数据流中一种有效的当前频繁序列挖掘方法

数据流中一种有效的当前频繁序列挖掘方法

黄崇争，吴元锡，陈红

中国人民大学信息学院数据工程与知识工程教育部重点实验室，北京 100472

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2006-10-24 发布日期:2006-10-24
通讯作者: 黄崇争

An efficient algorithm for current frequent sequence mining in data stream

HUANG Chong-zheng， WU Yuan-xi， CHEN Hong

Key Laboratory of Data Engineering and Knowledge Engineering, School of Information,Renmin University of China, Beijing 100472, China

Received:1900-01-01 Revised:1900-01-01 Online:2006-10-24 Published:2006-10-24
Contact: HUANG Chong-zheng

摘要/Abstract

摘要： 给出了一种基于滑动窗口挖掘频繁序列算法。该算法给出了ε-近似序列集的定义，利用一种压缩的数据结构GSP-tree来存储和维护整个滑动窗口中各分区的近似序列集，并通过合并各分区的近似序列集来响应用户当前的查询请求。

关键词: 数据流, 挖掘, 滑动窗口 , 频繁序列

Abstract: A sliding window-based algorithm was proposed to mine frequent sequence. The definition of-approximate sequence set was given and a compressed data structure called “GSP-tree” was introduced to maintain the approximate sequence set of each partition in the whole sliding window.

Key words: sliding window , frequent sequence, mining, data stream

中图分类号:

TP399

黄崇争,吴元锡,陈红 . 数据流中一种有效的当前频繁序列挖掘方法[J]. J4, 2007, 42(11): 37-39 .

HUANG Chong-zheng,WU Yuan-xi,CHEN Hong . An efficient algorithm for current frequent sequence mining in data stream[J]. J4, 2007, 42(11): 37-39 .

参考文献

相关文章 15

[1]	余传明,左宇恒,郭亚静,安璐. 基于复合主题演化模型的作者研究兴趣动态发现[J]. 山东大学学报（理学版）, 2018, 53(9): 23-34.
[2]	李阳,程雄,童言,陈伟,秦涛,张剑,徐明迪. 基于流量统计特征的潜在威胁用户挖掘方法[J]. 山东大学学报（理学版）, 2018, 53(1): 83-88.
[3]	康海燕,马跃雷. 差分隐私保护在数据挖掘中应用综述[J]. 山东大学学报（理学版）, 2017, 52(3): 16-23.
[4]	柳欣,徐秋亮,张波. 满足可控关联性的合作群签名方案[J]. 山东大学学报（理学版）, 2016, 51(9): 18-35.
[5]	郭华龙,任雪芳,张凌. 数据的动态挖掘与P-增广矩阵关系[J]. 山东大学学报（理学版）, 2016, 51(8): 105-110.
[6]	任雪芳,张凌. 逆P-集合的扰动定理与数据的扰动挖掘[J]. 山东大学学报（理学版）, 2016, 51(12): 54-60.
[7]	汤积华,陈保会,史开泉. P-增广矩阵推理与信息的智能分解挖掘[J]. 山东大学学报（理学版）, 2016, 51(12): 61-66.
[8]	朱梦珺,蒋洪迅,许伟. 基于金融微博情感与传播效果的股票价格预测[J]. 山东大学学报（理学版）, 2016, 51(11): 13-25.
[9]	奉国和,王丹迪,李媚婵. 基于SVD的档案学主题挖掘[J]. 山东大学学报（理学版）, 2016, 51(1): 95-100.
[10]	王立人, 余正涛, 王炎冰, 高盛祥, 李贤慧. 基于有指导LDA用户兴趣模型的微博主题挖掘[J]. 山东大学学报（理学版）, 2015, 50(09): 36-41.
[11]	张凌, 任雪芳. 基数余-亏定理与数据外-内挖掘-分离[J]. 山东大学学报（理学版）, 2015, 50(08): 90-94.
[12]	罗毅, 李利, 谭松波, 程学旗. 基于中文微博语料的情感倾向性分析[J]. 山东大学学报（理学版）, 2014, 49(11): 1-7.
[13]	郑妍, 庞琳, 毕慧, 刘玮, 程工. 基于情感主题模型的特征选择方法[J]. 山东大学学报（理学版）, 2014, 49(11): 74-81.
[14]	卢琦蓓1,2,郭飞鹏3. 基于改进型FP-Tree的分布式关联分类算法[J]. 山东大学学报（理学版）, 2014, 49(1): 71-75.
[15]	吴熙曦, 李炳龙, 张天琪. 基于KNN的Android智能手机微信取证方法[J]. 山东大学学报（理学版）, 2014, 49(09): 150-153.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed