第8序列模式挖掘.pptVIP

* 应用AprioriAll算法例子(四) 序列 支持度 1,2,3 2 1,2,4 2 1,3,4 3 1,3,5 2 2,3,4 2 3序列模式 * 应用AprioriAll算法例子（五） 序列 支持度 1,2,3,4 2 4序列模式 至此算法结束，得到结果 * 类Apriori算法有以下缺点： 有可能生成庞大众多的候选序列。 多遍扫描数据库。 不易发生长度较大的序列模式。序列模式越长，所需要生成的序列就越多。 * PrefixSpan算法 相关定义 前缀：设每个元素中的所有项目按照字典序排列。给定序列? = e1e2…en，? = e1’ e2’… em’(m?n) ，如果ei’ = ei (i ? m - 1)， em’ ? em，并且(em - em’)中的项目均在em’中项目的后面， 则称?是?的前缀 * 投影：给定序列?和? ，如果?是?的子序列，则?关于?的投影?’必须满足： ?是?’的前缀，?’是?的满足上述条件的最大子序列 后缀： 序列?关于子序列? = e1e2… em-1em’的投影为?’ = e1e2… en (n = m)，则序列?关于子序列?的后缀为em”em+1… en， 其中em” = (em - em’) * 三、PrefixSpan算法 例子： a(abc)(ac)d(cf) a aa a(ab) a(abc) -(abc)(ac)d(cf) (_bc)(ac)d(cf) ab (_c)(ac)d(cf) * 三、PrefixSpan算法 算法描述： 扫描序列数据库，生成所有长度为1的序列模式 根据长度为1的序列模式，生成相应的投影数据库 在相应的投影数据库上重复上述步骤，直到在相应的投影数据库上不能产生长度为1的序列模式为止 S S1 … Sm S11 …… … S1n …… Sm1 …… … Smp …… * 三、PrefixSpan算法 扫描序列数据库S，产生长度为1的序列模式有：a : 4, b:4, c : 4, d : 3, e : 3, f : 3 序列模式的全集必然可以分为分别以a，b，c，d，e和f为前缀的序列模式的集合，构造不同前缀所对应的投影数据库，结果如下页图所示 分别对不同的投影数据库重复上述过程，直到没有新的长度为1的序列模式产生为止 Sequence_id Sequence 10 a(abc)(ac)d(cf) 20 (ad)c(bc)(ae) 30 (ef)(ab)(df)cb 40 eg(af)cbc * 三、PrefixSpan算法 Prefix Project Database a (abc)(ac)d(cf) (_d)c(bc)(ae) (_b)(df)cb (_f)cbc b (_c)(ac)d(cf) (_c)(ae) (df)cb c c (ac)d(cf) (bc)(ae) b bc d (cf) c(bc)(ae) (_f)cb e (_f)(ab)(df)cb (af)cbc f (ab)(df)cb cbc Sequence_id Sequence 10 a(abc)(ac)d(cf) 20 (ad)c(bc)(ae) 30 (ef)(ab)(df)cb 40 eg(af)cbc * 三、PrefixSpan算法 定义1. 投影数据库：设?为序列数据库S中的一个序列模式，则?的投影数据库为S中所有以?为前缀的序列相对于?的后缀，记为S|? 定义2. 投影数据库中的支持数：设?为序列数据库S中的一个序列模式，序列?以?为前缀，则?在?的投影数据库S|?中的支持数为S|?中满足条件? ? ?.?的序列?的个数 * 三、PrefixSpan算法 PrefixSpan算法 输入：序列数据库S及最小支持度阈值min_sup 输出：所有的序列模式 方法：调用子程序PrefixSpan(, 0, S) * 三、PrefixSpan算法 子程序PrefixSpan(?, L, S|?) 参数：? . 一个序列模式 L. 序列模式?的长度 S|? . 如果?为空，则为S，否则为?的投影数据库 扫描S|?，找到满足下述要求的长度为1的序列模式b： b可以添加到?的最后一个元素中并为序列模式 b可以作为?的最后一个元素并为序列模式 对每个生成的序列模式b，将b添加到?形成序列模式?’，并输出?’ 对每个?’,构造?’的投影数据库S|?’ ,并调用子程序PrefixSpan(?’, L + 1, S|?’) * 三、PrefixSpan算法 PrefixSpan算法分析： PrefixSpan算法不需要产生候选序列模式，从而大