×
菲利普·福尼尔·维格;杨鹏;愤怒的乌代基兰;塞巴斯蒂安·文图拉;何塞·玛丽亚·卢纳

挖掘离散序列中的局部周期模式。 （英语） Zbl 1475.68328号

信息科学。 544, 519-548 (2021).
摘要：周期性频繁模式是在一系列事件或事务中周期性出现的一组事件或项目。已经设计了许多算法来识别数据中的周期性频繁模式。然而，大多数人都假设模式的周期性行为不会随时间发生很大变化。为了解决这一局限性，本文提出在事件或事务序列中发现一种新型的周期模式，称为局部周期模式（LPP），它是在某些非预定义时间间隔内具有周期行为的模式（事件集）。如果一个模式在某个时间间隔内有规律地连续出现，则称其为局部周期模式。提出了两种新的方法来评估时间间隔中模式的周期性和频率。这个最大SoPer(最大溢出周期)测量允许检测可变长度的时间间隔，其中模式是连续周期的，而最小Dur(最小持续时间)度量确保这些时间间隔的持续时间最短。为了发现所有LPP，本文提出了三种有效的算法。对实际数据集的实验评估表明，该算法是有效的，能够提供传统周期模式挖掘算法无法找到的有用模式。

引用于1文件

MSC公司：

68吨10 模式识别、语音识别
第68页，共15页 数据库理论

关键词：

周期性图案;项目集;时间间隔;周期性;局部模式;离散序列

软件：

前缀跨度;SPMF公司;生命周期管理
PDF格式BibTeX公司 XML格式引用
\textit{P.Fournier-Viger}等人，《信息科学》。544，519-548（2021年；兹比尔1475.68328）
全文： 内政部

