Improving the Efficiency of Interactive Sequential Pattern Mining by Closed Pattern Discovery

doi:10.1007/978-981-95-3462-3_20

Improving the Efficiency of Interactive Sequential Pattern Mining by Closed Pattern Discovery

2026-01-01

0

PRE

AI

DOI：10.1007/978-981-95-3462-3_20

原文链接

原文求助

摘要

En 中文

随着大数据应用的日益普及，序列模式挖掘（SPM）——一种用于识别序列数据中频繁模式的技术——已引起广泛关注。由于最优支持度阈值取决于数据集，允许用户动态调整算法参数的交互式SPM对于实际分析至关重要。然而，传统的交互式SPM方法依赖已知的频繁模式，常常忽视闭合频繁模式。这一局限性可能阻碍分析效率，特别是在需要全面且简洁的模式集时。在医疗记录等领域，仅凭闭合频繁模式即可全面理解治疗过程。本研究提出了一种通过聚焦闭合频繁模式来加速交互式SPM的方法。该方法通过高效复用先前挖掘的闭合模式来增强模式分析。此外，我们通过公共数据集的评估验证了引入闭合模式考虑的有效性。结果表明，相较于传统方法，该方法在模式发现方面效率有所提升。

Keyword:

Sequential pattern mining

Closed frequent patterns

Frequent pattern mining

Improving the Efficiency of Interactive Sequential Pattern Mining by Closed Pattern Discovery

摘要

期刊

机构

引用论文