On SAT Models Enumeration in Itemset Mining
频繁项集挖掘是数据分析和数据采掘的重要组成部分。最近的作品提出了有趣的SAT为基础的编码发现频繁项集的问题。在这项工作中，我们的目标是定义适应SAT求解器，以提高模型枚举这样的编码策略。在此背景下，我们深入研究了重启、分支策略和小句学习的影响。然后，我们进行基于SAT的项集挖掘实例的实验评估，以显示如何SAT求解器可以适应，以获得一个有效的SAT模型枚举。
2015-06-08 cs.AI
On When and How to use SAT to Mine Frequent Itemsets
INESC-ID（葡萄牙系统与计算机工程研究所）；IST（高等技术学院）；Technical University of Lisbon（里斯本技术大学）
在过去的十年中，一个新的研究流诞生了，其目标是使用约束编程（CP）挖掘感兴趣的项集。这促进了以高度灵活的方式组合复杂约束的自然方式。虽然CP国家的最先进的解决方案制定的任务使用布尔变量，少数尝试采用命题可满足性（SAT）提供了一个不满意的性能。本文通过定义不同的编码方式和多个任务驱动的枚举选项以及搜索策略，深入研究了在频繁项集挖掘问题中何时以及如何使用SAT。虽然对于大多数情况下，基于SAT的解决方案似乎是非竞争性的CP同行，结果显示了各种有趣的情况下，SAT编码是最好的选择。
2012-07-26 cs.AI cs.DB cs.LG
Mining All Non-Derivable Frequent Itemsets
最近的频繁项集挖掘算法的研究导致显着的性能改善。然而，如果最小支持度阈值设置得太低，或者数据高度相关，则频繁项集本身的数量可能会非常大。为了克服这个问题，最近已经提出了一些建议，以构建一个简洁的表示的频繁项集，而不是挖掘所有的频繁项集。本文的主要目标是确定所有频繁项集的集合中的冗余，并利用这些冗余，以减少挖掘操作的结果。我们提出了推导规则，以获得紧边界上的候选项集的支持。我们展示了如何演绎规则允许构造一个最小的表示所有频繁项集。我们还提出了我们的建议和最近的建议之间的联系，简洁的表示，我们给出了在现实生活中的数据集，显示的演绎规则的有效性的实验结果。事实上，实验甚至表明，在许多情况下，首先挖掘的简洁表示，然后从这个表示创建频繁项集优于现有的频繁集挖掘算法。
2002-06-03 cs.AI cs.DB
Mining Top-k Approximate Frequent Patterns
事务数据库中的频繁模式（项集）挖掘是数据采掘中研究最多的问题之一。限制频繁模式挖掘实际应用的一个障碍是产生的模式数量非常大。如此大的输出集合使得用户在实际中难以理解和使用。即使将输出限制在频繁项集集合的边界，也无助于缓解问题。在本文中，我们解决的问题，压倒性的大输出大小的介绍和研究以下问题：挖掘top-k近似频繁模式。这k个集的幂集的并集应满足以下条件：（1）包含尽可能多的具有较大支持度的项集;（2）包含尽可能少的具有较小支持度的项集。一个综合的目标函数的目的是结合这两个目标。在此基础上，我们推导出了目标函数的上界，并提出了一种求可行解的近似分枝定界方法。我们给出的经验证据表明，我们的制定和近似方法在实践中工作良好。
2005-03-17 cs.AI cs.DB
Modified Apriori Graph Algorithm for Frequent Pattern Mining
Bangalore Institute of Technology（班加罗尔理工学院）
Web使用挖掘是数据采掘技术的一种应用，它从Web数据中发现用户感兴趣的使用模式，从而更好地理解和服务于基于Web的应用。本文提出了一种算法来找到这些使用模式，使用修改后的版本的Apriori算法称为Apriori图。这些规则将帮助服务提供商预测用户接下来可能访问哪些网页。这将在效率，带宽方面优化网站，并为他们带来积极的经济效益。本文提出的Apriori图算法O（（V）（E））比现有的Apriori算法运算速度更快，更适合于实时应用。
2018-04-27 cs.AI cs.DB
Comparing Dataset Characteristics that Favor the Apriori, Eclat or FP-Growth Frequent Itemset Mining Algorithms
Nova Southeastern University（诺瓦东南大学）
频繁项集挖掘是一种流行的数据采掘技术。Apriori、Eclat和FP-Growth是最常用的频繁项集挖掘算法。已经进行了相当多的研究来比较这三种算法之间的相对性能，通过评估每个算法的可扩展性，随着数据集大小的增加。虽然随着数据大小的增加可扩展性很重要，但以前的论文没有研究包含不同项集特征的类似大小的数据集的性能影响。本文探讨了这三个频繁项集算法的性能，两个数据集的特点可以有影响。为了进行这种实证分析，创建了一个数据集生成器来测量频繁项密度和最大事务大小对性能的影响。生成的数据集包含相同数量的行。这提供了对有助于每个算法的数据集特征的一些洞察。本文的研究结果表明，Eclat和FP-Growth都处理的最大事务规模和频繁项集密度的增加，大大优于Apriori算法。本文探讨了这三个频繁项集算法的性能，两个数据集的特点可以有影响。为了进行这种实证分析，创建了一个数据集生成器来测量频繁项密度和最大事务大小对性能的影响。生成的数据集包含相同数量的行。这提供了对有助于每个算法的数据集特征的一些洞察。本文的研究结果表明，Eclat和FP-Growth都处理的最大事务规模和频繁项集密度的增加，大大优于Apriori算法。
