InClosPan大型数据库中闭序列模式的增量挖掘.pdfVIP

南昌大学学报(理科版) Vol. 32 No. 1 第32 卷第 1 期 2∞8 年2 月 Joumal of Nanchang University( Natural Science) Feb.2∞8 文章编号:1∞6 -0464(2∞8)01 -仪)96 -04 InClosPan: 大型数据库中闭序列模式的增量挖掘 白似雪，朱天 (南昌大学计算机科学与技术系，江西南昌 33∞31) 摘 要:许多现实数据库都以增量形式增长，不希望在每次更新了数据库之后，又重新挖掘完整数据库，增量算法 成为必需。研究了当初始数据库中增加了新的事务或增加了新的顾客时，增量挖掘闭序列模式的问题。给出了一 个新的频繁闭序列模式增量挖掘算法InClosPan ，该算法利用已得到的结果进行增量挖掘，减少了重新挖掘数据库 的费用。 关键词:闭序列模式;增量挖掘;数据挖掘 中图分类号:T凹01. 6 文献标识码:A 挖掘闭序列模式是数据挖掘中一项很重要的任 定义 1 [2] 一个序列 S 是指项集的有序表，记 务，有着广泛的应用，如分析顾客的购物习惯，web 为 S=(SI ， S2 …， Sm) ， 其中引(i = 1 ， 2 ，… ， m) 是一 页面的访问顺序，DNA 序列分析等等。如今已有许 个项集，且Si ç 1。一个序列的长度是指它所包含的 多序列模式及闭序列模式的挖掘算法，它们可以很 项集的长度之和，即 l = L I Si 1 ，记为 I S I 。具有 有效地挖掘频繁序列[1 -5] 。这些算法都有一个特 k 长度的序列称为 k - 序列。 点:它们是一次完成的，挖掘完整的数据库，得到完 定义2[2] 设有两个序列Sa = (叫，吨，… ， a n 全的结果。然而许多现实数据库都以增量的形式增 和Sb = (b 1 , b2 , … , bm ) ， 这里n 运 m， 当且仅当 3 (1 长，记录按时间顺序不断更新。例如，顾客的购物事 ~ i 1 i2 … in ~ m) ^ (a 1 ç二 b坷， a25ba2 ，··， 物数据库每日都会有新的购买记录，天气序列以及 αn ç biJ 为真时，称序列 Sa 包含于序列岛中，记为 医疗序列也会随着时间日益增长。如果每次要重新 Sa ç Sb 。相应地，我们称 Sa 为岛的子序列， Sb 为乱 挖掘完整的数据库，效率将非常低，所以我们必须提 的超序列。 出新的增量算法来解决这个问题。一些有效的有关 定义3[2] 一个序列Sa 在序列数据库S 中的支 关联规则的增量算法已经提出了，但是序列模式的 持度是指S 中包含乱的元组的数目，记为Sup(S.) 。 问题比关联规则更加复杂，因为必须考虑事务缩减 ( transaction cutting) ，和序列排列( sequence permuta- 给定一个最小支持度阔值min_sup。若序列s 的支持 度不小于 min_sup ，则称 s 为频繁序列，所有频繁序 tion) 。目前已有一些有关序列模式的增量挖