KDDDec, 2022

基于序列数据的快速实用程序挖掘算法 HUSP-SP

PDF
TL;DR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。
high-utility sequential pattern miningsequence projectionefficiencyupper bound valuespruning strategies
发现论文，激发创造
  • TKUS：挖掘 Top-K 高效顺序模式

    本文提出了 TKUS 算法用于解决 top-k HUSPM 问题，该问题是指在序列式数据库中寻找在最小效用阈值下，所有具有高效用的子序列，并且相比于目前最先进算法 TKHUS-Span，实验结果表明 TKUS 可以取得等效甚至更好的表现。

    Nov, 2020

  • 基于个性化阈值的多序列效用挖掘

    该研究设计了一种新的实用性挖掘框架，名为 USPT，旨在通过个性化阈值跨多个序列挖掘高效能序列模式，并开发了几个修剪策略以提高效率。

    Dec, 2019

  • 基于投影的序列数据效用挖掘

    本研究提出了一种高效的基于投影的 ProUM 方法来挖掘时间序列数据中的高效序列模式，并应用新的上界命名序列扩展效用及几个剪枝策略来优化效率，实验结果表明，该算法相对于现有算法在执行时间、内存使用和可伸缩性等方面明显优异。

    Apr, 2019

  • 用于效用最大化的全序列规则

    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

  • 关联序列规则研究

    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

  • 基于序列效用占用度量的序列效用最大化

    提出了一种考虑高效挖掘序列数据中高效利用率和低占用率的新算法 SUMU，通过设计数据结构 UOL-Chain 和 UO-Table 提高了算法的效率。

    Dec, 2022

  • 扩展高效用模式挖掘：一种基于答案集编程的框架和应用

    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

  • 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

  • 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

  • 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