[论文解读] A SAT model to mine flexible sequences in transactional datasets

Rémi Coletta, Benjamin Négrevergne|arXiv (Cornell University)|Apr 1, 2016

Data Mining Algorithms and Applications参考文献 10被引用 3

一句话总结

本文提出一种基于SAT的公式化方法，用于在事务数据集中挖掘频繁灵活序列，支持用户自定义约束（如间隔、跨度和必须包含条件）的高效集成。通过利用现成的SAT求解器和交互式求解，该方法支持可扩展的闭合模式与最大模式挖掘，在真实世界数据集上展现出实际性能，同时为多样化应用需求提供高度灵活性。

ABSTRACT

Traditional pattern mining algorithms generally suffer from a lack of flexibility. In this paper, we propose a SAT formulation of the problem to successfully mine frequent flexible sequences occurring in transactional datasets. Our SAT-based approach can easily be extended with extra constraints to address a broad range of pattern mining applications. To demonstrate this claim, we formulate and add several constraints, such as gap and span constraints, to our model in order to extract more specific patterns. We also use interactive solving to perform important derived tasks, such as closed pattern mining or maximal pattern mining. Finally, we prove the practical feasibility of our SAT model by running experiments on two real datasets.

研究动机与目标

• 解决传统序列挖掘算法缺乏对用户自定义约束支持的僵化问题。
• 证明通过将序列挖掘问题编码为布尔公式，SAT求解器能够有效处理该问题。
• 在单一可扩展框架中集成多种约束（如间隔、跨度和必须包含），实现灵活支持。
• 通过交互式SAT求解，支持衍生挖掘任务（如闭合与最大模式挖掘）。
• 在真实世界事务数据集上评估基于SAT的方法的可行性和性能。

提出的方法

• 将序列挖掘问题编码为纯布尔SAT公式，使用命题变量表示序列及其在事务中的嵌入。
• 将间隔和跨度等约束表示为附加布尔子句，以限制有效嵌入并剪枝搜索空间。
• 通过要求特定项目在序列中指定位置出现，编码必须包含约束。
• 使用交互式SAT求解迭代查询求解器，实现在不重新运行完整挖掘过程的情况下提取闭合与最大模式。
• 使用Glucose SAT求解器实现该模型，利用其高效性与增量求解能力。
• 该方法支持任意约束组合，且不损害正确性或性能。

实验结果

研究问题

• RQ1 序列挖掘问题能否被有效表述为SAT问题，以实现灵活的约束集成？
• RQ2 用户自定义约束（如间隔、跨度和必须包含）的引入如何影响求解性能与搜索空间剪枝？
• RQ3 交互式SAT求解能否高效提取如闭合与最大模式等衍生模式类型？
• RQ4 在真实世界数据集上，基于SAT的方法与专用算法相比性能如何？
• RQ5 当处理复杂、特定应用的约束时，SAT模型在可扩展性与效率方面能达到何种程度？

主要发现

• 基于SAT的方法成功将灵活序列挖掘编码为布尔公式，使现成SAT求解器可用于模式发现。
• 添加间隔与跨度约束显著剪枝了搜索空间并减少了求解时间，尤其在较大数据集（如T100）上效果明显。
• 常规约束与2-间隔约束的结合导致挖掘时间大幅减少，展现出显著的性能提升。
• 在Gazelle-500数据集上，由于序列极短，间隔与跨度约束影响微乎其微，但未导致性能下降。
• 交互式求解实现了闭合与最大模式的高效提取，避免了完整重新计算，减少了结果冗余。
• 该方法具有可扩展性与灵活性，用户可自由组合任意约束，且不损失正确性或带来显著性能损耗。