{“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”：[[2024,8,9]]，“日期-时间”：“2024-08-09T07:13:30Z”，“时间戳”：1723187610257}，“参考-计数”：59，“出版商”：“计算机协会（ACM）”，“问题”：“5”，“许可证”：[{“开始”：{-“日期-零件”：[2022,5,10]]，”日期-时间“：”2022-05-10T00:00:00Z“，“timestamp”：1652140800000}，“content-version”：“vor”，“delay-in-days”：365，“URL”：“http://www.acm.org\/publications\/policys\/corpyright_policy#Background”}]，“funder”：[{“DOI”：“10.13039\/100000001”，“name”：“NSF”，“DOI-asserted-by”：“publisher”，“award”：[“III-1763325，III-1909323，SaTC-1930941”]，“id”：[}“id”10.13039\/100000001“，”身份类型“：”DOI“，“asserted-by”：“publisher”}]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[“acm Trans.Knowl.Discov.Data”]，”published-print“：{”date-parts“：[2021,10,31]}，”abstract“：”\n从数据库中提取知识是数据库和数据挖掘领域的基本任务，已被广泛应用于现实世界的各种应用和情况。与基于支持的挖掘模型不同，面向效用的挖掘框架集成了效用理论，提供了更多信息和有用的模式。与时间相关的序列数据在现实生活中很常见。序列数据在许多应用中得到了广泛的应用，例如分析Web上的序列用户行为、影响最大化、路线规划和目标营销。遗憾的是，现有的所有算法都忽略了这样一个事实，即处理后的数据不仅包含丰富的特征（例如发生量、风险和利润），还可能与多维辅助信息相关联，例如，交易序列可以与购买者简档信息相关联。在本文中，我们首先提出了跨多维序列的效用挖掘问题，并提出了一个名为MDUS的新框架，用于提取<underline>M</underline>多维<underline>D</undertline>维<underlink>U</underline>面向效用的<undername>S</under>序列有用模式。据我们所知，这是首次将时间相关序列序、定量信息、效用因子和辅助维度结合起来进行研究。两个算法分别命名为MDUS\nEM<\/jats:sub>\n和MDUS\nSD<\/jats:sub>\n用于解决公式化问题。前者基于数据库转换，后者执行模式连接和搜索方法，以跨多维序列识别所需模式。在六个真实数据集和一个合成数据集上进行了大量实验，结果表明，所提出的算法能够有效地从多维序列数据库中发现有用的知识。此外，MDUS框架可以提供更好的洞察力，并且比当前现有模型更适合于实际情况。\n<\/jats:p>“，”DOI“：”10.1145\/3446938“，”type“：”期刊文章“，”created“：｛”日期部分“：[[2021,5,10]]，”日期时间“：”2021-05-10T22:24:14Z“，”时间戳“：1620685454000｝，”page“：”1-24“，”update policy“：”http:\/\/dx.DOI.org/10.1145\/crosmark policy“，”source“：”Crossref“，”由count引用“：16，”title“：[”跨多维序列的效用挖掘“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”给定“：”文胜“，”家庭“：”甘“，”序列“：”第一“，”从属“：[[{“名称”：“中国广东广州暨南大学”}]}，{“给定”：“Jerry Chun-Wei”，“家庭”：“Lin”，“序列”：“附加”，“从属”：[{'名称“：”西挪威应用科学大学，挪威卑尔根“}]}，{“给定”：“杰雄”，“家族”：“张”，“序列”：“附加”，“隶属关系”：[{“名称”：“哈尔滨工业大学（深圳），中国深圳”}]}，{“给定”：“洪志”，“家族”：“尹”，“序列”：“附加”，“隶属关系”：[{“名称”：“昆士兰大学，布里斯班，QLD，澳大利亚”}]}，{“given”：“Philippe”，“family”：“Fournier-Viger”，“sequence”：“additional”，“affiliation”：[{“name”：“哈尔滨工业大学（深圳），中国深圳”}]}，{”given“：”Han-Chieh“，”family“：”Chao“，”sequence“：”additional：“additional”，“affiliation”：[{“name”：“伊利诺伊大学芝加哥分校，伊利诺伊州芝加哥分校”}]}]，“member”：“320”，“published-on-line”：{“date-parts”：[[2021,5,10]]}，“reference”：[}“key”：“e_1_2_1_1_1”，“unstructured”：“Rakesh Agrawal and Ramakrishnan Srikant.1994。探索合成数据生成器。检索自http://www.Almaden.ibm.com/cs\/quest\/syndata.html。Rakesh Agrawal和Ramakrishnan Srikant。1994.探索合成数据生成器。检索自http://www.Almaden.ibm.com/cs\/quest\/syndata.html。“}，{”key“：”e_1_1_2_1“，”doi-asserted-by“：”publisher“，”doi“：”10.5555\/645920.672836“}、{”key“：“e_2_1_3_1”、“doi-assert-by”：“publisher”，“doi”：“10.4218\/etrij.10510.0066”}，“key”：“e_c_1_4_1”，{“键”：“e_1_2_1_5_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1109\/TKDE.2015.2420557”}，{“key“：”e_1_1_6_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TKDE.2017.2773493”}，{“key”：“e_2_1_7_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ICDM.2003.1250893“}，”{“密钥”：“e_1_2_8_1”2_1_9_1“，”volume-title“：”Fararo“，”author“：”Coleman James S“，”year“：”1992“，”非结构化“：”詹姆斯·科尔曼和托马斯·J。