data-mining - 一个括号中的项目在顺序模式挖掘中代表什么

Question

我见过许多用于序列模式挖掘的数据库，它们在这些数据库中采用的序列就像

<(af)(d)(e)(a)>

<(e)(abf)(bde)>

一个括号中的一组项目如 (af), (abf), (bde) 代表什么？
这是否意味着它们彼此相关或与其他事物相关

我们根据什么将项目归入这一元素？
我使用网络日志文件作为数据集。

Answer 1

序列模式挖掘算法的输入是序列数据库。序列是项集的有序列表。

下面是一个序列示例:

<(e)(abf)(bde)>

该序列应解释如下:

首先出现了项目“e”。然后同时跟随“a”、“b”和“f”。这些项目然后同时跟随“b”、“d”和“e”。

所以答案是括号之间的项目被假定为无序或同时发生。括号之间的项称为“项集”。

请注意，还假设在一个项目集中没有项目可以出现多次。因此，拥有诸如 (a a b) 之类的项集将是非法的

此外，您还应该知道，大多数序列模式挖掘算法都假定项集中的项是按词法排序的(例如 PrefixSpan)。如果项集中的项不是按词法排序的，则算法可能无法提供良好的结果，因为它们使用了一些基于此假设的优化。

如果你想尝试一些序列模式挖掘算法，你可以看看SPMF软件:http://www.philippe-fournier-viger.com/spmf/它提供了图形用户界面和许多示例(我是项目创始人)。

希望这能很好地回答你的问题。