[论文解读] Towards Target Sequential Rules

Wensheng Gan, Gengsen Huang+3 more|arXiv (Cornell University)|Jun 9, 2022

Data Mining Algorithms and Applications被引用 4

一句话总结

本文提出目标序列规则挖掘（TSRM），一种新颖的方法，可高效发现仅与用户指定目标事件相关的序列规则，避免无关规则的爆炸性增长。所提出的TaSRM算法采用目标导向的剪枝与优化策略，在多种查询场景和数据集上，显著优于基线方法，在运行时间、内存使用和可扩展性方面表现更优。

ABSTRACT

In many real-world applications, sequential rule mining (SRM) can provide prediction and recommendation functions for a variety of services. It is an important technique of pattern mining to discover all valuable rules that belong to high-frequency and high-confidence sequential rules. Although several algorithms of SRM are proposed to solve various practical problems, there are no studies on target sequential rules. Targeted sequential rule mining aims at mining the interesting sequential rules that users focus on, thus avoiding the generation of other invalid and unnecessary rules. This approach can further improve the efficiency of users in analyzing rules and reduce the consumption of data resources. In this paper, we provide the relevant definitions of target sequential rule and formulate the problem of targeted sequential rule mining. Furthermore, we propose an efficient algorithm, called targeted sequential rule mining (TaSRM). Several pruning strategies and an optimization are introduced to improve the efficiency of TaSRM. Finally, a large number of experiments are conducted on different benchmarks, and we analyze the results in terms of their running time, memory consumption, and scalability, as well as query cases with different query rules. It is shown that the novel algorithm TaSRM and its variants can achieve better experimental performance compared to the existing baseline algorithm.

研究动机与目标

• 解决传统序列规则挖掘（SRM）在挖掘大规模数据集时因生成过多无关规则而导致的低效问题。
• 定义并形式化靶向序列规则挖掘（TSRM）问题，聚焦于用户指定的目标事件。
• 设计一种高效算法TaSRM，通过早期剪枝非相关规则并基于用户定义的查询规则优化搜索过程。
• 评估TaSRM变体在不同数据规模、支持度阈值和查询模式下的可扩展性与性能表现。
• 证明挖掘效率取决于目标规则的数量，而非整体数据集大小。

提出的方法

• 提出目标序列规则的正式定义，其中后件部分包含用户指定的目标事件。
• 提出TaSRM算法，通过基于查询规则前件和后件过滤序列与规则，实现靶向挖掘。
• 采用优化的树结构（UTP）仅存储和遍历相关序列，降低内存与计算开销。
• 应用剪枝策略，在处理早期即剔除不匹配查询结构的候选规则。
• 提出两个变体TaSRM V2与TaSRM V3，针对不同查询类型增强剪枝与优化能力。
• 使用最小支持度（minsup）与最小置信度（minconf）阈值，但仅对与目标相关的规则进行计算。

实验结果

研究问题

• RQ1 如何重构序列规则挖掘，使其仅聚焦于与用户指定目标事件相关的规则？
• RQ2 可应用哪些剪枝与优化技术以提升靶向规则挖掘的效率？
• RQ3 TaSRM与基线算法（如RuleGrowth）相比，在运行时间、内存使用和可扩展性方面表现如何？
• RQ4 不同查询模式（如仅指定前件或仅指定后件）如何影响挖掘效率？
• RQ5 算法的可扩展性是否由目标序列规则的数量决定，而非数据集大小？

主要发现

• 在所有测试数据集上，TaSRM算法及其变体在运行时间上显著优于基线算法RuleGrowth，且内存消耗更低。
• 在高过滤率的查询场景（如仅指定前件，过滤率达99.03%）中，TaSRM V2与TaSRM V3表现出更优性能。
• 在低过滤率场景（如仅指定后件）中，由于缺乏有效剪枝，TaSRM V1表现欠佳；而TaSRM V3相较TaSRM V2有显著提升。
• TaSRM变体的运行时间与内存使用主要随目标序列规则数量增长，而非整体数据集大小，表明其具有出色的可扩展性。
• 即使在支持度阈值降低的情况下，算法仍保持高效，证明其在低阈值挖掘场景下的鲁棒性。
• 实验结果证实，TaSRM在多种真实世界数据集和查询模式下均表现出稳定且高效的性能。