Directly extracting maximal multi-level high-utility patterns

doi:10.1016/j.knosys.2026.116419

Directly extracting maximal multi-level high-utility patterns

2026-09-05

0

PRE

AI

DOI：10.1016/j.knosys.2026.116419

原文链接

原文求助

摘要

En 中文

高效用模式挖掘（HUPM）是一种将项目效用纳入其中以从交易数据中发现有价值见解的实用方法。然而，将HUPM应用于使用项目分类的多级数据时，常常导致模式爆炸，产生大量冗余模式。最大高效用模式挖掘通过发现最一般的高效用模式的最简洁、非冗余集合来解决这一问题。以往针对该任务的算法效率低下，因为它们依赖于一个中间的、资源密集型的挖掘封闭高效用模式的步骤。本研究介绍了FMX-Miner，一种新颖且高效的算法，可直接提取最大多级高效用模式，完全绕过封闭模式生成阶段。通过集成动态的即时最大性检查和先进的剪枝策略，FMX-Miner显著减少了搜索空间和计算成本。实验结果表明，FMX-Miner比当前最先进的算法快多达570倍，且内存消耗仅为后者的2到10倍，为从层次数据库中提取可操作的见解提供了可扩展的解决方案。

Keyword:

Pattern mining

Hierarchical database

Multi-level high-utility pattern

Maximal pattern

Taxonomy-based

Directly extracting maximal multi-level high-utility patterns

摘要

期刊

机构

引用论文