论文部分内容阅读
变阶马尔可夫模型是对事件序列建模的一种简单且有效的模型，但经典变阶马尔可夫模型只考虑转移概率，未关注子序列本身出现的频率。为此，提出一种加权的变阶马尔可夫模型，在经典变阶马尔可夫模型基础上根据子序列的频率构建一棵加权概率后缀树。给出一种剪枝策略，在构建后缀树时根据结点相似程度剪除树枝，以提高模型的泛化能力，并在线性时间内完成加权概率后缀树的构建。通过将加权的模型应用于事件序列分类进行实验验证，结果表明，该模型可以对不同领域的实际序列数据进行有效分类。