在多项式时间内挖掘满足投影反单调约束的最佳闭项集
人工智能
2017-03-29 v1
摘要
模式集合的指数爆炸是模式挖掘面临的主要挑战之一。该挑战可通过引入用于模式选择的约束来应对。模式挖掘中最早提出的约束之一是模式在数据集中的支持度（频率）。频率是一个反单调函数，即给定一个非频繁模式，其所有超模式均不频繁。然而，许多其他用于模式选择的约束既非单调也非反单调，这使得生成满足这些约束的模式变得困难。为了处理非单调约束，我们引入了“投影反单调性”的概念以及 SOFIA 算法，该算法能够为一类非单调约束生成最佳模式。余弦兴趣度、鲁棒性、闭项集的稳定性以及相关的 delta 度量均属于此类约束。SOFIA 从数据集中交易的轻量描述开始（在项集描述的情况下为少量项），然后迭代地向这些描述中添加更多信息（更多项并指示它们所描述的 tidsets）。
引用
@article{arxiv.1703.09513,
title = {Mining Best Closed Itemsets for Projection-antimonotonic Constraints in Polynomial Time},
author = {Aleksey Buzmakov and Sergei O. Kuznetsov and Amedeo Napoli},
journal= {arXiv preprint arXiv:1703.09513},
year = {2017}
}