并行顺序模式挖掘调查

May, 2018

A Survey of Parallel Sequential Pattern Mining

Wensheng Gan, Jerry Chun-Wei Lin, Philippe Fournier-Viger, Han-Chieh Chao, Philip S. Yu

TL;DR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。

Abstract

With the growing popularity of shared resources, large volumes of complex data of different types are collected automatically. Traditional data mining algorithms generally have problems and challenges including huge memory cost, low processing speed, and inadequate hard disk space. As

sequential pattern mining parallel computing big data data mining spm

发现论文，激发创造

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

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

tSPM+：一种从临床数据中挖掘传递序列模式的高性能算法

通过集成机器学习工作流和时间模式挖掘，本文提出了 tSPM+ 算法，该算法在提取临床数据中的时间模式时能够提供高性能、快速和低内存消耗，以识别符合世界卫生组织定义的 Post COVID-19 患者及其症状。

Sep, 2023

考虑多次出现的频繁串事件增量挖掘

本文提出一种新的序列模式挖掘问题，建议使用新的策略剪枝搜索空间，以识别模式的基本特征和之间的相互关系，并通过在真实和合成数据上的实验证明了该方法的有用性。

Jan, 2022

对比模式挖掘：一份调查报告

该研究论文介绍了对比模式挖掘的研究方向，并分类讨论了各种挖掘策略和方法，包括序列模式和对比模式，提出了不同算法和优缺点，最后探讨了该领域的挑战和机遇。

Sep, 2022

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

长短参半：用序列事件摘要串行情节

本文介绍了一种针对序列数据的模式集挖掘方法，使用 MDL 原则编码序列数据，通过权重编码序列中的序列事件集以确定模式质量，通过两种算法进行模式挖掘，证明能够有效发现具有信息量的小模式集。

Feb, 2019

通过安全模式修剪实现预测模式挖掘模型的高效选择

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

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