序列模式挖掘

序列模式挖掘(sequence pattern mining)是資料探勘的內容之一，指挖掘相對時間或其他模式出現頻率高的模式，典型的應用還是限於離散型的序列。。

其涉及在資料示例之間找到統計上相關的模式，其中資料值以序列被遞送。通常假設這些值是離散的，因此與時間序列挖掘是密切相關的，但時間通常被認為是不同的活動。序列模式挖掘是結構化資料探勘的一種特殊情況。

基礎概念

為了幫助大家理解，我這裡講序列是如何產生的稍微描述一下。

例如，一個事務資料庫，一個事務代表一筆交易，一個單項代表交易的商品，單項屬性中的數字記錄的是商品ID

一般為了方便處理，需要把資料庫轉化為序列資料庫。方法是把使用者ID相同的記錄合併，有時每個事務的發生時間可以忽略，僅保持事務間的偏序關係。

序列(Sequence)

通常以SID表示，一個序列即是一個完整的資訊流。每個序列由不同的元素按順序有序排列，每個元素由不同專案（或者也可以稱之為事件）組成，

讓我們將其符號化

例：一條序列<(10,20)30(40,60,70)>有3個元素，分別是(10,20)，30，(40,60,70)；

3個事務的發生時間是由前到後。其中專案10和專案20是同時發生的，所以處在同一個元素中。這條序列是一個6-序列。

子序列(Subsequence)

設序列α=<a1a2…an>，序列β=<b1b2…bm>，ai和bi都是元素。如果存在整數序列J有1≤j1<j2<

支援度

序列α在序列資料庫S中的支援度為序列資料庫S中包含序列支援度的序列個數，記為Support(α)。

給定最小支援度閾值ξ，如果序列α在序列資料庫中的支援數不低於ξ，則稱序列α為序列模式。

長度為l的序列模式記為l-模式。

序列模式挖掘：找出所有的頻繁子序列，即該子序列在序列集中的出現頻率不低於最小支援度閾值。

例子：設序列資料庫如下圖所示，並設使用者指定的最小支援度min-support = 2。

序列<a(bc)df>

序列<(ab)c>是長度為3的序列模式，<a(abc)(ac)d(cf)>中出現了2次，<(ad)c(bc)(ae)>出現了一次。