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

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

该综述论文旨在提供一种对效用矿山（UPM）的综合和有结构的概述，包括其概念，方法和现有的高效用模式，采用的技术和算法等，同时考虑其高影响应用的实际挑战和开放问题。

May, 2018

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

使用 VIM，我们基于无监督和半监督集成流程、深层语言模型引导的并行 k - 近邻图建模法及社区探测技术，探测客户服务对话文本中的目的和主题，支持快速发掘和组织有关用户意图，提高数据分析师的工作效率，进而减少在新领域中构建和部署智能虚拟助手所需的时间和成本。

Feb, 2022

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

本文提出了一种新的框架，可以支持新类别的实用准则，利用规则式语言如 ASP 对数据集进行分析，并且利用扩展函数快速有效地进行编码和测试。最后，本研究以 COVID-19 患者的 ICU 预测为例，通过大量实验结果展示了所提方法的有效性。

Mar, 2023

本研究基于 Diderot 系统的细致记录，运用模式挖掘和自然语言处理方法，分析学生的行为互动并提取频繁出现策略，结果发现学生与老师的互动模式因测试类型而异，并且这些特点可用于预测学生成绩，揭示了混合课程中基于教育软件数据的数据分析对于了解学生行为和提升学习价值的重要性。

May, 2020

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

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