法拉罗。1992 . 理性选择理论。圣人。詹姆斯·科尔曼（James S.Coleman）和托马斯·法拉罗（Thomas J.Fararo）。1992年，理性选择理论。圣人。“}，{”key“：”e_1_1_10_1“，”首页“：”54“，”article-title“：”序列模式挖掘调查“，”卷“：”1“，”作者“：”Fournier-Viger Philippe“，”年份“：”2017“，”非结构化“：”Philippe Fournier-Viger、Jerry Chun Wei Lin、Rage Uday Kiran、Yun Sing Koh和Rincy Thomas。2017 . 序列模式挖掘综述。数据科学与模式识别1，1（2017），54--77。Philippe Fournier-Viger、Jerry Chun Wei Lin、Rage Uday Kiran、Yun Sing Koh和Rincy Thomas。2017年，序列模式挖掘调查。《数据科学与模式识别》1，1（2017），54-77.“，“新闻标题”：“数据科学与模型识别”}，{“key”：“e_1_2_1_11_1”，“volume-title”：“Souleymane Zida，and Vincent S.Tseng”，“author”：“Fournier-Viger Philippe”，“year”：“2014”，“unstructured”：“Philippe-Fournier Viger，Cheng Wei Wu，Souleyman Zida和Vincent S。曾。2014 . FHM：使用估计效用共生剪枝快速挖掘高效用项集。智能系统方法国际研讨会论文集。施普林格，83-92。Philippe Fournier-Viger、Cheng Wei Wu、Souleymane Zida和Vincent S.Tseng。2014.FHM：使用估计的效用共生修剪加快高效用项集挖掘。智能系统方法国际研讨会论文集。Springer，83-92.“}，{”key“：”e_1_1_12_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TKDE.2019.2942594”}，“key”：“e_2_1_13_1”，“doi-assert-by”：“publisher”，”doi“：”10.1002\/widm.1242“}”，{2896267“}，{”key“：”e_1_2_1_15_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3362070“}，{“key”：“e_1_2_1_16_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/1132960.1132963“}”，{”key“：”e_1_i_17_1“，”doi-assert-by“：”publisher“，“doi”：“10.1109\/2.781634”}，“key“:”e_2_1/18_1“、”doi-aserted-by“”：”publister“，”doi:“10.1023\/B:DAMI.0000005258.31418.83“}，{”key“：”e_1_2_1_19_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1935826.1935888“}，{“key”：“e_1_2_1_20_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.eswa.2010.11.040“}、{“key”：”e_1_i_1_21_1“，”doi-assert-by“：”publisher“，“doi”：“10.1016\/j.ewa.2014.02.22”}，“key“：”e_ 2_1_i2_22_1“，”doi-“10.1145\/3209978.3210038“}，{”key“：”e_1_2_1_23_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.eswa.2010.12.082“}，{“key”：“e_1_1_24_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.knosys.2016.08.022“}”，{键“：”e_1_i_1_25_1“，”doi-assert-by“：”publisher“，“doi”：“10.1016\\j.knocys.2015.019”}，“key“：”e_2_1_26_1“I“：”10.1016\/j.aei.2016.02.003“}，{“key”：“e_1_2_1_27_1”，“doi-asserted-by”：“publisher“，”DOI“：”10.1016\/j.knosys.2016.09.013“}，{“key”：“e_1_1_28_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.1016\/j.aei.2015.05.003”}，“key“：”e_1_i_1_29_1“，“doiasserted-by“：”publisher亚太网络与网络时代信息管理网络与大数据联席会议论文集。斯普林格，215-229“，“作者”：“杰里·春（Jerry Chun）”，“年份”：“2017年”，“非结构化”：“林杰里·春伟（Jerri Chun Wei Lin）、张洁雄（Jiexiong Zhang）和菲利普·福尼尔·维格（Philippe Fournier-Viger）。2017 . 具有多个最小效用阈值的高效用序列模式挖掘。《亚太网络和网络时代信息管理网络和大数据联合会议论文集》。施普林格，215-229。Jerry Chun Wei Lin、张杰雄和Philippe Fournier Viger。2017年。具有多个最小效用阈值的高效用序列模式挖掘。《亚太网络和网络时代信息管理网络和大数据联合会议论文集》。Springer，215--229.