AAAINov, 2018

基于限制条件的决策图顺序模式挖掘

PDF
TL;DR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。
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

  • 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

  • 串行模式挖掘的子序列交错模型

    本文提出一种基于概率模型的新型子序列交织模型，利用 MDL 原则定义了一种编码方案，能够高效地挖掘最相关的顺序模式，并使用相关的趣味性度量对其进行排序，同时使用结构化的期望最大化框架进行有效的推断。实验结果表明该模型挖掘出的模式具有低的错误率和冗余性，并具有实际应用中的高解释性和实用性。

    Feb, 2016

  • 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

  • 利用二分模式挖掘半结构化点击流数据中的意图预测

    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

  • 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

  • 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

  • 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

  • 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