2017-01-30 cs.AI cs.DB
Characterizing Transactional Databases for Frequent Itemset Mining
Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）
本文研究了用于频繁项集挖掘的事务数据库的特征。这些特征通常用于基准测试和理解在这些数据库上工作的数据采掘算法。我们的研究的目的是给这些基准数据库的多样性和代表性的图片，无论是在一般情况下，但也在特定的实证研究的文献中发现的背景下。我们提出的指标列表包含了文献中发现的许多现有指标，以及新的指标。我们的研究表明，我们的指标列表能够捕捉到大部分数据集的内部复杂性，从而为事务数据集的表征提供了一个很好的基础。最后，我们提供了一组代表性的数据集，根据我们的表征，可以安全地用作基准。
2020-11-09 cs.AI cs.DB
Ramp: Fast Frequent Itemset Mining with Efficient Bit-Vector Projection Technique
National University of Computer and Emerging Sciences（国家计算机与新兴科学大学）
基于位向量表示的频繁项集挖掘方法对于密集数据集是非常有效的，但对于稀疏数据集，由于缺乏有效的位向量投影技术，挖掘效率很低。在本文中，我们提出了一种新的有效的位向量投影技术，稀疏和密集的数据集。为了检验我们的位向量投影技术的效率，我们提出了一个新的频繁项集挖掘算法Ramp（Real Algorithm for Mining Patterns）。在基准数据集上将Ramp算法与目前最好的频繁项集挖掘算法（全频繁项集、最大频繁项集和闭频繁项集）进行了性能比较。在稀疏数据集和密集数据集上的不同实验结果表明，使用Ramp挖掘频繁项集的速度比目前最好的算法都要快，这表明了位向量投影思想的有效性。我们还提出了一个新的本地最大频繁项集传播和最大项集超集检查方法FastLMFI，建立在我们的PBR位向量投影技术。我们不同的计算实验表明，使用FastLMFI的项集最大值检查是快速和有效的比以前将已知的渐进聚焦方法。
2009-04-21 cs.AI cs.DB cs.DS
Mining Frequent Patterns in Process Models
流程挖掘已经成为一种分析组织行为的方法，它通过从事件日志中提取知识，并提供发现、监控和增强真实流程的技术。在过程模型的发现中，检索一个复杂的过程模型，即，一个难以理解的过程模型，可能会阻碍信息的提取。即使在结构良好的过程模型中，也存在无法用当前技术获得的信息。在本文中，我们提出了WoMine，这是一种从模型中检索频繁行为模式的算法。我们的方法搜索过程模型提取结构的序列，选择，平行和循环，这是经常在日志中执行。这一建议已经过验证的一组过程模型，包括一些来自BPI挑战，并与最先进的技术。实验证明，WoMine可以发现所有类型的模式，提取无法用最先进的技术挖掘的信息。
2017-10-11 cs.AI cs.DB
Frequent Itemset Mining using QUBO
在本文中，我们提出了一个R步近似解决频繁项集挖掘量子硬件，如量子退火或QAOA。其思想是搜索最小2项频率最大的项集合。这可以表示为最大团问题。
2022-11-25 cs.DB
Foundation for Frequent Pattern Mining Algorithms Implementation
随着IT技术的发展，积累的数据量也在不断增加。这样，数据采掘的作用就显现出来了。关联规则挖掘是描述性技术的重要任务之一，它可以被定义为从大量数据中发现有意义的模式。频繁模式挖掘算法从数据库中确定频繁模式。频繁项集的挖掘是关联规则挖掘的基础部分。在过去的几十年中，已经提出了许多算法，主要有Apriori，直接哈希和修剪，FP-Growth，ECLAT等。本研究的目的是分析现有的频繁模式挖掘技术，并通过比较Apriori和DHP算法在候选生成，数据库和事务修剪方面的性能来评估它们。这为开发新的频繁模式挖掘算法奠定了基础。
2014-02-08 cs.DB
Using Apriori with WEKA for Frequent Pattern Mining
知识探索是从庞大的数据集中进行的，这些数据是由于数据采掘而产生的各种数据处理活动的结果。频繁模式挖掘是数据采掘中一项非常重要的工作。Apriori方法用于产生频繁项目集，通常采用候选项生成和剪枝技术来满足期望的目标。本文展示了不同的方法如何实现频繁挖掘的目标以及执行该工作所需的复杂性。本文演示了使用WEKA工具进行关联规则挖掘的Apriori算法。
2014-06-28 cs.DB
RDF2Rules: Learning Rules from RDF Knowledge Bases by Mining Frequent Predicate Cycles
Beijing Normal University（北京师范大学）；Tsinghua University（清华大学）
