长短兼顾：用串行片段总结事件序列
数据结构与算法
2019-02-11 v1 人工智能
摘要
模式挖掘的理想结果是少量信息丰富、无冗余无噪声的模式，能够刻画所处理数据的关键结构。标准的频繁模式挖掘器无法达成这一目标，因为模式爆炸通常会返回数量极大且高度冗余的模式。我们针对序列数据追求这一理想，采用模式集挖掘方法——该方法不是对模式单独排序，而是将结果作为一个整体来考虑。模式集挖掘已成功应用于事务型数据，但在序列数据上却出人意料地少有研究。本文中，我们采用 MDL 原则来识别最能概括数据的序列模式集。具体而言，我们形式化了如何使用串行片段（serial episodes）集合对序列数据进行编码，并将编码长度作为质量评分。作为搜索策略，我们提出两种方法：第一种算法从大型候选集中选出一个良好的模式集，第二种是一种无参数的 anytime 算法，可直接从数据中挖掘模式集。在合成与真实数据上的实验表明，我们能高效地发现小型的信息丰富模式集。
引用
@article{arxiv.1902.02834,
title = {The Long and the Short of It: Summarising Event Sequences with Serial Episodes},
author = {Nikolaj Tatti and Jilles Vreeken},
journal= {arXiv preprint arXiv:1902.02834},
year = {2019}
}