Suarne

写在前面：渐变模式挖掘（gradual pattern mining）用于发掘“越···，越···”这类规则中各个组成部分之间存在的关联，如“速度越快、用时越短”、“熬夜越...

写在前面：传统的 top-k 查询是针对事务的某个维度进行考量，比如找出利润最高的 k 个商品组合，最频繁出现的 k 个网络攻击等等。但在大多情况下，由于事务的复杂性，制定...

写在前面：在数据挖掘领域中，隐私保护问题是普遍存在且难以根除。为此，学者们提出一个新的研究领域 privacy-preserving data mining (PPDM)，...

写在前面：传统的高效用项集挖掘算法从数据集中挖掘海量的高效用项集，但这在一定程度上会给使用者造成一定的信息干扰，无法快速找出最重要的关键信息。为了解决这个问题......

写在前面：本算法为 HUI-Miner 的改进算法，在原有的基础上增加了一些新的数据结构，通过减少生成 utility-list 的数量，进而达到提高运行效率的目的。...

写在前面：HUI-Miner 是第一个 utility-list based 算法，也是第一个 “one-phase” 类算法，它在原数据集上进行挖掘......

写在前面：处理现实的数据集（即时刻变化中），如何在这些动态数据集上或者对两个不同时刻的同一数据集进行挖掘分析是一个很有价值的问题；因此，该论文提出了一个新的概念 emerg...

写在前面：连续序列挖掘（contiguous sequential pattern mining）是一种在我们日常生活中十分常见的任务，如网页日志、DNA序列分析、物体运行...

写在前面：根据传统的效用项集挖掘算法得到的高效用项集，是一个高度抽象的集合，并没有反应出该集合内部元素为什么能够构成高效用项集，它们之间存在何种关联也无从得知，因此......

写在前面：这是2020年最新的一篇关于高效用序列挖掘的算法，基于常见的LQS-tree，结合list结构，辅之以 LAR 和 IIP 两种高效的剪枝策略，显著地降低了挖掘过...

SPADE在序列挖掘中属于比较早且有名的算法，针对序列挖掘任务本身的一系列痛点给出了一套解决方案......

效用挖掘其实也是权重度量的一种表现，但在这种情况下很少会与支持度结合起来（也有对结合的研究），这次正好借着这篇文献了解一下权重还有哪些表现形式...

序列模式挖掘已经是一个被广泛研究的领域，为了解决因寻找合适的阈值而需要的无效时间问题，top-k思想自然提上议程。而在top-k领域，如何快速提升阈值是最关键的环节，因此，...

写在前面：本文解决了关联规则推导这一环节，把以前单纯地挖掘 sequence patterns 的工作推进一步，算是开创一个先河......

模糊效用（fuzzy utility）挖掘和不确定数据集（uncertain dataset）之间有什么区别吗？两者又是不是能够结合在一起使用呢？...

分别介绍 Apriori 和 FP-Growth 两大经典算法，给出两者各自的优缺点和实现过程，并给出自己的理解...

该算法是基于 utility-list 结构设计的 top-k挖掘算法，其中采取的不少阈值自增策略是值得我们学习研究，写这篇笔记的目的也是为了介绍这些策略以及个人的想法...

大多基本定义可以参考 UP-Span 算法，以下作一些补充及关键的定义。 最大时间段（Maximum time duration）类似于早期情节挖掘算法中的滑动窗口，是需要...

写在前面：该算法的比较对象是UP-Span，其实我更想知道和UMEpi算法对比两者谁更优劣。因为双方采取的策略和定义优化有很大的相似性，区别在于存储结构的不同。个人认为这篇...

写在前面：序列挖掘比单纯地效用挖掘更具广泛性，因为加上时间维度才是我们日常生活经常碰到的问题，当然这也会使得问题更加复杂。通过学习USpan算法......