一种通用的Top-k货架效用挖掘算法
本文提出一种基于核函数、高斯过程预测和子模函数的算法GP-Select，用于在考虑物品相似性和利用率的基础上从一个成本累计预算中选出最大价值的子集以及同时具有高效和多样性并将其应用于三个真实世界的案例，并在无需逼近的情况下，通过利用模型更新的结构实现了数量级上至多40倍的加速。
Jun, 2015
本文研究采用大数据技术设计新的UFC$_{gen}$和UFC$_{fast}$算法，用于收集三种类型的模式，以帮助人们确定不同产品组合的市场位置，并在真实和模拟数据集上比较这两种算法，结果表明基于列表的UFC$_{fast}$算法在执行时间和内存消耗方面优于基于层次的UFC$_{gen}$算法。
Jun, 2022
本文提出了一种名为THUIM的新型基于列表的算法和匹配机制，以快速匹配挖掘过程中的高效用途项集，以选择目标模式，相对于已提出的算法，THUIM在运行时间和内存消耗方面表现良好，并具有良好的可伸缩性。
Jun, 2022
本研究提出了一种名为TFUM的新型一阶暂态模糊效用项集挖掘方法，该方法在内存中维护不多但重要的有关潜在高暂态模糊效用项集的信息，然后在较短时间内发现一组完整且真正有趣的模式。实验证明，该方法在运行时间、内存使用率和可扩展性方面优于现有算法。
Aug, 2022
本研究提出一种名为CoIUM的新算法，采用了数据库投影机制来减少数据库扫描成本，并利用两个上界和四种修剪策略，以有效修剪搜索空间，使用线性时间和空间计算和存储采用的上限，大量实验结果表明CoIUM在运行时间和内存消耗方面显著优于现有算法，是高效挖掘相关高效用项集的有效算法。
Aug, 2022
本文提出了两种新算法TotalSR和TotalSR+，用于发现所有高效用的有序序列规则。实验结果证明，TotalSR相对于具有较少剪枝策略的算法显着更高效，TotalSR +相对于TotalSR在运行时间和可伸缩性方面显着更高效。
Sep, 2022
该研究提出了一种称作相关高效序列规则挖掘器（CoUSR）的新算法，它融合了关联性概念到高效序列规则挖掘器（HUSRM）中，采用效用列表结构来避免多次数据库扫描，并使用多个修剪策略来提高算法效率和性能。实验结果表明，CoUSR在计算时间和内存消耗方面是有效和高效的。
Oct, 2022
通过引入紧凑的序列投影结构(seqPro)，设计了一种高效算法 HUSP-SP 以解决高效用途的序列模式挖掘(HUSPM)中的时间和内存消耗问题，并采用新的上限值和剪枝策略来提高挖掘性能。
Dec, 2022
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