近年来，几个大规模的RDF知识库被建立起来，并在许多基于知识的应用中得到应用。为了进一步增加RDF知识库中的事实数量，可以使用逻辑规则来预测基于现有事实的新事实。因此，如何从大规模的知识库中自动学习可靠的规则变得越来越重要。在本文中，我们提出了一种新的规则学习方法命名为RDF2Rules的RDF知识库。RDF2Rules首先从知识库中挖掘频繁谓词循环（FPC），然后从挖掘出的FPC中生成规则。由于每个FPC可以产生多个规则，并且在挖掘FPC的过程中使用了有效的剪枝策略，因此RDF2Rules的工作效率非常高。RDF2Rules的另一个优点是它在生成和评估规则时使用实体类型信息，这使得学习的规则更加准确。实验表明，我们的方法优于比较的方法在效率和准确性。
2015-12-24 cs.AI cs.DB
Approximate Inverse Frequent Itemset Mining: Privacy, Complexity, and Approximation
为了生成用于更好的基准测试的合成篮子数据集，重要的是将来自真实数据库的特征集成到合成篮子数据集中。可用于此目的的特征包括频繁项集和关联规则。从频繁项集生成合成篮子数据集的问题通常被称为逆频繁项集挖掘。本文证明了近似逆频繁项集挖掘问题是{ \bf NP}-完全的。然后，我们提出并分析了一个近似逆频繁项集挖掘的近似算法，并讨论了与合成篮子数据集相关的隐私问题。特别是，我们提出了一个近似算法来确定在合成篮子数据集的隐私泄漏。
2012-07-23 cs.DB
An Improvised Frequent Pattern Tree Based Association Rule Mining Technique with Mining Frequent Item Sets Algorithm and a Modified Header Table
在今天的世界中，有大量的数据广泛可用，因此需要将这些数据转化为有用的信息，即知识。这种对知识发现过程的需求导致了许多用于确定关联规则的算法的发展。这些算法面临的主要问题之一是候选集的生成。FP树算法是关联规则挖掘的首选算法之一，因为它给出关联规则而不产生候选集。但是在这个过程中，产生了大量的CP树，降低了效率。本文提出了一种改进的FP树算法，该算法通过修改头表、备用表和MFI算法来进行关联规则挖掘。该算法不使用候选集和CP树来生成频繁项集。
2015-04-27 cs.DB
Mining Frequent Graph Patterns with Differential Privacy
发现图数据库中的频繁图模式在各种应用中提供了有价值的信息。然而，如果图数据集包含个人的敏感数据，例如移动电话呼叫图和网络点击图，则发布发现的频繁模式可能会对个人隐私构成威胁。{ \em差分隐私}由于其可证明的隐私保证，最近已成为私有数据分析的{ \em de facto}标准。在本文中，我们提出了第一个差分隐私算法挖掘频繁图模式。我们首先表明，以前的技术差异私人发现频繁{ \em itemsets}不能适用于挖掘频繁的图形模式，由于固有的复杂性，处理图形中的结构信息。然后，我们提出了一个马尔可夫链蒙特卡罗（MCMC）采样为基础的算法来解决这一挑战。与以前的频繁项集挖掘工作不同，我们的技术不依赖于非私有挖掘算法的输出。相反，我们观察到频繁图模式挖掘和差分隐私的保证可以统一到MCMC采样框架。此外，我们建立了隐私和实用性的保证，我们的算法，并提出了一个有效的相邻模式计数技术。实验结果表明，该算法能够输出具有良好精度的频繁模式。
2013-03-01 cs.DB
Efficient Analysis of Pattern and Association Rule Mining Approaches
数据采掘的过程从给定的数据源产生各种模式。发现频繁项集、频繁序列模式、频繁序列规则和频繁关联规则是数据采掘中公认的最重要的任务。已经提出了许多有效的算法来完成上述过程。频繁模式挖掘一直是数据采掘研究的一个热点问题，有大量的文献可供参考，并取得了重要的进展，从事务数据库中频繁项集挖掘的高性能算法到复杂算法，如序列模式挖掘、结构化模式挖掘、相关性挖掘等。关联规则挖掘（ARM）是当前最流行的数据采掘技术之一，它从大型数据库中对对象进行分组，目的是从海量数据中提取有趣的关联和关系。本文对频繁模式挖掘的研究现状进行了简要的回顾和分析，并讨论了一些有前景的研究方向。此外，本文还包括所述方法的性能之间的比较研究。
2014-02-12 cs.DB
Mining Frequent Itemsets from Secondary Memory
频繁项集挖掘是关联规则挖掘的核心，目前在算法上已经得到了很好的理解。然而，大多数挖掘频繁项集的算法都假设主存储器足够大以容纳挖掘中使用的数据结构，很少有有效的算法处理数据库很大或最小支持度很低的情况。从一个非常大的数据库中挖掘频繁项集带来了新的挑战，因为商业，科学和政府中普遍记录了天文数字数量的原始数据。本文讨论了当数据结构太大而无法装入主存时，挖掘频繁项集的方法。给出了几种分而治之的磁盘挖掘算法。介绍了许多新技术。实验结果表明，该技术减少了所需的磁盘访问的数量级，并使真正可扩展的数据采掘。
2004-05-20 cs.DB cs.IR
Frequent-Itemset Mining using Locality-Sensitive Hashing
Apriori算法是频繁项集挖掘的经典算法。Apriori中的一个重要瓶颈是所涉及的I/O操作的数量以及它生成的候选项的数量。我们调查LSH技术的作用，以克服这些问题，而不增加太多的计算开销。我们提出了随机变化的Apriori的基础上定义的汉明距离和Jaccard相似性的非对称LSH。
2016-03-05 cs.DB
DiffNodesets: An Efficient Structure for Fast Mining Frequent Itemsets
