.png){kind=icon}
返回
TK-RNSP: Efficient Top-K Repetitive Negative Sequential Pattern mining
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ipm.2025.104077.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
重复性负面顺序模式（RNSPs）能够提供关于序列重要性的关键见解。然而，大多数当前RNSP挖掘方法要求用户设置一个合适的支持度阈值以获得预期的模式数量，这对于没有先前经验的用户来说是一项非常困难的任务。为解决此问题，我们提出了一种新算法TK-RNSP，用于挖掘支持度最高的Top-K RNSPs，无需设置支持度阈值。具体而言，我们通过提出一系列定义实现了重大突破，这些定义使RNSP挖掘满足反单调性。随后，我们提出了一种基于位图的深度优先回溯搜索（DFBS）策略，通过加快支持度计算速度来降低沉重的计算负担。最后，我们以单阶段过程提出TKRNSP算法，与那些两阶段过程的算法相比，能够有效减少不必要模式的生成并提高计算效率。据我们所知，TK-RNSP是首个用于挖掘Top-K RNSPs的算法。在八个数据集上的广泛实验表明，TK-RNSP在挖掘Top-K RNSPs方面具有更好的灵活性和效率。
Keyword:
Sequential pattern mining
Negative sequential pattern
Top-K repetitive negative sequential patterns
Nonoverlapping
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
引用论文
分享收藏ITUFP: A fast method for interactive mining of Top-K frequent patterns from uncertain dataITUFP: 一种快速交互式挖掘不确定数据中Top-K频繁模式的方法
PREAI
分享收藏Using alignment-free and pattern mining methods for SARS-CoV-2 genome analysis.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Mining negative sequential patterns from infrequent positive sequences with 2-level multiple minimum supportsFilomat
OAAI
FilomatIF0
OAAI分享收藏
查看更多内容