[论文解读] A unified view of Automata-based algorithms for Frequent Episode Discovery

Avinash Achar, Srivatsan Laxman+1 more|arXiv (Cornell University)|Jul 5, 2010

Data Mining Algorithms and Applications参考文献 17被引用 5

一句话总结

本文提出了一种统一的基于自动机的框架，该框架泛化了在各种频率定义下频繁片段发现的所有现有算法。通过引入一个具有可配置参数的通用算法，该框架统一了基于窗口、最小、头部、总计和不同出现次数的频率定义，实现了系统化的正确性证明，并揭示了不同频率之间的定量关系。

ABSTRACT

Frequent Episode Discovery framework is a popular framework in Temporal Data Mining with many applications. Over the years many different notions of frequencies of episodes have been proposed along with different algorithms for episode discovery. In this paper we present a unified view of all such frequency counting algorithms. We present a generic algorithm such that all current algorithms are special cases of it. This unified view allows one to gain insights into different frequencies and we present quantitative relationships among different frequencies. Our unified view also helps in obtaining correctness proofs for various algorithms as we show here. We also point out how this unified view helps us to consider generalization of the algorithm so that they can discover episodes with general partial orders.

研究动机与目标

• 将多种频率定义下的基于自动机的频繁片段发现算法统一到一个框架中。
• 提供一个通用算法，使其能将所有已知的频率计数技术作为特例包含在内。
• 利用统一框架为现有算法推导出形式化的正确性证明。
• 揭示同一片段在不同频率度量之间的定量关系。
• 使当前算法能够推广以处理具有通用偏序结构的片段。

提出的方法

• 提出一种具有可配置参数的通用基于自动机的算法，以建模不同的频率计数策略。
• 将“最早穿越出现”定义为关键概念，以统一并简化正确性证明。
• 使用有限状态自动机（FSA）追踪部分片段匹配，其状态转移基于事件类型和片段结构。
• 通过布尔条件和状态转移规则对算法进行参数化，以针对特定频率定义（如基于窗口、最小、不同出现次数等）进行特化。
• 为每种频率定义推导出反单调性性质，以支持在挖掘过程中高效生成候选片段。
• 通过设计并行状态中等待事件类型集合的FSA，将框架扩展至偏序片段，从而泛化串行片段的处理方式。

实验结果

研究问题

• RQ1 如何将所有现有的基于自动机的频繁片段发现算法统一到一个单一框架下？
• RQ2 同一片段在不同频率度量（如基于窗口、最小、头部、总计）之间的定量关系是什么？
• RQ3 是否可以设计一个单一的通用算法，通过参数化重现所有已知的频率计数技术？
• RQ4 “最早穿越出现”在实现简洁且统一的正确性证明中起什么作用？
• RQ5 如何将该框架扩展以支持具有通用偏序结构的片段？

主要发现

• 所提出的通用算法泛化了所有已知的频率计数算法，每种算法均可通过参数设置作为其特例。
• 该框架揭示了在“不同出现次数”定义下片段的频率始终小于或等于在“最小出现次数”定义下的频率。
• 首次正式推导出频率之间的定量关系，包括不等式：基于窗口的频率 ≥ 最小频率 ≥ 不同出现次数的频率。
• 首次利用统一框架为在过期时间约束下的非重叠出现提供了正确性证明。
• 该框架为反单调性性质提供了新见解，而这些性质对于频繁片段挖掘中的高效候选生成至关重要。
• 通过设计可追踪并发事件类型期望的多分支有限状态自动机，该方法可扩展至一般偏序片段。