布的参数，该方法在模式挖掘中表现出速度更快、效果更好的优势。

Feb, 2017

本研究提出了 Safe Pattern Pruning (SPP) 用于解决预测模式挖掘中模式数量爆炸的问题，并演示了该方法在涉及集合，图和序列的回归和分类问题中的有效性。

Jun, 2023

通过约束推理，我们引入了一种半结构化数据的模式挖掘框架，可以发现频繁出现且具有所需特性的顺序模式，从而创建有用的新模式嵌入，进而用于客户意图预测。总的来说，我们证明了模式嵌入在半结构化数据和机器学习模型之间具有整合作用，提高了下游任务的性能并保留了可解释性。

Jan, 2022

本文讨论模式挖掘在预测模型中的应用，并提供具有解释性和准确性的模式选择方法。

Nov, 2011

在社交媒体兴起和预训练语言模型的帮助下，探讨了对话的复杂性与价值。使用无监督方法开发了一种对话模式挖掘技术，并从开源电影脚本数据集中提取了模式以进行探索性研究。

Nov, 2022

本文提出了一种用于生成基于偏好的会议探索交互式问卷的端到端框架，通过自动生成问卷，使用户快速探索会议内容，并提出了自动评估策略，保证所生成的问题的答案的正确性和可能的探索深度覆盖源会议。

May, 2022

通过最小描述长度原则，我们提出了用于全局、可解释无歧义地描述分类器的模式的算法 Premise，可以有效地理解现代 NLP 分类器的系统性错误。

Oct, 2021