参考文献：

[1] R.Agrawal，T.Imielinski，A.N.Swami，《挖掘大型数据库中项目集之间的关联规则》，摘自：Proc。1993年ACM SIGMOD国际数据管理会议，1993年，第207-216页。
[2] R.Agrawal，R.Srikant，挖掘关联规则的快速算法，摘自：Proc。第20届国际会议，《超大数据库》，1994年，第487-499页。
[3] R.Agrawal，R.Srikant，《挖掘序列模式》，摘自：Proc。第11届国际数据工程会议，1995年，第3-14页。
[4] Bailey，J。；马努基安，T。；Ramamohanarao，K.，《挖掘新兴模式的快速算法》（Proc.6th European Conf.on Principles of Data mining and Knowledge Discovery，2002），第39-50页·Zbl 1020.68538号
[5] Dong，G。；Li，J.，《新兴模式的高效挖掘：发现趋势和差异》，（第五届ACM SIGKDD国际知识发现和数据挖掘大会（1999）），43-52
[6] Fournier-Viger，P。；戈马利兹，A。；Gueech，T。；Soltani，A。；Wu，C.W。；Tseng，V.S.，SPMF:Java开源模式挖掘库，J.Mach。学习。第15号决议，3389-3393（2014年）·Zbl 1310.68178号
[7] Fournier-Viger，P。；Li，J.等人。；Lin，J.C。；Chi，T.T。；Kiran，R.U.，《在事件日志中挖掘具有成本效益的模式》，Knowl-基于系统。，Elsevier，191（2019），105241
[8] Fournier-Viger，P。；林，J.C.W。；Duong，Q.H。；Dam，T.L.，PHM：挖掘周期性高效用项目集，（第16届数据挖掘行业大会（2016）），64-79
[9] P.Fournier-Viger，J.C.W.Lin，Q.H.Duong，T.L.Dam，L.Ševík，D.Uhrin，M.Voznak，PFPM：用新的周期性度量发现周期性频繁模式，见：Proc。第二届捷克-中国科学大会，2017年，第27-38页。
[10] Fournier-Viger，P。；林，J.C.W。；基兰·R·U。；Koh，Y.-S.，《序列模式挖掘调查》，《数据科学》。图案识别。，1, 1, 54-77 (2017)
[11] P.Fournier-Viger，J.C.W.Lin，B.Vo，T.T.Chi，J.Zhang，H.B.Le，项目集挖掘调查，WIRE数据挖掘和知识发现，威利，e1207。doi:10.1002/widm.1207（2017年
[12] Fournier-Viger，P。；吴昌伟。；Zida，S。；Tseng，V.S.，FHM：使用估计效用共现剪枝进行快速高效用项集挖掘，（第21届国际智能系统方法论研讨会（2014年）），83-92
[13] Fournier-Viger，P。；张，Y。；林，J.C.W。；藤田，H。；Koh，Y.S.，《采矿本地和峰值高效用项目集》，《信息科学》。，Elsevier，481，344-367（2019年）
[14] 贾马，J。；伊利奥贝特。；Bifet，A。；Pechenizkiy，M。；Bouchachia，H.，《概念漂移适应调查》，J.ACM Compute。ACM调查，46，4，1-37（2014）·Zbl 1305.68141号
[15] Goethals，B。；Zaki，M.J.，《频繁项集挖掘实现的进展：FIMI’03报告》，ACM SIGKDD Explor。纽斯利特。，ACM，6，1，109-117（2004）
[16] Gouda，K。；Zaki，M.J.，高效挖掘最大频繁项集，Proc。第一届IEEE数据挖掘国际会议，163-170（2001）
[17] 哈克曼，A。；黄，Y。；Tseng，V.S.，《从时态事务数据库中挖掘趋势高效用项集》（Proc.29 Int.Conf.on Database and Expert Systems Applications（2018）），461-470
[18] Han，J。；Cheng，H。；Xin，D.，《频繁模式挖掘：现状和未来方向》，Data Min.Knowl。Discovery，第15、1、55-86页（2007年）
[19] J.Han，J.Pei，Y.Yin，无候选代挖掘频繁模式，in：Proc。2000年ACM SIGMOD国际数据管理会议，2000年，第1-12页。
[20] 希普，J。；Güntzer，美国。；Nakhaeizadeh，G.，关联规则挖掘算法——一般调查和比较，ACM SIGKDD Explor。纽斯利特。，ACM，2，1，58-64（2000）
[21] R.U.Kiran，M.Kitsuregawa，《发现事务数据库中的准周期频率模式》，摘自：Proc。第二届国际大数据分析大会，2013年，第97-115页
[22] 基兰，R.U。；Kitsuregawa，M。；Reddy，P.K.，《在超大数据库中高效发现周期性频率模式》，J.Syst。软件，112110-121（2016）
[23] 基兰·R·U。；Shang，H。；丰田章男。；Kitsuregawa，M.，《发现时间序列中的重复模式》，Proc。第18届国际扩展数据库技术会议，97-108（2015）
[24] 基兰，R.U。；Venkatesh，J.N。；Fournier-Viger，P。；丰田章男。；Reddy，P.K。；Kitsuregawa，M.，《发现非均匀时间数据库中的周期模式》，（第21届太平洋亚洲知识发现和数据挖掘大会（2017）），604-617
[25] 刘，Y。；Liao，W。；Choudhary，A.，《快速发现高效用项集的两阶段算法》（Proc.9th Pacific-Asia Conf.on Knowl.discovery and Data Mining（2005）），689-695
[26] Lucchese，C。；南奥兰多。；Perego，R.，《频繁闭合项集的快速和内存高效挖掘》，IEEE Trans。知识。数据工程，IEEE，18，1，21-36（2005）
[27] 南印度米纳托。；Uno，T。；Arimura，H.，ZBDD上的Lcm：使用紧凑的基于图形的表示快速生成大规模频繁项集，（第12届太平洋亚洲会议知识发现和数据挖掘（2008）），234-246
[28] Muthukrishnan，S。；E.V.D.Berg。；Wu，Y.，数据流的顺序变化检测，Proc。第七届IEEE数据挖掘研讨会国际会议，551（2007），550
[29] 北卡罗来纳州帕斯基尔。；巴斯蒂德，Y。；陶伊，R。；Lakhal，L.，《发现关联规则的频繁闭合项集》（Proc.7th Int.Conf.on Database Theory（1999）），398-416
[30] 裴，J。；Han，J。；卢，H。；西洋，S。；唐，S。；Yang，D.，H-Mine:大型数据库中的快速和空间保护频繁模式挖掘，IIE Trans。，39, 6, 593-605 (2007)
[31] J.Pei，J.Han，B.Mortazavi-Asl，H.Pinto，Q.Chen，U.Dayal，M.Hsu，PrefixSpan:通过前缀预测增长挖掘序列模式，in：Proc。第17届国际数据工程会议，2001年，第215-224页
[32] 拉希德，F。；Alhajj，R.，时间序列中周期异常模式检测框架，IEEE Trans。赛博。，44, 5, 569-582 (2014)
[33] 拉希德，M.M。；卡里姆，M.R。；Jeong，B.S。；Choi，H.J.，《高效挖掘事务数据库中的定期频繁模式》（Proc.17 Int.Conf.on Database Systems for Advanced Applications（2012）），258-271
[34] Stormer，H.，《通过识别季节性产品改进电子商务推荐系统》，（第22届人工智能大会（2007年），92-99
[35] 苏拉纳，A。；基兰·R·U。；Reddy，P.K.，《挖掘事务数据库中周期性频率模式的有效方法》（Proc.16th Pacific-Asia Conf.on Knowledge Discovery and Data Mining（2012）），254-266
[36] Tanbeer，S.K。；艾哈迈德，C.F。；Jeong，B.S。；Lee，Y.K.，《发现事务数据库中的周期性频率模式》（Proc.13th Pacific-Asia Conf.on Knowledge Discovery and Data Mining（2009）），242-253
[37] Vo，B。；Hong，T.P。；Le，B.，DBV-miner：用于快速挖掘频繁闭合项集的动态bbit-vector方法，专家系统。应用。，爱思唯尔，39，8，7196-7206（2012）
[38] 万，Q。；An，A.，《发现事务数据库中的过渡模式及其重要里程碑》，IEEE Trans。知识。数据工程，21，12，1692-1707（2009）
[39] Zaki，M.J。；Gouda，K.，《使用差异集的快速垂直挖掘》，（第九届ACM SIGKDD实习生大会知识发现和数据挖掘（2003）），326-335
[40] 张，C。；刘，C。；张，X。；Almpanidis，G.，《最先进分类算法的最新比较》，专家系统。应用。，82, 128-150 (2017)
[41] 张伟。；吉田，T。；唐，X。；Wang，Q.，使用频繁项集进行文本聚类，Knowl。基于系统。，23, 5, 379-388 (2010)
[42] 张，M。；高，B。；Cheng，D.W。；Yip，K.Y.，从序列中挖掘具有间隙要求的周期模式，ACM Trans。知识。发现数据，1、2、7-46（2007）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。