Feb, 2019

长短参半：用序列事件摘要串行情节

PDF
TL;DR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。
pattern miningsequential datapattern set miningmdl principleserial episodes
发现论文，激发创造
  • 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

  • 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

  • 简洁有效：使用多元模式总结复杂事件序列

    本文研究了如何利用富有多变量的序列模式获得离散多元序列数据的简明描述，并通过最小描述长度原则提出了一种高效的算法 DITTO，能够快速而准确地发现数据的高质量模式，从而提供了一个易于理解的数据总结。

    Dec, 2015

  • 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

  • 时间到模式：面向可扩展时间序列概括的信息论非监督学习

    时间序列汇总是从数据集中生成可解释和有代表性子集的过程。我们引入了一种名为 Time-to-Pattern (T2P) 的时间序列汇总方法，通过学习离散时间序列的信息嵌入，在解释性的潜在空间中找到一组多样性模式来编码最显著的信息，并在综合实验中展示了 T2P 相较之前的工作在模式多样性和处理可扩展性方面的显著改进。

    Aug, 2023

  • 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

  • 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

  • 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

  • 事件序列的概述马尔可夫模型

    本文提出了一种用于处理事件序列的概率模型 - 总结马尔可夫模型，通过选择合适的汇总功能函数，该模型的事件类型的发生概率仅依赖于其历史发生的事件类型的汇总，针对文本类数据进行了模型的构建和优化，通过实验检验模型的性能和发现能力。

    May, 2022

  • OPP-Miner：保序序列模式挖掘

    本文提出了一种基于保序匹配的顺序保持顺序模式 (OPP) 挖掘方法，旨在通过相对顺序来表示时间序列数据，发现时间序列中的频繁趋势，并应用于 COVID-19 疫情分析和聚类性能提高。

    Jan, 2022