基于約束的頻繁模式挖掘方法以及應(yīng)用研究.pdf

1、基于約束的頻繁模式挖掘是數(shù)據(jù)挖掘研究中最基本問題之一，具有廣泛的實際應(yīng)用。然而，在這個研究領(lǐng)域中，仍然存在三個方面的挑戰(zhàn):(1)如何拓展新的應(yīng)用？具體而言，除了模式的“支持度”，怎樣設(shè)計一些新模式指標(biāo)更好地去度量模式的興趣度，以滿足新應(yīng)用的需求;(2)和模式支持度的反單調(diào)性不同，所提新模式指標(biāo)的性質(zhì)通常都比較復(fù)雜，比如它不滿足單調(diào)性、反單調(diào)性、可轉(zhuǎn)換性、簡明性等。那么對一個模式，如何快速計算其所有父模式關(guān)于該指標(biāo)的上/下界，并利用這個新

2、模式指標(biāo)的特性設(shè)計出高效算法;(3)通常，不同的應(yīng)用，有不同新模式指標(biāo)的提出，然后分別提出不同的模式上/下界的計算方法。那么有沒有一種通用方法可以計算任一模式指標(biāo)的上/下界？針對以上問題和挑戰(zhàn)，本文開展了基于約束的頻繁模式挖掘的方法及其應(yīng)用研究，主要成果及貢獻如下:
　　首先，提出了一個基于模式挖掘的網(wǎng)頁內(nèi)容推薦方法。網(wǎng)頁內(nèi)容推薦就是從網(wǎng)頁中找到重要的內(nèi)容塊組合推薦給用戶，有著很多的應(yīng)用（比如網(wǎng)頁智能打印、移動設(shè)備上的電子閱讀等）

3、。目前有許多的方法試圖去解決這個問題，但在這些方法中，要么就是針對于特定網(wǎng)頁（比如新聞、博客類的網(wǎng)頁），要么就是半自動化的（用戶需要額外的操作去選擇網(wǎng)頁的內(nèi)容塊）。針對于任一類型的網(wǎng)頁，如何全自動地提取網(wǎng)頁中的有效內(nèi)容，目前還沒有得到很好地解決。為此，本文利用之前用戶對相似網(wǎng)頁的選擇方式，將該問題形式化成一個模式挖掘推薦問題，提出了一個基于模式挖掘的網(wǎng)頁內(nèi)容推薦方法，可以為任一類型的網(wǎng)頁提供更加準(zhǔn)確的網(wǎng)頁內(nèi)容推薦。具體而言，推薦給用戶的

4、內(nèi)容塊組合（模式）不僅要頻繁被其它用戶選擇，而且要越完整越好。鑒于此，本文提出了一個新的模式興趣指標(biāo)，即占有度，來衡量模式在其支持數(shù)據(jù)庫上的完整度。結(jié)合模式的支持度和占有度，可以提供給用戶更加準(zhǔn)確、滿意的網(wǎng)頁內(nèi)容推薦。最后，同基準(zhǔn)方法比較，在真實的數(shù)據(jù)集上的實驗結(jié)果表明所提方法能取得更加滿意的推薦結(jié)果和運行效率。
　　其次，提出了一個基于占有度的頻繁模式挖掘通用高效算法。本章分別對占有度的定義、界估算方法以及應(yīng)用三個層面進行深度擴

5、展。具體而言，基于不同的加權(quán)平均（算術(shù)平均和調(diào)和平均），提出了兩種不同的占有度定義，即算術(shù)占有度和調(diào)和占有度。與模式支持度的反單調(diào)性不同，占有度的性質(zhì)即不滿足單調(diào)性、反單調(diào)性，又不滿足可轉(zhuǎn)換性、簡明性，那么對一個模式，如何快速計算其所有父模式關(guān)于占有度的一個上界？為此，對于每一種占有度定義，本文分別提出了三種上界:高效、最‘緊’和折中上界。高效上界對于單個結(jié)點計算比較高效，但是比較松散，需要搜索結(jié)點數(shù)比較多;最‘緊’上界得到的界比較緊湊

6、，因而搜索很少的結(jié)點，但是計算單個結(jié)點比較耗時;為此，本文提出了一個折中上界，在松緊度和計算復(fù)雜度之間達到一個均衡，使算法整體性能達到最優(yōu)。占有度的概念不僅對于事務(wù)數(shù)據(jù)庫上的應(yīng)用很重要（比如網(wǎng)頁內(nèi)容打印推薦），而且對于序列數(shù)據(jù)庫中上的應(yīng)用也非常重要（比如旅游餐景點推薦），為此，本文提出了一個通用算法DOFRA可以同時處理不同類型數(shù)據(jù)庫上的應(yīng)用。最后，在兩個實際應(yīng)用中驗證了DOFRA的有效性，同時也在大量的合成數(shù)據(jù)中驗證了DOFRA算法運

7、行效率。
　　最后，提出了一個通用模型可以高效估算任一模式指標(biāo)的上/下界。基于約束模式挖掘不僅有助于捕捉更多的模式的語義信息，而且還可以利用約束的性質(zhì)進一步地提高挖掘效率。在一些實際的應(yīng)用驅(qū)動下，通常會提出一些新的模式指標(biāo)去度量模式的興趣度，然后分別估算所提模式指標(biāo)的上/下界，缺少一個適合于任一模式指標(biāo)的統(tǒng)一框架。為此，本文形式化了只考慮項標(biāo)記的界估計問題，提出了一個通用模型可以高效解決這個問題。為了更加直觀地展示所提通用框架的有