重復正負序列模式挖掘關鍵技術的研究.pdf

1、序列模式挖掘技術研究作為數(shù)據(jù)挖掘與知識發(fā)現(xiàn)領域的重要分支，它的目的是發(fā)現(xiàn)有趣的序列事件，為理論或?qū)嶋H應用提供數(shù)據(jù)支持。不同于傳統(tǒng)序列模式挖掘思路，負序列模式提供了一種序列模式分析的新角度，它不僅涵蓋了已經(jīng)存在或發(fā)生的事件（行為），還將未發(fā)生的事件（行為）考慮在內(nèi)。這些未發(fā)生的事件的性質(zhì)為本應發(fā)生的，但因為某些原因而被隱藏，因此往往容易被人們忽略而導致錯失了重要信息。近年來人們愈發(fā)認可負序列模式的價值，并在諸多實際領域中應用了負序列模式來

2、提取有效信息，例如在消費行為分析，疾病診療和健康保險領域均提供了強有力的數(shù)據(jù)支持。然而，目前所有的負序列模式挖掘技術都沒有將重復模式考慮在內(nèi)，即它們只考慮了子序列在數(shù)據(jù)序列間出現(xiàn)的情況，而忽略掉了子序列在同一數(shù)據(jù)序列重復出現(xiàn)的情況。如果一條負子序列在一條數(shù)據(jù)序列中重復出現(xiàn)，意味著這條負子序列會擁有更高的支持度，從而引起人們的興趣，但若是不考慮重復模式，這樣一條擁有高重復性質(zhì)的負序列就很有可能不被發(fā)現(xiàn)，導致有效信息的遺漏。因此，本文在重復

3、序列模式挖掘方向做了系統(tǒng)的研究，探索了如何高效的發(fā)現(xiàn)重復正序列模式和重復負序列模式，并針對其中的關鍵問題進行了深入探討。此外，本文研究了現(xiàn)有的負序列模式挖掘算法存在的問題，并提出了一種更快速的負序列模式挖掘方法和一種可以從非頻繁序列中挖掘頻繁負序列的方法。具體內(nèi)容如下：
　　1、重復正序列模式挖掘方法。
　　本文基于經(jīng)典的GSP正序列挖掘算法提出了一種新的重復正序列模式挖掘算法RptGSP，并且對重復正序列進行了非重疊定義。

4、RptGSP算法不僅考慮了傳統(tǒng)支持度的計算方式，并且考慮了正子序列在每條數(shù)據(jù)序列內(nèi)部的重復次數(shù)，從而進一步獲得更多有趣有效的序列信息，為數(shù)據(jù)分析提供更好的支持。
　　2、重復負序列模式挖掘方法。
　　目前所有負序列模式挖掘算法均未考慮序列的重復模式，因此我們首先對重復負序列模式進行了定義，并提出了一種不需要重復掃描數(shù)據(jù)庫的高效重復負序列模式挖掘算法e-RNSP。該方法首先基于RptGSP算法發(fā)現(xiàn)的重復正序列來生成重復負候選序

5、列，之后應用公式可以高效的計算負候選的重復支持度，從而避免了重復掃描序列數(shù)據(jù)庫。實驗結(jié)果表明e-RNSP可以高效的發(fā)現(xiàn)具有高重復性的負序列模式。
　　3、快速負序列模式挖掘方法。
　　針對負序列模式挖掘算法e-NSP的不足，本文提出了一種更加快速地挖掘負序列模式的方法f-NSP。F-NSP使用了位圖結(jié)構(gòu)體替代了e-NSP算法中原有的數(shù)組結(jié)構(gòu)體，該結(jié)構(gòu)體用于表示每一條候選負序列被數(shù)據(jù)庫序列的包含關系，從而可以應用高效的位運算來

6、計算負候選序列的支持度，進一步提高挖掘負序列模式的效率。由于使用位圖可能在支持度極低的情況下造成數(shù)據(jù)空間比e-NSP消耗多的情況，本文又提出了一種自適應數(shù)據(jù)存儲策略來解決上述問題，并將其應用在算法f-NSP+中。實驗證明，在大多數(shù)情況下，f-NSP比e-NSP的效率高出幾倍到十幾倍，最好的情況下可以比e-NSP快上百倍，但是在有些情況下，例如數(shù)據(jù)庫所有頻繁模式支持度極低的情況下，e-NSP仍然具有它的優(yōu)勢。
　　4、非頻繁正序列中