数据挖掘2015最新精品课程完整课件(第7讲)---挖掘复杂类型频繁模式PPT.ppt

边增长 合并前提：每个图删除一条边后得到的子图拓扑等价 合并结果：第一个图添加另外一个图的不同的边 类Apriori算法 发现 1-频繁子图 Repeat 产生候选 连接(k-1)-子图产生k-子图 对候选剪枝 对包含非频繁(k-1)-子图的候选子图剪枝 计算支持度 计算剩余候选子图的支持度 删除k-非频繁子图 Example: Dataset 例子 生成候选子图 Apriori算法: 连接两个k-频繁项集产生 (k+1)-候选项集 在频繁子图模式挖掘中 (节点/边增长) 连接两个k-频繁子图可能会产生多个(k+1)-候选子图 候选子图的多样性（节点增长） 候选子图的多样性（边增长） Case 1: identical vertex labels 候选子图的多样性（边增长） Case 2: Core contains identical labels Core: The (k-1) subgraph that is common between the joint graphs 候选子图的多样性（边增长） Case 3: Core multiplicity 图同构 A graph is isomorphic if it is topologically equivalent to another graph Data Mining: Concepts and Techniques * Data Mining: Concepts and Techniques 挖掘复杂类型频繁模式 主要内容 序列模式挖掘 频繁子图挖掘 序列模式挖掘 * 序列挖掘或称序列模式挖掘，是指从序列数据库中发现蕴涵的序列模式。时间序列分析和序列模式挖掘有许多相似之处，在应用范畴、技术方法等方面也有很大的重合度。但是，序列挖掘一般是指相对时间或者其他顺序出现的序列的高频率子序列的发现，典型的应用还是限于离散型的序列。 序列模式挖掘最早是由Agrawal等人提出的，它的最初动机是针对带有交易时间属性的交易数据库中发现频繁项目序列以发现某一时间段内客户的购买活动规律。 近年来序列模式挖掘已经成为数据挖掘的一个重要方面，其应用范围也不局限于交易数据库，在DNA分析等尖端科学研究领域、Web访问等新型应用数据源等众多方面得到针对性研究。 概述 频繁序列 (frequent sequential pattern)源自频繁项集 序列模式挖掘的应用 购物序列 医疗处方 股市 通话序列 Web点击序列 程序执行序列 DNA序列和基因结构 序列模式挖掘 给定一个序列的集合，挖掘全部的频繁子序列模式 A sequence database 每个元素包含了项目的集合，元素内的项目没有顺序。 a(bc)dc 是a(abc)(ac)d(cf)的子序列 给定最小支持度阈值min_sup =2, (ab)c是频繁序列模式 如果t中每个有序元素都是s中一个有序元素的子集，则称序列t是另一个序列s的子序列 。 SID sequence 10 a(abc)(ac)d(cf) 20 (ad)c(bc)(ae) 30 (ef)(ab)(df)cb 40 eg(af)cbc A sequence : (ef) (ab) (df) c b 序列模式的Apriori性质 如给定最小支持度阈值min_sup =2, hb是非频繁的,则hab和(ah)b也不是频繁的 a(bd)bcb(ade) 50 (be)(ce)d 40 (ah)(bf)abf 30 (bf)(ce)b(fg) 20 (bd)cb(ac) 10 Sequence Seq. ID 若序列S不频繁，则S的超序列(super-sequences)也不再频繁。 * * 序列挖掘—数据源的形式 表6-1 带交易时间的交易数据源示例 客户号（Cust_id） 交易时间（Tran_time） 物品（Item） 1 1 June 25’99 June 30’99 30 90 2 2 2 June 10’99 June 15’99 June 20’99 10，20 30 40，60，70 3 June 25’99 30，50，70 4 4 4 June 25’99 June 30’99 July 25’99 30 40，70 90 5 June 12’99 90 表6-2顾客序列表示例 客户号（Cust_id） 顾客序列（Customer Sequence） 1 （30）（90） 2 （10，20）（30）（40，60，70） 3 （30，50，70） 4 （30）（40，70）（(90) 5 （90） 带交易时间的交易数据库的典型形式是包含客户号（Customer-id）、交易时间