频繁项集的挖掘是数据采掘中的一个基本问题，在数据采掘的许多应用中起着重要的作用。近年来，人们提出了一些基于节点集的项集表示方法，这些方法对于挖掘频繁项集非常有效。在本文中，我们提出了DiffNodeset，一种新的和更有效的项集表示，挖掘频繁项集。基于DiffNodeset结构，提出了一种高效的频繁项集挖掘算法dFIN。为了提高效率，dFIN采用集合枚举树和混合搜索策略来寻找频繁项集，在某些情况下不需要生成候选项集而直接枚举频繁项集。为了评估dFIN的性能，我们进行了大量的实验，将其与各种真实和合成数据集上的现有领先算法进行比较。实验结果表明，dFIN是显着的速度比这些领先的算法。
2015-07-06 cs.DB cs.DS
A Frequent Closed Itemsets Lattice-based Approach for Mining Minimal Non-Redundant Association Rules
为了提高频繁项集或频繁闭项集的挖掘速度，已有许多算法被提出。然而，对关联规则生成时间的处理算法还没有得到深入的研究。实际上，在一个数据库包含许多FI/FCI（从数万到数百万）的情况下，生成关联规则的时间远远大于挖掘FI/FCI的时间。因此，本文提出了一种应用频繁闭项集格（FCIL）挖掘最小非冗余关联规则（MNAR），以减少大量的时间生成规则。首先，我们使用CHARM-L来建立FCIL。在此基础上，提出了一种基于FCIL的MNAR快速生成算法。实验结果表明，该算法在挖掘时间上比基于频繁项集格的算法有明显的提高。
2011-08-26 cs.DB
DIMSpan - Transactional Frequent Subgraph Mining with Distributed In-Memory Dataflow Systems
transmitting频繁子图挖掘是在图的集合中识别频繁子图。这个研究问题具有广泛的适用性，并且越来越需要比单机解决方案更高的可扩展性，以满足大数据用例的需求。我们介绍了DIMSpan，一种高级的频繁子图挖掘方法，它利用了Apache Spark或Apache Flink等分布式内存中可扩展系统提供的功能。它确定了频繁子图的完整集合，从任意的字符串标记的有向多重图，因为它们出现在社会，商业和知识网络。DIMSpan针对运行时和最小网络流量进行了优化，但具有内存感知能力。对大型图集合的广泛性能评估显示了DIMSpan的可扩展性及其修剪和优化技术的有效性。
2017-03-06 cs.DB
Using Answer Set Programming for pattern mining
AGROCAMPUS-OUEST/IRISA UMR6074（西部农学院/法国信息与随机系统研究所）；Inria（法国国家信息与自动化研究所）
序列模式挖掘就是从一个唯一的项集序列中提取频繁序列模式。本文探讨了声明性语言，如回答集编程（ASP），有效地解决这个问题的能力。我们提出了几个ASP实现的频繁序列模式挖掘任务：一个非增量和增量的决议。结果表明，增量解析比非增量解析更有效，但两种ASP程序的效率都低于专用算法。尽管如此，这种方法可以被看作是第一步，一个通用的框架，顺序模式挖掘的约束。
2014-09-27 cs.AI cs.DB cs.LO
HybridMiner: Mining Maximal Frequent Itemsets Using Hybrid Database Representation Approach
FAST-National University of Computer and Emerging Sciences（FAST-国立计算机与新兴科学大学）
在本文中，我们提出了一种新的混合（基于数组的布局和垂直位图布局）的数据库表示方法，挖掘完整的最大频繁项集（MFI）稀疏和大型数据集。我们的工作是新颖的可扩展性，项目搜索顺序和两个水平和垂直投影技术。我们还提出了一个最大的算法，使用这种混合数据库表示方法。在真实数据集和稀疏数据集上的不同实验结果表明，该方法优于现有的最大值算法。
2009-04-21 cs.AI cs.DB cs.DS
Frequent Patterns mining in time-sensitive Data Stream
在静态数据库中挖掘频繁项集已被广泛研究和应用，并且一直被认为是一项极具挑战性的任务。因此，将其扩展到数据流领域是很有趣的。在流媒体的情况下，频繁模式的挖掘有更多的信息要跟踪和更大的复杂性来管理。不常见的项目可能会在以后变得频繁，因此不能被忽略。输出结构需要动态地增加，以反映项集频率随时间的演变。在本文中，我们研究这个问题，特别是挖掘时间敏感的数据流的方法。我们试图通过增加时间精度来改进现有的算法，并通过添加一个新的概念称为“振动点”来丢弃过时的数据。我们还提出了一些实验，说明所需的时间和空间。
2012-06-05 cs.DB
Incremental Mining of Frequent Serial Episodes Considering Multiple Occurrences
Inria（法国国家信息与自动化研究所）；Carnegie Mellon University（卡内基梅隆大学）；University of Waikato（怀卡托大学）；Telecom Paris（巴黎电信学院）；Institut Polytechnique de Paris（巴黎理工学院）
