{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,4,23]]，“日期-时间”：“2024-04-23T12:50:33Z”，“时间戳”：1713876633299}，“参考-计数”：45，“出版商”：“爱思唯尔BV”，“许可证”：[{“开始”：{-“日期-零件”：[2015,3,1]]，”日期-时间“：”2015-03-01T00:00:00 Z“，”timestamp“：1425168000000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[《信息科学》]，“published-print”：{date-parts“：[2015,3]]}，”DOI“：”10.1016\/j.ins.2014.09.063“，”类型“：”期刊文章“，”创建“：{“date-parts”：[[2014,10,22]]，“date-time”：“2014-10-22T15:49:40Z”，“timestamp”：1413992980000}，“page”：“175-200”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：8，“title”：[“具有一般部分顺序的剧集的统计意义”]，“前缀”：“10.1016”，“volume”：“，”作者“：[{“given”：“Avinash”，“family”：“Achar”，“sequence”：“first”，“affiliation”：[]}，{“given”:“P.S.”，”family“：”Sastry“，”sequence“：”additional“，”affiliation:[]}]，“member”：“78”，“reference”：[{“issue”：“2”，“key”：”10.1016\/j.ins.2014.09.063_b0005“，”doi-asserted-by“：“crossref”，《首页》：“223”，“DO”I“：”10.1007\/s10115-011-0408-2“，”文章标题“：“基于先验的频繁事件发现算法的统一视图”，“卷”：“31”，“作者”：“Achar”，“年份”：“2012”，“期刊标题”：“Knowl.Inf.Syst.”}，｛“问题”：“1”，“密钥”：“10.1016\/j.ins.2014.09.063_b0010”，“doi断言”：“crossref”，“首页”：“67”，“doi”：“10.1007\/s10618-011-0233-y”，“文章标题”：“发现具有一般偏序的内射集”，“卷”：“25”，“作者”：“Achar”，“年份”：“2012年”，“新闻标题”：“Data Min.Knowl.Discov.”}，{“key”：“10.1016\/j.ins.2014.09.063_b0015”，“非结构化”：“A.Achar，发现具有一般偏序的频繁集（博士论文），印度科学院电气工程系，印度班加罗尔，2010.“}，{”key“：”10.1016\/j.ins.2014.09.063_b0020“，”doi-asserted-by“：”crossref“，”first page“：“91”，”doi“：”101016\/j.datak.2013.06.005“，”article-title“：”Pattern-growth based frequency serial seption discovery“，“volume”：“87”，“author”：“Achar”，“year”：“2013”，“journal-title“：”数据知识。Eng.“}，{”key“：”10.1016\/j.ins.2014.09.063_b0025“，”unstructured“：”R.Agrawal，R.Srikant，Mining sequential patterns，in:Proceedings of the 11th International Conference on Data Engineering，1995，pp.3\u201314“}”，{“key”：“10.1016\/j.ins.2014.09.0063_b0030”，“doi-asserted-by”：“crossref”，“unstructure”：“M.j.Atallah，R.Gwadera，W.”。Szpankowski，事件序列中重要事件集的检测，收录于：第四届IEEE国际数据挖掘会议论文集（ICDM 2004），英国布莱顿，2004年，第3\u201310页。“，“DOI”：“10.1109\/ICDM.2004.10090”}，{“key”：“101016\/j.ins.2014.09.063_b0035”，“非结构化”：“B.Bouqata，C.D.Caraothers，B.K.Szymanski，M.j。Zaki，Vogue:建模序列的新型变量顺序映射状态机，摘自：《第十届欧洲数据库知识发现原则与实践会议论文集》，柏林，海德堡，第4213卷，2006年，第42\u201354页。“}，{“key”：“10.1016\/j.ins.2014.09.063_b0040”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Brin，R。Motwani，C.Silverstein，《超越市场篮子：将关联规则推广到相关性》，载于：《1997年ACM SIGMOD国际数据管理会议论文集》，纽约，纽约，美国，SIGMOD\u2019971997，第265\u2013276页非结构化“：”G.Casas-Garriga，《在连续数据中发现无界事件》，载于：《第七届欧洲数据库知识发现原则与实践会议论文集》（PKDD\u201903），克罗地亚卡瓦塔·杜布夫罗夫尼克，2003年，第83\u201394页。“，DOI”：“10.1007\/978-3540-39804-2_10”}，{“issue”：“3”，“key”：“10.1016\/j.ins.2014.09.063_b0055“，”doi-asserted-by“：”crossref“，”first page“：”398“，”doi“：”10.1016\/j.ins.2010.09.024“，”article-title“：”Discovering multi-label time patterns in sequence databases“，”volume“：“181”，“author”：“Chen”，“year”：“2011”，“journal-title”：“Inf.Sci。