已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

RNP-Miner: Repetitive Nonoverlapping Sequential Pattern Mining

计算机科学 数据挖掘 序列模式挖掘 序列(生物学) 聚类分析 序列数据库 树(集合论) 人工智能 算法 数学 遗传学 生物化学 生物 基因 数学分析 化学
作者
Meng Geng,Youxi Wu,Yan Li,Jing Liu,Philippe Fournier‐Viger,Xingquan Zhu,Xindong Wu
出处
期刊:IEEE Transactions on Knowledge and Data Engineering [Institute of Electrical and Electronics Engineers]
卷期号:: 1-16
标识
DOI:10.1109/tkde.2023.3334300
摘要

Sequential pattern mining (SPM) is an important branch of knowledge discovery that aims to mine frequent sub-sequences (patterns) in a sequential database. Various SPM methods have been investigated, and most of them are classical SPM methods, since these methods only consider whether or not a given pattern occurs within a sequence. Classical SPM can only find the common features of sequences, but it ignores the number of occurrences of the pattern in each sequence, i.e., the degree of interest of specific users. To solve this problem, this paper addresses the issue of repetitive nonoverlapping sequential pattern (RNP) mining and proposes the RNP-Miner algorithm. To reduce the number of candidate patterns, RNP-Miner adopts an itemset pattern join strategy. To improve the efficiency of support calculation, RNP-Miner utilizes the candidate support calculation algorithm based on the position dictionary. To validate the performance of RNP-Miner, 10 competitive algorithms and 20 sequence databases were selected. The experimental results verify that RNP-Miner outperforms the other algorithms, and using RNPs can achieve a better clustering performance than raw data and classical frequent patterns. All the algorithms were developed using the PyCharm environment and can be downloaded from https://github.com/wuc567/Pattern-Mining/tree/master/RNP-Miner .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Akim应助CC采纳,获得10
刚刚
kk发布了新的文献求助10
1秒前
剑八完成签到,获得积分10
2秒前
yyyy完成签到,获得积分10
3秒前
5秒前
乐乐完成签到,获得积分10
6秒前
上官若男应助hhc采纳,获得10
10秒前
认真航空完成签到,获得积分10
10秒前
10秒前
1111完成签到 ,获得积分10
10秒前
文献菜鸟发布了新的文献求助30
11秒前
11秒前
暮暮完成签到,获得积分10
12秒前
14秒前
令莞完成签到,获得积分10
15秒前
16秒前
19秒前
20秒前
深情安青应助vhsgurey采纳,获得10
20秒前
21秒前
夜漫雪发布了新的文献求助10
22秒前
23秒前
23秒前
24秒前
26秒前
27秒前
寒武纪发布了新的文献求助10
27秒前
CC发布了新的文献求助10
28秒前
小萝卜发布了新的文献求助10
29秒前
敏敏发布了新的文献求助10
29秒前
sukasuka发布了新的文献求助10
31秒前
zy发布了新的文献求助10
32秒前
阿克曼完成签到,获得积分10
37秒前
lu发布了新的文献求助10
38秒前
研友_GZbWX8完成签到,获得积分10
39秒前
42秒前
阿克曼发布了新的文献求助10
42秒前
43秒前
43秒前
ff完成签到 ,获得积分10
44秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158476
求助须知:如何正确求助?哪些是违规求助? 2809636
关于积分的说明 7883043
捐赠科研通 2468315
什么是DOI,文献DOI怎么找? 1314077
科研通“疑难数据库(出版商)”最低求助积分说明 630572
版权声明 601956