分析来自流的信息的需要出现在各种应用中。其基本研究方向之一是挖掘数据流上的序列模式。现有的研究多基于事务中模式的存在来挖掘项目序列，而没有考虑项目集序列及其多次出现的情况。然而，在一个窗口的项集流和它们的多次出现的模式，提供了额外的能力来识别模式的基本特征和它们之间的相互关系是无法识别的现有的基于存在的研究。在本文中，我们研究了这样一个新的序列模式挖掘问题，并提出了相应的顺序矿工与新的策略，有效地修剪搜索空间。在真实数据和合成数据上的实验表明了该方法的有效性。
2022-04-09 cs.AI cs.DB
Mining Multi-Level Frequent Itemsets under Constraints
BESTMOD Laboratory（BESTMOD实验室）；Institut Supérieur de Gestion（高等管理学院）
关联规则挖掘是数据采掘的一项任务，它从数据库中提取有用项（对象）之间重要蕴涵关系形式的知识。挖掘多级关联规则使用概念层次结构，也称为分类法，并定义为对象之间的关系类型'是一个'，提取规则，项目属于不同的抽象层次。这些规则更有用，更精确，更易于用户解释。在文献中已经提出了几种算法来发现多级关联规则。在这篇文章中，我们感兴趣的问题，发现多层次的频繁项集的约束下，涉及用户在研究过程中。我们提出了一种技术，在使用概念层次结构的上下文中的约束的建模和解释。提出并讨论了三种在约束条件下发现多层频繁项集的方法：基本方法、“测试生成”方法和基于剪枝的方法。
2010-12-26 cs.AI cs.DB cs.DS
Mining Frequent Itemsets Using Genetic Algorithm
通常，频繁项集是通过应用关联规则挖掘算法，如Apriori，Partition，Pincer-Search，Incremental，Border算法等，从大数据集中生成的。这需要花费太多的计算机时间来计算所有的频繁项集。通过使用遗传算法（GA），我们可以改善的情况下。使用遗传算法发现频繁项集的主要优点是它可以进行全局搜索，并且由于遗传算法是基于贪婪方法的，因此其时间复杂度比其他算法要低。本文的主要目的是利用遗传算法从给定的数据集中找到所有的频繁项集。
2010-11-01 cs.DB
Efficient Support Coupled Frequent Pattern Mining Over Progressive Databases
最近有很多关于序列模式挖掘的研究。渐进式数据库上的序列模式挖掘是一个比较新的方法，它是在感兴趣的时间段内逐步发现序列模式。感兴趣的时间段是一个随着时间的推移而不断前进的滑动窗口。随着滑动窗口焦点的变化，新项被添加到感兴趣的数据集中，过时的项被从中删除并成为最新的。一般来说，现有的建议没有充分探讨现实世界的情况下，如项目与支持数据流应用程序，如购物篮分析。因此，从支持的频繁项中挖掘重要知识成为一个重要的研究课题。我们提出的新方法有效地挖掘频繁序列模式加上支持使用渐进挖掘树。
2010-05-29 cs.DB
PrivBasis: Frequent Itemset Mining with Differential Privacy
频繁项集的发现可以服务于有价值的经济和研究目的。然而，发布发现的频繁项集带来了隐私挑战。本文研究了如何在满足差分隐私的情况下对事务数据库进行频繁项集挖掘的问题。我们提出了一种称为PrivBasis的方法，它利用了一个称为基集的新概念。一个theta基集具有这样的性质，即任何频率高于theta的项集都是某个基的子集。我们引入算法私下构造一个基集，然后用它来找到最频繁的项集。实验表明，我们的方法大大优于目前的最先进的。
2012-08-01 cs.DB
DESQ: Frequent Sequence Mining with Subsequence Constraints
频繁序列挖掘方法通常使用约束来控制应该挖掘哪些频繁序列。文献中已经研究了各种这样的子序列约束，包括长度、间隔、跨度、正则表达式和层次约束。在本文中，我们表明，许多subsequence约束-包括和超越那些在文献中考虑-可以统一在一个单一的框架。一个统一的处理允许研究人员共同研究许多类型的子序列约束（而不是每一个单独的），并有助于提高可用性的模式挖掘系统的从业者。更详细地说，我们提出了一组简单直观的“模式表达式”来描述子序列约束，并探索在此类一般约束下有效挖掘频繁子序列的算法。我们的算法将模式表达式转换为压缩的有限状态转换器，作为计算模型，并以适合频繁序列挖掘的方式模拟这些转换器。我们对真实世界数据集的实验研究表明，我们的算法-虽然更一般-是现有的最先进的算法的竞争力。
2016-10-13 cs.DB
A novel approach for fast mining frequent itemsets use N-list structure based on MapReduce
频繁模式挖掘是数据采掘中最重要的课题之一。近年来，人们提出了许多挖掘频繁项集的算法。提出了一种新的基于N-表数据结构的频繁项集挖掘算法--Prepost算法。通过用一般树实现紧凑PPC树，增强了Prepost算法。Prepost算法只能为每个节点找到一个具有所需（前序和后序）的频繁项集。在本章中，我们改进了基于Hadoop平台的prepost算法（HPrepost），提出了使用Mapreduce编程模型。提出的方法的主要目标是有效地挖掘频繁项集，需要较少的运行时间和内存使用。我们对所提出的方案进行了实验，并与其他算法进行了比较。对于密集数据集，它有一个大的平均事务长度，HPrepost是更有效的频繁项集算法在执行时间和内存使用的所有min-sup。一般来说，我们的算法优于算法的运行时间和内存使用小阈值和大数据集。
