[论文解读] A Rough Sets Partitioning Model for Mining Sequential Patterns with Time Constraint

Jigyasa Bisaria, Namita Shrivastava+1 more|ArXiv.org|Jun 23, 2009

Rough Sets and Fuzzy Logic参考文献 16被引用 5

一句话总结

本文提出了一种基于粗糙集的划分模型，以在时间约束下加速序列模式挖掘。通过利用不可分辨关系对搜索空间进行划分，所提出的粗糙集划分（RSP）算法在至少10倍于GSP的性能下实现加速，同时支持预可视化和可调时间窗口设置，并额外提取所发现模式的时间间隔知识。

ABSTRACT

Now a days, data mining and knowledge discovery methods are applied to a variety of enterprise and engineering disciplines to uncover interesting patterns from databases. The study of Sequential patterns is an important data mining problem due to its wide applications to real world time dependent databases. Sequential patterns are inter-event patterns ordered over a time-period associated with specific objects under study. Analysis and discovery of frequent sequential patterns over a predetermined time-period are interesting data mining results, and can aid in decision support in many enterprise applications. The problem of sequential pattern mining poses computational challenges as a long frequent sequence contains enormous number of frequent subsequences. Also useful results depend on the right choice of event window. In this paper, we have studied the problem of sequential pattern mining through two perspectives, one the computational aspect of the problem and the other is incorporation and adjustability of time constraint. We have used Indiscernibility relation from theory of rough sets to partition the search space of sequential patterns and have proposed a novel algorithm that allows previsualization of patterns and allows adjustment of time constraint prior to execution of mining task. The algorithm Rough Set Partitioning is at least ten times faster than the naive time constraint based sequential pattern mining algorithm GSP. Besides this an additional knowledge of time interval of sequential patterns is also determined with the method.

研究动机与目标

• 解决传统序列模式挖掘算法在时间约束下的计算低效问题。
• 提高在时间依赖型数据库中挖掘频繁序列模式的效率。
• 在挖掘执行前支持预可视化和时间约束的动态调整。
• 不仅提取频繁模式，还提取其关联的时间间隔，以增强决策支持能力。

提出的方法

• 利用粗糙集理论中的不可分辨关系对序列模式的搜索空间进行划分。
• 应用一种划分策略，以减少需评估的候选序列数量。
• 提出一种新型算法——粗糙集划分（RSP），专为高效处理时间约束而设计。
• 在挖掘执行前支持可调时间窗口参数，提升模式发现的灵活性。
• 采用预可视化机制，帮助用户在挖掘前选择最优时间约束。
• 将时间间隔知识提取作为挖掘过程的副产品进行集成。

实验结果

研究问题

• RQ1 如何有效降低时间约束下序列模式挖掘的计算复杂度？
• RQ2 基于粗糙集的划分能否提升序列模式挖掘算法的性能？
• RQ3 在不重新处理数据的前提下，时间约束可提前调整到何种程度？
• RQ4 除了频繁序列模式外，还能提取哪些额外的时序知识？
• RQ5 所提出的RSP算法与GSP等现有方法相比，性能如何？

主要发现

• RSP算法在时间约束下的序列模式挖掘中，执行速度至少比GSP快10倍。
• 基于粗糙集的划分显著减少了搜索空间，提升了计算效率。
• 该方法支持模式的预可视化，并可在挖掘开始前动态调整时间约束。
• 该算法成功提取了所发现序列模式的时间间隔信息，增强了分析价值。
• 该方法在大幅降低运行时间的同时保持了高准确性，适用于大规模时间依赖型数据库。
• 时间约束可调性与预可视化功能的集成，显著提升了在真实世界决策支持系统中的可用性。