基于星型模型和普通ER模型的多關(guān)系序列模式挖掘研究.pdf

1、序列模式挖掘是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)活躍的研究分支，有著廣泛的應(yīng)用前景，如顧客購(gòu)買行為習(xí)慣分析、Web操作分析以及生物序列分析等，目前已經(jīng)得到了廣泛地研究。
　　 但隨著信息技術(shù)的發(fā)展，數(shù)據(jù)爆發(fā)式的產(chǎn)生，單表方式的數(shù)據(jù)存儲(chǔ)已經(jīng)不能滿足實(shí)際需要。目前多關(guān)系數(shù)據(jù)庫(kù)被廣泛的用于數(shù)據(jù)存儲(chǔ)，但如果考慮到多關(guān)系數(shù)據(jù)庫(kù)的多樣性時(shí)，多關(guān)系序列的挖掘?qū)⑹且粋€(gè)復(fù)雜的問題。雖然理論上可以多表合并得到一張合并后的關(guān)系表，但多表合并會(huì)產(chǎn)生許多問題。如連接代價(jià)

2、較高、數(shù)據(jù)冗余等。如何有針對(duì)性的高效的挖掘不同模型中的多關(guān)系序列模式，將是本文算法的主要目標(biāo)?；谝陨铣霭l(fā)點(diǎn)，本文對(duì)多關(guān)系序列模式挖掘進(jìn)行了系統(tǒng)的研究，主要研究工作包括:
　　 (1)在星型模型中，在避免物化連接的前提下，高效地挖掘多關(guān)系序列模式。為此本文提出了一種基于序列Iceberg格的多關(guān)系序列模式挖掘算法，該算法采用優(yōu)化的概念格分割、合并方法挖掘頻繁序列。當(dāng)表中數(shù)據(jù)量較大時(shí)，采用縱向切割，建立子格。避免了物化連接和對(duì)單表

3、的挖掘，轉(zhuǎn)向挖掘合并后的概念格。在合并過程中，每次只處理兩張表或者兩張子表并且直接過濾非頻繁的序列，因此內(nèi)存開銷較小。實(shí)驗(yàn)結(jié)果表明，本文提出的方法可更加有效地挖掘多表序列模式，并為基于概念格的序列模式挖掘提供了理論支持和基本算法。
　　 (2)結(jié)合知識(shí)背景高效地挖掘星型模型下的多關(guān)系序列模式。本文提出了一種基于前綴樹結(jié)構(gòu)的多關(guān)系序列模式挖掘算法。此算法可用于挖掘星型模型中所有表虛擬連接后的頻繁序列模式。這種序列模式可以反映出不同

4、關(guān)系表中實(shí)體間的聯(lián)系，而這種跨表間的聯(lián)系，是單表挖掘所不能提供的。算法結(jié)合知識(shí)背景，采用一定離散化方法和剪枝策略，為便于查詢更新等操作，使用了改進(jìn)后的前綴樹等數(shù)據(jù)結(jié)構(gòu)，使得算法取得了較好的性能。
　　 (3)在普通ER模型中，在避免物理連接的前提下，提出一種方法用于挖掘多關(guān)系序列模式，且能夠解決在星型模型中出現(xiàn)的統(tǒng)計(jì)偏斜問題。本文提出了一種ER模型下的基于元組傳播的多關(guān)系序列模式挖掘方法，可較為高效的挖掘多關(guān)系序列模式，通過指定