2017-04-15 cs.DB cs.DC
Boosting Frequent Itemset Mining via Early Stopping Intersections
从事务数据库中挖掘频繁项集已成为数据采掘的一个基本问题，并致力于为许多模式挖掘任务的构建块。在本文中，我们提出了一种通用的技术，以减少支持检查时间在现有的深度优先搜索生成和测试计划，如Eclat/dEclat和PrePost+。我们的技术允许不频繁的候选项集被早期检测。该技术是基于一个早期停止标准，是一般的，足以适用于许多频繁项集挖掘算法。我们已经将该技术应用于两个TID列表为基础的计划（Eclat/dEclat）和一个N-列表为基础的计划（PrePost+）。我们的技术已经在各种数据集上进行了测试，并证实了其在减少运行时间方面的有效性。
2019-01-23 cs.DB cs.IR
An Efficient and Wear-Leveling-Aware Frequent-Pattern Mining on Non-Volatile Memory
频繁模式挖掘是揭示数据背后有价值的隐藏趋势的常用方法。然而，现有的频繁模式挖掘算法是为DRAM而不是持久存储器（PM）设计的，这可能导致严重的性能和能量开销，这是由于DRAM和PM在PM上运行时完全不同的特性。在本文中，我们提出了一个有效的和磨损均衡意识的频繁模式挖掘计划，WFPM，来解决这个问题。基于不同应用场景的真实数据集，通过一系列实验对所提出的WFPM进行了评估，WFPM实现了32.0%的性能提升，并将头表的NVM寿命提高了7.4倍。
2020-01-15 cs.DB cs.DS
Fast Algorithms for Mining Interesting Frequent Itemsets without Minimum Support
FAST-National University of Computer and Emerging Science（FAST-国家计算机与新兴科学大学）
真实世界的数据集是稀疏的，脏的，包含数百个项目。在这种情况下，发现有趣的规则（结果）使用传统的频繁项集挖掘方法，通过指定一个用户定义的输入支持度阈值是不合适的。由于没有任何领域知识，设置支持度阈值小或大可能会输出什么或大量冗余的不感兴趣的结果。最近提出了一种新的挖掘N-most/Top-K兴趣频繁项集的方法，该方法在不指定任何用户定义的支持度阈值的情况下发现前N个兴趣结果。然而，挖掘有趣的频繁项集没有最小支持度阈值是更昂贵的项集搜索空间探索和处理成本。因此，它们的挖掘效率在很大程度上取决于三个主要因素：（1）用于项集频率计数的数据库表示方法，（2）相关事务到搜索空间的较低级别节点的投影和（3）算法实现技术。因此，为了提高挖掘过程的效率，在本文中，我们提出了两个新的算法称为（N-MostMiner和Top-K-Miner）使用位向量表示的方法，这是非常有效的项集频率计数和事务投影。除此之外，我们还介绍了N-MostMiner和Top-K-Miner的几种有效实现技术。我们在基准数据集上的实验结果表明，与目前最好的算法BOMO和TFP相比，NMostMiner和Top-K-Miner在处理时间方面非常有效。
2009-04-21 cs.AI cs.DB cs.DS
Efficient Candidacy Reduction For Frequent Pattern Mining
当然，如今知识发现或从大量数据中提取知识是竞争激烈的业务中的理想任务。数据采掘是知识发现过程中的一个重要步骤。同时频繁模式在聚类、分类、关联分析等数据采掘任务中起着核心作用。识别所有频繁模式是最耗时的过程，由于大量的候选模式。在过去的十年里，有越来越多的有效算法来挖掘频繁模式。然而，减少候选模式的数量和支持度计数的比较仍然是该领域的两个问题，这使得频繁模式挖掘成为数据采掘中的一个活跃的研究主题。一个合理的解决方案是确定一个小的候选模式集，从该集可以生成所有的频繁模式。本文提出了一种新的候选集的基础上，称为候选头集或H，形成一个小的候选模式集的方法。实验结果验证了该方法的准确性，减少了候选模式和比较的数量。
2010-01-13 cs.DB
GTRACE-RS: Efficient Graph Sequence Mining using Reverse Search
从标记图数据中挖掘频繁子图已经得到了广泛的研究。此外，近年来，从图序列中挖掘频繁模式也受到了广泛关注。一种方法，称为GTRACE，已被提出来挖掘频繁模式从图序列的假设下，图的变化是渐进的。虽然GTRACE挖掘频繁模式的效率很高，但它仍然需要大量的计算时间来挖掘包含大图和长序列的图序列中的模式。在本文中，我们提出了一个新版本的GTRACE，使有效的挖掘频繁模式的基础上的逆向搜萦的原则。逆向搜萦的基本概念是为困难枚举问题设计有效算法的一般方案。我们的性能研究表明，所提出的方法是有效的和可扩展的挖掘长和大的图序列模式，是几个数量级的速度比原来的GTRACE。
2011-10-18 cs.DB
Fast Mining of Spatial Frequent Wordset from Social Database
在本文中，我们提出了一个算法，提取空间频繁模式来解释一个特定的位置从可用的社会数据的相对特征。提出了一种空间社会数据模型，该模型包括空间社会数据、空间支持度、空间频繁模式、空间划分和空间聚类等概念，用于描述空间频繁模式的探索算法。在此基础上，提出了一种既保留了频繁词又保留了频繁单元的SFP-树结构，并在此基础上提出了一种挖掘频繁模式的SFP-生长算法.
