论文部分内容阅读
序列模式挖掘作为数据挖掘的重要课题,在许多实际应用中也是一个重要且具有挑战性的任务。传统的序列模式挖掘算法通常以频度作为兴趣模式的标准且缺乏序列模式的优良扩展,挖掘结果质量不高。现提出一种最有趣的序列模式挖掘(Interesting Sequential Patterns Mining,ISPM)算法,定义一种新的序列模式兴趣度度量方法,同时采用分支定界的搜索方式对所有可能的候选序列进行遍历,并利用相关剪枝策略和位图的数据结构提高挖掘效率。通过手语表达序列、网站点击流、购物篮等数据集验证了算法的有效性。