“}，{”key“：”10.1016\/j.ins.2014.09.063_b0060“，”first page“：次序列频率测量及其对单序列知识发现可靠性的影响”，“作者”：“甘”，“年份”：“2012”}，{“问题”：“1（A）”，“关键”：“10.1016\/j.ins.2014.09.063_b0070”，“首页”：“453”，“文章标题”：“从复杂序列中挖掘频率更准确的频繁集”，“卷”：“8”，“作者：“甘”，“年份”：“2012年”，“新闻标题”：“国际J.Innov。计算。Inf.Control“}，{”key“：”10.1016\/j.ins.2014.09.063_b0075“，”doi-asserted-by“：”crossref“，”first page“：“277”，“doi”：“10.1016\/j.is.2012.05.009”，“article-title”：“检测和监测数据流上突发事件和事件淹没”，“volume”：“39”，“author”：“Gan”，“year”：“2014”，“journal-title“：”Inf.Syst.“}”，{“issue”：“”7（A）“，”键“：”10.1016\/j.ins.2014.09.063_b0080“，“首页”：“4675”，“文章标题”：“一种通过在线数据流发现最近频繁剧集基础的高效一次性方法”，“卷”：“8”，“作者”：“甘”，“年份”：“2012”，“新闻标题”：”国际j.Innov。计算。Inf.Control“}，{“key”：“10.1016\/j.ins.2014.09.063_b0085”，“unstructured”：“R.Gwadera，M.j.Atallah，W.Szpankowski，事件序列中事件的可靠检测，收录于：第三届IEEE国际数据挖掘会议（ICDM 2003），2003年，第67\u201374页。”}，}，“key“：”10.1016\\j.ins.2014.09.063_b0090“，”doi-asserted-by“：”crossref“，”非结构化”：“R.Gwadera，M.J.Atallah，W.Szpankowski，用于识别重大事件的马尔可夫模型，载于：《2005年SIAM国际数据挖掘会议论文集》（SDM-05），加利福尼亚州纽波特海滩，2005年，第404\u2013414页。”，“DOI”：“10.1137\/1.9781611972757.36”}，{“issue”：“1”，“key”：“101016\/J.ins.2014.09.063_b0095”，“doi-asserted-by“：”crossref“，”first page“：”55“，”doi“：”10.1007\/s10618-006-0059-1“，“article-title”：“频繁模式挖掘：当前状态和未来方向”，“volume”：“15”，“author”：“Han”，“year”：“2007”，“journal-title“：”Data Min.Knowl。发现。“｝，｛”key“：”10.1016\/j.ins.2014.09.063_b0100“，”doi断言“：”crossref“，”非结构化“：”K.H\u00e4t\u00f6nen，M.Klemettinen，H.Mannila，P.Ronkainen，H。Toivonen，《从电信网络报警数据库中发现知识》，载于：ICDE\u201996:第十二届国际数据工程会议论文集，华盛顿特区，美国，1996年，第115\u2013122页。“，”DOI“：”10.1109\/ICDE.1996.492095“}，{“issue”：“1”，“key”：“10.1016\/j.ins.2014.09.063_b0105”，“DOI-asserted-by”：“crossref”，“first page”：96“，”DOI“：”10.1016\/j.is.2007.07.003“，”article-title“：”从复杂序列中高效挖掘频繁情节“，”volume“：”33“，”author“：”Huang“，”year“：”2008“，”journal-title”：“Inf.Syst。“}，{”issue“：”17“，”key“：”10.1016\/j.ins.2014.09.063_b0110“，”doi-asserted-by“：”crossref“，”first page“：“3316”，”doi“：”101016\/j.ins.2010.04.024“，”article-title“：”fuzzy multi-time interval sequential patterns“的知识收集”，“volume”：“180”，“author”：“Huang”，“year”：“2010”，“journal-title”：“Inf.Sci.”}，”{“key“”：“10.1016”\/j.ins.2014.09.063_b0115“，”article-title“：“应用概率的数学技术”，“卷”：“第2卷”，“作者”：“Hunter”，“年份”：“1983”}，{“key”：“10.1016\/j.ins.2014.09.063_b0120”，“非结构化”：“K.Iwanuma，Y.Takano，H。Nabeshima，《关于从单个超长序列中提取序列模式的反单调频率度量》，载于：2004年IEEE控制论和智能系统会议论文集，第1卷，2004年，第213\u2013217页。“}，{“key”：“10.1016\/j.ins.2014.09.063_b0125”，“doi-asserted-by”：“crossref”，“first page”：”：“91”，“doi”：“10.1007\/s10994-008-5098-y“，”article-title“：“挖掘概率自动机：序列模式挖掘的统计视图”，“volume”：“75”，“author”：“Jacquemont”，“year”：“2009”，“journal-title”：“Mach。学习。