数据流中一种有效的当前频繁序列挖掘方法 - 山东大学学报（理学版）.pdf

第 卷 第 期 年 月 ４２ １１ 山 东 大 学 学 报 （理 学 版） ２００７ １１ Ｖｏｌ．４２ Ｎｏ．１１ （ ） Ｎｏｖ．２００７ ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙＮａｔｕｒａｌＳｃｉｅｎｃｅ 文章编号： （ ） １６７１９３５２２００７１１００３７０３ 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） 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 近似序列集的定义，利用一种压缩的数据结 ε 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；频繁序列；滑动窗口 中图分类号： 文献标志码： ＴＰ３９９ Ａ Ａｎｅｆｆｉｃｉｅｎｔａｌｇｏｒｉｔｈｍｆｏｒｃｕｒｒｅｎｔｆｒｅｑｕｅｎｔｓｅｑｕｅｎｃｅ ｍｉｎｉｎｇｉｎｄａｔａｓｔｒｅａｍ ， ， ＨＵＡＮＧＣｈｏｎｇｚｈｅｎｇＷＵＹｕａｎｘｉＣＨＥＮＨｏｎｇ （ ， ， ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＤａｔａＥｎｇｉｎｅｅｒｉｎｇａｎｄＫｎｏｗｌｅｄｇｅＥｎｇｉｎｅｅｒｉｎｇＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎ ， ， ） ＲｅｎｍｉｎＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａＢｅｉｊｉｎｇ１００４７２ Ｃｈｉｎａ ： ＡｂｓｔｒａｃｔＡｓｌｉｄｉｎｇｗｉｎｄｏｗｂａｓｅｄａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄｔｏｍｉｎｅｆｒｅｑｕｅｎｔｓｅｑｕｅｎｃｅ．Ｔｈｅｄｅｆｉｎｉｔｉｏｎｏｆａｐｐｒｏｘｉｍａｔｅｓｅｑｕｅｎｃｅｓｅｔ “ ” ｗａｓｇｉｖｅｎａｎｄａｃｏｍｐｒｅｓｓｅｄｄａｔａｓｔｒｕｃｔｕｒｅｃａｌｌｅｄ ＧＳＰｔｒｅｅｗａｓｉｎｔｒｏｄｕｃｅｄｔｏｍａｉｎｔａｉｎｔｈｅａｐｐｒｏｘｉｍａｔｅｓｅｑｕｅｎｃｅｓｅｔｏｆｅａｃｈ ｐａｒｔｉｔｉｏｎｉｎｔｈｅｗｈｏｌｅｓｌｉｄｉｎｇｗｉｎｄｏｗ． ： ； ； ； Ｋｅｙｗｏｒｄｓｄａｔａｓｔｒｅａｍ ｍｉｎｉｎｇｆｒｅｑｕｅｎｔｓｅｑｕｅｎｃｅｓｌｉｄｉｎｇｗｉｎｄｏｗ 法，该算法给出了 近似序列集的定义，通过 近 ε ε ０ 引言 似序列集使得算法能够对数据流只进行一遍扫描就 可以得到可控误差范围内的挖掘结果。本文利用一 近年来，序列模式挖掘已成为数据挖掘的一个 种压缩