面向效用最大化的全序时序规则

高效用序列模式挖掘（HUSPM）是知识发现与数据分析中一项重要且有价值的活动，具有许多现实应用。在某些情况下，HUSPM 无法提供良好的预测手段以判断将会发生什么。高效用序列规则挖掘（HUSRM）发现高效用且高置信度的序列规则，使其能够解决 HUSPM 中的问题。所有现有的 HUSRM 算法都旨在发现高效用偏序序列规则（HUSRs），这不符合现实且可能生成虚假的 HUSRs。因此，本文形式化了高效用全序序列规则挖掘问题，并提出了两种新颖的算法，称为 TotalSR 和 TotalSR+，旨在识别出所有高效用全序序列规则（HTSRs）。TotalSR 创建了一个效用表，可高效计算前件支持度，以及一个效用前缀和列表，能在 O(1) 时间内计算一条序列的剩余效用。我们还引入了一种左优先扩展策略，可利用反单调性质来使用置信度剪枝策略。TotalSR 还可借助效用上界剪枝策略大幅缩减搜索空间，避免大量无意义的运算。此外，TotalSR+ 使用了一个辅助前件记录表，以更高效地发现 HTSRs。最后，在真实与合成数据集上的大量实验结果表明，TotalSR 比采用较少剪枝策略的算法显著更高效，且 TotalSR+ 在运行时间与可扩展性方面显著优于 TotalSR。