“}，{”key“：”10.1016\/j.ins.2014.09.063_b0130“，”unstructured“：”G.Karypis，M.V.Joshi，Vipin Kumar，序列模式的通用公式，技术报告TR 99-021，明尼阿波利斯明尼苏达大学计算机科学系，1999年随机系统建模与分析”，“作者”：“Kulkarni”，“年份”：“1995”}，{“关键”：“10.1016\/j.ins.2014.09.063_b0140”，“非结构化”：“S.Laxman，发现频繁事件：快速算法，与HMM的联系和泛化（博士论文），印度科学院电气工程系，印度班加罗尔，2006年。”}、{“issue“：”11“，”key“：”10.1016\/j.ins.2014.09.063_b0145“，”doi-asserted-by“：”crossref“，”first page“：“1505”，“doi”：“10.1109\/TKDE.2005.181”，“article-title”：“发现频繁事件和学习隐马尔可夫模型：一种形式连接”，“volume”：“17”，“author”：“Laxman”，“year”：“2005”，“journal-title“：”IEEE Trans。知识。Data Eng.“}，{“key”：“10.1016\/j.ins.2014.09.063_b0155”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Laxman，P.S.Sastry，K.P.Unnikrishnan，事件流中查找频繁事件的快速算法，摘自：第十三届ACM SIGKDD国际知识发现和数据挖掘会议论文集（KDD\u201907），加利福尼亚州圣何塞市，2007年，第410\u2013419页。“，“DOI”：“10.1145\/128192.1281238”}，{“key”：“101016\/j.ins.2014.09.063_b0160”，“DOI-asserted-by”：“crossref”，“unstructured”：“S.Laxman，V.Tankasali，R.W。怀特，使用基于事件序列中频繁事件的生成模型进行流预测，收录于：《第14届ACM SIGKDD国际知识发现和数据挖掘会议论文集》（KDD\u201909），2008年，第453\u2013461页。“，”DOI“：”10.1145\/1401890.1401947“}，{“issue”：“8”，“key”：“10.1016\/j.ins.2014.09.063_b0165”，“DOI-asserted-by”：“crossref“，”首页“：”687“，”DOI“：”10.1002\/1098-111X（200008）15:8<687:：AID-INT1>3.0.CO；2-X”，“article-title”：“挖掘模糊关联规则和模糊频繁事件进行入侵检测”，“volume”：“15”，“author”：“Luo”，“year”：“2000”，“journal-title“：”Int.J.Intell。系统。“}，{”issue“：”3“，”key“：”10.1016\/j.ins.2014.09.063_b0170“，”doi-asserted-by“：”crossref“，”first page“：“259”，“doi”：“10.1023\/A:1009748302351”，“article-title”：“发现事件序列中的频繁情节”，“volume”：“1”，”author“：”Mannila“，”year“：”1997“，”journal-title“：”Data Min.Knowl.Discov.“}”，{“key”：”10.1016\/j.ins.2014.09.063_b0175“，”doi-asserted-by“：”crossref“，”unstructured“：”N.M\u00e9ger，C.Rigotti，基于约束的情节规则挖掘和最佳窗口大小，摘自：《第八届欧洲数据库知识发现原则与实践会议论文集》（PKDD\u201904），2004年，第313\u2013324页。“，”doi“：”10.1007\/978-3-540-30116-5_30“}，{“key”：“10.1016\/j.ins.2014.09.063_b0180“，”doi-asserted-by“：”crossref“，”unstructured“：”A.Ng，A.Wc。Fu，Mining频繁出现与金融事件和股票趋势相关的事件。摘自：《第七届亚太知识发现和数据挖掘会议论文集》（PAKDD 2003），柏林，海德堡，2003年，第27\u201339页从尖峰数据推断神经元网络连接：一种时间数据挖掘方法”，“卷”：“16”，“作者”：“Patnaik”，“年份”：“2008”，“期刊标题”：“Sci。程序。“}，{”issue“：”4“，”key“：”10.1016\/j.ins.2014.09.063_b0190“，”doi-asserted-by“：”crossref“，”first page“：“1025”，”doi“：”101162\/neco.2009.12-08-928“，”article-title“：”multi-neuronal spike trains序列模式基于条件概率的显著性检验“，”volume“:”22“，”author“：”Sastry“，”year“：”2010“，”journal-titleissue“：”1“，”key“：”10.1016\/j.ins.2014.09.063_b0195“，”doi-asserted-by“：”crossref“，”first page“：“57”，“doi”：“10.1007\/s10115-008-0128-4”，“article-title”：“项目集的最大熵意义”，“volume”：“17”，“author”：“Tatti”，“year”：“2008”，“journal-title“：”Knowl。信息系统。“}，{”key“：”10.1016\/j.ins.2014.09.063_b0200“，”doi-asserted-by“：”crossref“，”unstructured“：”N.Tatti，基于最小窗口的剧集的意义，摘自：2009 IEEE国际数据挖掘会议论文集，2009，第513\u2013522页。