2019-12-26 cs.DB
Multi-Sorted Inverse Frequent Itemsets Mining
为新兴的“大数据”应用开发新的平台和技术需要为数据驱动的实验提供现实生活中的数据集，然而在大多数情况下，这对于学术研究来说是遥不可及的，因为它们通常是专有的。一个可能的解决方案是使用反映真实模式的合成数据集，以确保高质量的实验结果。在这个方向上的第一步是使用反向挖掘技术，如反向频繁项集挖掘（IFM），它包括生成一个事务数据库，满足给定的支持约束的项目集在一个输入集中，通常是频繁的。本文介绍了IFM的一种扩展，称为多排序IFM，其中要生成的数据集的方案是新兴大数据应用中所需的大表的典型方案，例如，社交网络分析
2013-10-15 cs.DB
FS^3: A Sampling based method for top-k Frequent Subgraph Mining
标记子图挖掘是数据采掘中的一个热门研究课题，因为它在许多不同的科学领域都有潜在的应用。所有现有的方法都显式或隐式地解决了子图同构的问题，这是计算昂贵的，所以他们遭受缺乏可扩展性的问题时，在输入数据库中的图是大的。在这项工作中，我们提出了FS ^3，这是一种基于采样的方法。它挖掘一小部分概率意义上最频繁的子图。FS ^3在固定大小的子图空间上执行马尔可夫链蒙特卡罗（MCMC）采样，以便更频繁地对潜在频繁子图进行采样。此外，FS^3还配备了一个创新的队列管理器。它在挖掘过程中将采样子图存储在有限队列中，使得队列中的前k个位置包含最频繁的子图。我们在大型图数据库上的实验表明，FS ^3是有效的，它可以得到给定大小的子图中最频繁的子图。
2021-05-03 cs.DB
Parallel algorithms for mining of frequent itemsets
Czech Technical University in Prague（布拉格捷克技术大学）；Institute of Computer Science（计算机科学研究所）
近十年来，企业开始收集大量数据。如果没有正确的分析，这些数据通常是无用的。分析数据的领域称为数据采掘。不幸的是，数据量非常大：数据不适合主内存，处理时间可能会变得非常巨大。因此，我们需要并行的数据采掘算法。频繁项集的生成算法是数据采掘中一个重要的算法。挖掘频繁项集的问题可以用下面的例子来解释：顾客走进一家商店，把一些商品放进他们的篮子里;商店的老板收集篮子，想知道至少有p%的篮子里一起购买的商品的集合。目前，挖掘频繁项集的顺序算法在性能上都比较好。然而，频繁项集挖掘的并行算法仍然没有达到很好的加速比。在这篇论文中，我们发展了一个在分散式记忆体平行电脑上，可用于任意深度优先搜寻顺序算法的平行频繁项目集挖掘方法。我们的方法在10个处理器上实现了~ 6的加速比。该方法基于对数据库样本的处理器负载的近似估计-然而，它总是从整个数据库计算频繁项集的集合。在这篇论文中，我们展示了我们的方法的理论基础，并显示了估计过程的性能。
2021-08-11 cs.DB cs.LG
Mining Frequent Neighborhood Patterns in Large Labeled Graphs
频繁子图一直是模式挖掘文献中一类重要的目标模式，其中大多数工作涉及包含许多图事务的数据库，例如，化合物的化学结构这些方法在很大程度上依赖于支持度的向下闭合性（DCP），以确保有效的候选模式的修剪。当切换到诸如Google知识图谱和Facebook社交图谱之类的单图数据库的新兴场景时，传统的支持度量变得微不足道（0或1）。然而，据我们所知，所有重新定义单图支持的尝试都会导致措施要么失去DCP，要么在语义上不再直观。本文的目标挖掘模式在单一的图形设置。通过将挖掘目标从频繁子图转移到频繁邻域，解决了“DCP-直观性”难题。邻域是一种特定的拓扑模式，其中嵌入了一个顶点，并且如果它被大部分（高于给定阈值）的顶点共享，则该模式是频繁的。我们发现，新的模式不仅保持DCP，但也有同样重要的语义子图模式。在真实数据集上的实验表明，我们的算法在相对较大的图上是可行的，并且能够挖掘在以前的工作中没有发现的有趣的知识。
2013-05-14 cs.DB
Mining frequent items in the time fading model
提出了一种基于草图的数据流频繁项挖掘算法FDCMSS。该算法巧妙地结合了向前衰减，计数最小和节省空间算法的关键思想。它工作在时间衰落模型下，根据收银机模型挖掘数据流。我们正式证明了它的正确性，并通过大量的实验结果表明，我们的算法优于$λ$ -HCount，最近开发的算法，在速度，所用的空间，精度达到和错误的合成和真实的数据集。