“}，{”key“：”e_1_2_1_31_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.eswa.2015.02.022”}，“key”：“e_1_i_1_32_1”，“volume-title”：“Fung”，“author”：“Liu Junqiang”，“year”：“2016”，“unstructured”：“刘俊强、王珂和本杰明·C·M。冯。2016 . 在一个阶段中挖掘高效用模式，而不生成候选模式。IEEE知识与数据工程汇刊28，5（2016），1245--1257。刘俊强、王珂和冯正明（Benjamin C.M.Fung），2016年。在一个阶段中挖掘高效用模式，而不生成候选模式。IEEE知识与数据工程汇刊28，5（2016），1245--1257.“}，{”key“：”e_1_1_33_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2396761.2396773”}，“key”：“e_2_1_34_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007\/11430919_79“}”，{“key“:”e_2_ 1_35_1“”，“”doi-sserted-by“”：”publister“，”doi:““10.1016\/j.ins.2017.02.058”}，{“密钥”：“e_1_2_1_36_1“，”doi-asserted-by“：”crossref“，“unstructured”：“阿尔弗雷德·马歇尔。2005年，经济学原理。《劳动分工经济学读物：古典传统》。《世界科学》195-215。阿尔弗雷德·马歇尔。2005年，经济学原理。《劳动分工经济学读物：古典传统》。《世界科学》195--215.“，”DOI“：”10.1142\/9789812701275_0021“}，{”key“：”e_1_2_1_37_1“，”volume-title“：”经济学：原则、问题和政策“，”author“：”McConnell Campbell R.“，“year”：“2009”，“unstructured”：“Campbell.R.McConnell，Stanley L。Brue和Sean Masaki Flynn。2009 . 经济学：原理、问题和政策。Boston McGraw-Hill公司。坎贝尔·R·麦康奈尔（Campbell R.McConnell）、斯坦利·L·布鲁（Stanley L.Brue）和肖恩·马萨基·弗林（Sean Masaki Flynn）。2009年，《经济学：原则、问题和政策》。Boston McGraw-Hill公司。“}，{”key“：”e_1_1_38_1“，”doi-asserted-by“：”crossref“，“first page”：“1424”，“doi”：“10.1109\/TKDE.2004.77”，“article-title”：“通过模式增长挖掘序列模式：PrefixSpan方法”，“volume”：”11“，”author“：”裴健“，”year“：”2004“，”unstructured“：”Jian Pei、Jiawei Han、Behzad Mortazavi-Asl、Jianyong Wang、Helen Pinto、Qiming Chen、Umeshwar Dayal和Mei Chun Hsu。2004 . 通过模式增长挖掘序列模式：PrefixSpan方法。IEEE知识与数据工程学报16，11（2004），1424-1440。Jian Pei、Jiawei Han、Behzad Mortazavi-Asl、Jianyong Wang、Helen Pinto、Qiming Chen、Umeshwar Dayal和Mei Chun Hsu。2004.通过模式增长挖掘序列模式：PrefixSpan方法。IEEE知识与数据工程学报16，11（2004），1424--1440。”，“journal-title”：“IEEE知识和数据工程学报”}，{“key”：“e_1_2_1_39_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/502585.502600“}，”{“key”：”e_1_i_1_40_1“，”volume-title“：”挖掘多维和多级序列模式。ACM数据发现知识汇刊4，1”，“作者”：“Plantevit-Marc”，“年份”：“2010”，“非结构化”：“Marc Plantevit、Anne Laurent、Dominique Laurent、Maguelonne Teissaire和Yeow Wei Choong。2010.挖掘多维和多级序列模式。ACM数据发现知识汇刊4，1（2010），1-37。马克·普兰特维特（Marc Plantevit）、安妮·洛朗（Anne Laurent）、多米尼克·洛朗（Dominique Laurent。2010.挖掘多维和多级序列模式。ACM Transactions on Knowledge Discovery from Data 4，1（2010），1-37.“｝，｛”key“：”e_1_2_1_41_1“，”doi断言“：”publisher“，”doi“：”10.1007\/978-3-540-85836-2_25“｝，”key“：”e_1_2_42_1“，”doi断言“：”publisher“，”doi“：”10.1016\/j.eswa.2016.003.001“｝，”key“：”e_1_1_43_1“，”卷标题“：”Vincent S.Tseng，and Philip S.Yu.“，”author“：“谢百恩”，“年份”：“2011年”，“非结构化”：“谢百恩、肖惠芳、曾文森特和俞敏洪。2011 . 在移动商务环境中挖掘高实用性的移动序列模式。高级应用数据库系统国际会议论文集。施普林格，224--238。白恩施、小惠芳、曾文森和俞敏洪。2011.在移动商务环境中挖掘高实用性移动序列模式。高级应用数据库系统国际会议论文集。Springer，224--238.“}，{”key“：”e_1_1_44_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/BFb0014140”}，“key”：“e_1_i_1_45_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TKDE.2012.59“}”，{“key“:”e_2_1_46_1“377“}，{”键“：”e_1_2_1_47_1“，”doi-asserted-by“：”出版商“，”doi“：”10.1109\/TKDE.2015.2458860“}，{“key”：“e_1_2_1_48_1”，“volume-title”：“第十六届ACM SIGKDD国际知识发现与数据挖掘会议论文集。