“，”doi“：”101109\/ICDM.2009.23“}”，{“issue”：“1”，”key：“10.1016\/j.ins.2014.09.63_b0205”，“doi-assert-by”：“”crossref“，”first page“：”34“，”DOI“：”10.1007 \/s10618-011-0232-z“，”article-title“：”Mining closed strict septions“，”volume“：“25”，”author“：”Tatti“，”year“：”2012“，”journal-title”：“Data Min.Knowl。发现。“}，{”key“：”10.1016\/j.ins.2014.09.063_b0210“，”doi-asserted-by“：”crossref“，”unstructured“：”N.Tatti，B.Cule，《挖掘同时事件的闭合集》，收录于：第17届ACM SIGKDD国际知识发现和数据挖掘会议论文集，2011年，第1172\u20131180页。“，”doi“：”101145\/2020408.2020589“}”，{“key”：“”10.1016\/j.ins.2014.09.063_b0215“，“非结构化”：“K.P.Unnikrishnan，B.Q.Shadid，P.S.Sastry，S.Laxman，《使用时间数据挖掘的根本原因诊断》，美国专利号75092342009年（2009年3月24日发布）。“｝，｛”key“：”10.1016\/j.ins.2014.09.063_b0220“，”doi断言“：”crossref“，”非结构化“：”M.F.Wang，Y.C.Wu，M.F。蔡，利用加权后缀树中的频繁事件来改进入侵检测系统，收录于：第22届高级信息网络和应用国际会议论文集\u2013 Workshops，IEEE Computer Society Washington，DC，USA，2008，pp.1246\u20131252.“，“DOI”：“10.1109\/WAINA.2008.144”}，{“issue”：“1”，“key”：“10.1016\/j.ins.2014.09.063_b0225“，”doi-asserted-by“：”crossref“，”first page“：”5“，”doi“：”10.1016\/j.datak.2006.01.006“，”article-title“：”On compressing frequent patterns“，”volume“：“60”，”author“：”Xin“，”year“：”2007“，”journal-title”：“Data Knowl”。Eng.“}，{”key“：”10.1016\/j.ins.2014.09.063_b0230“，”doi-asserted-by“：”crossref“，”unstructured“：”Wenzhi Zhou，Hongyan Liu，Hong Cheng，高效地从事件序列中挖掘封闭事件，收录于：第十四届亚太知识发现和数据挖掘会议，2010年，第310\u2013318页。“，”doi“：”101007\/978-3642-13657-3_34“}，{“key”：“10.1016\/j.ins.2014.09.063_b0235”，“unstructured”：“朱慧生，王鹏，何显芒，李玉佳，王伟，石百乐，最小不重叠事件的高效事件挖掘，收录于：IEEE国际数据挖掘会议，2010，第1211\u20131216页。”}]，“container-title”：[“Information Sciences”]，“original-title“：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S002002551400992X？httpAccept=text\/xml”，“content-type”：“text\/xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“http://api.elsevier.com/content\/aarticle\/PII:S02002551400992 X？httpAccept=text\/plain”，“content-type”：“text\/plain”，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2019,8,16]]，“date-time”：“2019-08-16T13:43:46Z”，“timestamp”：1565963026000}，“score”：1，“resource”：{“primary”：“{”URL：“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S002551400992X”}，“短标题”：[]，“已发布”：{“日期部分”：[[2015,3]]}，“references-count”：45，“alternative-id”：[“S002002551400992X”]，“URL”：“http://\/dx.doi.org\/101016\/j.ins.2014.09.063”，“relation”：{}，“ISSN”：[”0020-0255“]，“ISSN-type”：[{“value”：“0020-02555”，“type”:“print”}]，“subject”：[/]，“published”：{“date-parts”：[2015,3]]}，”assertion“：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“本文由”}维护，{“value”：“一般偏序集的统计意义”，“name”：“articletite”，“label”：“Article Title”}，{”value“：“Information Sciences”，“name”：“journaltitle”，“label”：”Journal Title“}，“value“:”https:\\/doi.org\/101016\/j.ins.2014.09.063“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher mainted version“}：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“Copyright\u00a9 2014 Elsevier Inc.保留所有权利。”，“名称”：“Copyright”，“标签”：“版权所有”}]}}