[发明专利]基于包含与演绎分析的精确序列规则挖掘方法

摘要

本发明公开了一种基于包含与演绎分析的精确序列规则挖掘方法，用于解决现有规则冗余的技术问题。技术方案是首先挖掘频繁闭情节及生成子，以保证序列规则在挖掘过程是无冗余的；然后，在构成序列规则的过程中，通过检查频繁闭情节集和生成子集，找到其最大重叠集元素以及其投影与被投影元素，过滤其投影与被投影元素产生的序列规则，即可达到冗余性检查的目的；最后，根据序列规则的定义，根据过滤后的频繁闭序列集和生成子集，生成精确序列规则。该方法在保证时刻复杂度和现有序列规则挖掘算法相当的前提下，消除了序列规则间的冗余，在保证序列规则代表信息完整性的前提下，保证了规则数量最少。

主权项

一种基于包含与演绎分析的精确序列规则挖掘方法，其特征在于包括以下步骤：步骤一、频繁闭序列及生成子挖掘：序列按照迭代生长的方式生长，即多序列是由1‑序列生成；在挖掘频繁序列的过程中，首先在时间窗口内找到所有的1‑频繁序列，再由1‑频繁序列排列组成2‑频繁序列，并挖掘这些候选2‑频繁序列中的频繁序列，以此类推；按照频繁闭序列的定义，从频繁序列集中再次挖掘频繁闭序列；然后，根据生成子的定义，通过比较频繁序列与其前向扩展即父序列的支持度来检查此序列的前向扩展是否为生成子；故在得到频繁序列集后，针对尚未确定为生成子的频繁序列而言，只要通过比较此序列和它的其他真子序列的支持度就能确定此序列是否是生成子；步骤二、冗余性检查：在生成规则的过程中，通过检查、过滤机制就能有效避免冗余演绎规则的产生；但即便如此，由于投影关系的传递性，进行演绎规则的过滤仍然是复杂的；为了提高演绎规则的过滤效率，只需要考虑闭序列和生成子的最大重叠项，对其进行演绎规则冗余检查；具体步骤如下：(a)对于闭序列集和生成子集，遍历搜索找出这两个集合的相同序列集，且在相同序列集中找出最长的序列；(b)找出最长相同序列在闭序列集合生成子集的投影和被投影序列；(c)根据定理知规则间的冗余是由于存在生成子和闭序列的公共相同序列；故最长相同序列的一次投影和被投影过程中，最多只产生两个规则，其余规则均存在规则间的冗余性；冗余演绎规则的过滤过程，即对最长相同序列产生的规则进行过滤即可；(d)产生无相同序列的生成子和闭序列集合；步骤三、精确序列规则的产生：根据序列规则的定义，从频繁闭序列集和生成子集中产生序列规则；首先，对于给定的闭序列以及其生成子，求出生成子在闭序列上的投影；其次，对于给定的最小可信度，计算闭序列和生成子的支持度比值，若比值大于可信度阈值，则根据规则的定义，将此闭序列和生成子构成的序列规则加入到序列规则集合中。