ACM，253--262”，“作者”：“曾文森特S”，“非结构化”：“曾文森特S.曾，吴成伟，白恩施，和菲利普S.于。2010。UP-Growth：一种高效的高效用项集挖掘算法。第16届ACM SIGKDD知识发现和数据挖掘国际会议论文集。美国医学会，253-262。Vincent S.Tseng、Cheng Wei Wu、Bai En Shie和Philip S.Yu。2010年，UP-Growth：一种高效的高效用项集挖掘算法。第16届ACM SIGKDD知识发现和数据挖掘国际会议论文集。ACM，253--262.“}，{”key“：”e_1_1_49_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2983323.2983691”}，“key”：“e_1_i_1_50_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/3178114“}，{”key“：”e_1_1_52_1“，”volume-title“：”Butz“，”author“：”Yao Hong“，”year“：”2004“，”非结构化”：“Hong Yao、Howard J.Hamilton和Cory J。布茨。2004 . 从数据库中挖掘项集实用程序的基本方法。在SIAM国际数据挖掘会议记录中。暹罗，482--486。洪尧、霍华德·J·汉密尔顿和科里·J·布茨。2004.从数据库中挖掘项集实用程序的基本方法。在SIAM国际数据挖掘会议记录中。SIAM，482--486.“}，{”key“：”e_1_1_53_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2339530.2339636”}，“key”：“e_1_i_1_54_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TKDE.2005.13 682782“}，{”key“：”e_1_2_1_56_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1023\/A:1007652502315“}，{“key”：“e_1_2_1_57_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/3018661.3018674“}”，{”key“：”e_1_i_1_58_1“，”volume-title“：”Cheng Wei Wu，Vincent S.Tseng.“，“author”：“Zida Souleymane”，“year”：“2015”，“unstructured”：“Souleyman Zida，Philippe Fournier-Viger，Jerry Chun Wei Lin，Cheng Wei-Wu，and Vincent美国。曾。2015 . EFIM：一种高效的高效用项集挖掘算法。墨西哥人工智能国际会议论文集。斯普林格，530-546。Souleymane Zida、Philippe Fournier-Viger、Jerry Chun Wei Lin、Cheng Wei Wu和Vincent S.Tseng。2015.EFIM：一种高效的高效用项集挖掘算法。墨西哥人工智能国际会议论文集。Springer，530--546.“}，{”key“：”e_1_2_1_59_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1186\/s12918-017-0475-4”}]，“container-title”：[“ACM Transactions on Knowledge Discovery from Data”]，“original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\//dl.ACM.org\/doi\/pdf\/10.1145\/3446938“，”content-type“：”application\/pdf“，”content-version“：”vor“，”预期应用程序”：“联合”｝，｛“URL”：“https:\/\/dl.acm.org/doi\/pdf\/10.1145\/3446938”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用程序”：“相似性检查”｝]，“存放”：｛“日期部分”：[[2023,1,1]]，“日期时间”：“2023-01-01T23:33:10Z”，“时间戳”：1672615990000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3446938“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2021,5,10]]}，“引用计数”：59，“日志发布”：{“发布”：“5”，“发布发布”：\/\/dx.doi.org\/10.1145\/3446938“，”关系“：{}，”ISSN“：[”1556-4681“，”1556-472X“]，”issn类型“：[｛“value”：“1556-4681”，“type”：“print”｝，｛“value”：“1556-472X”，“type”：“electronic”｝]，“subject”：[]，“published”：｛“date parts”：[[2021,5,10]]｝，“assertion”：[｛“value”：“2020-05-01”，“order”：0，“name”：“received”，“label”：“received”，“group”：｛“name”：“publication_history”，“label”：“publication history”｝，｛“value”：“2021-01-01“，”订单“：1，”名称“：”已接受“，”label“：”Accepted“，”group“：{”name“：”publication_history“，”label“:”publication history“}}，{”value“：”2021-05-10“，”order“：2，“name”：“published”，“label”：“published”，“group”：{