2016-08-02 cs.DB cs.DS
Activity Modeling in Smart Home using High Utility Pattern Mining over Data Streams
Anna University（安纳大学）；Sri Venkateswara College of Engineering（斯里文卡特斯瓦拉工程学院）
灵巧家庭技术是人们在关心安全、舒适和节能的同时更好的选择。需要开发能够识别家中居民日常生活活动（ADL）并检测个人模式中异常行为的技术。利用频繁模式挖掘（FPM）、高效用模式挖掘（HUP）等数据采掘技术从采集的传感器数据中发现这些活动模式。但是将上述技术应用于从时间传感器数据流进行活动识别是高度复杂且具有挑战性的任务。为此，提出了一种基于频繁模式流树（FPS - tree）的传感器数据流活动识别方法。FPS是一种基于滑动窗口的方法，用于从数据流中发现最近的活动模式。所提出的工作的目的是在识别频繁的模式，用户从传感器数据流，后来建模为活动识别。FPM算法使用一种称为链接传感器数据流（Linked Sensor Data Stream，LSDS）的数据结构来存储传感器数据流信息，从空间和时间两个方面提高了频繁模式挖掘算法的效率。实验结果表明，该算法的效率和该FPM进一步扩展到应用功率效率使用HUP检测高使用的电力消耗的居民在灵巧家庭。
2013-06-25 cs.AI cs.DB
Discovery of Maximal Frequent Item Sets using Subset Creation
数据采掘是从大量数据中发现数据模式的实践。数据采掘使用数学算法对数据进行分组并评估未来事件。关联规则是知识发现领域的一个研究方向。许多数据采掘研究者通过引入效用、销售商品数量等影响因素以及挖掘关联数据模式来提高关联规则的质量。在本文中，我们提出了一个有效的算法，首先找到最大频繁项集。大多数关联规则算法都是先找到最小频繁项，再借助最小频繁项集求出最大频繁项集，这样的方法在寻找最大频繁项集上花费了较多的时间。为了克服这个问题，我们提出了一种新的方法来寻找最大频繁项集直接使用子集的概念。所提出的方法被发现是有效的，在寻找最大频繁项集。
2013-02-07 cs.DB
Efficient Mining of Frequent Subgraphs with Two-Vertex Exploration
频繁子图挖掘是图挖掘和机器学习应用中的关键问题。在过去的十年中，已经提出了许多系统用于FSM。虽然这些系统表现出良好的性能为小模式（不超过四个顶点），我们发现，他们在挖掘较大的模式有困难。在这项工作中，我们提出了一种新的两个顶点的探索策略，以加快挖掘过程。与以往系统采用的单顶点探索相比，我们的双顶点探索避免了大量的内存消耗问题，并显着降低了内存访问开销。我们进一步提高性能，通过基于索引的快速模式技术，减少同构检查的开销，和子图采样技术，减轻子图爆炸的问题。实验结果表明，我们的系统实现了显着的加速对国家的最先进的图模式挖掘系统，并支持更大的模式挖掘任务，没有现有的系统可以处理。
2021-02-05 cs.DB cs.PF
Mining Weighted Sequential Patterns in Incremental Uncertain Databases
University of Dhaka（达卡大学）；University of Manitoba（曼尼托巴大学）
本文针对增量不确定数据库中的加权序列模式挖掘问题，提出了一种挖掘频繁序列的算法及两种增量挖掘新技术，实验验证了框架的高效性。
2024-03-31 cs.AI cs.DB
Maximal frequent itemset generation using segmentation approach
在数据源中发现频繁项集是关联规则挖掘的基本操作。通常，许多算法使用自底向上或自顶向下的方法来寻找这些频繁项集。当频繁项集的长度很大时，传统的频繁项集发现算法需要找到从1-长度到n-长度的所有频繁项集，这是一个比较困难的过程。这个问题可以通过挖掘最大频繁项集（MFS）来解决。最大频繁项集是指没有合适的频繁超集的频繁项集。因此，仅生成最大频繁项集减少了项集的数量，并且还减少了生成所有频繁项集所需的时间，因为每个长度为m的最大项集意味着存在2 m-2个频繁项集。此外，在许多数据采掘应用中，如最小密钥发现和理论提取，只挖掘最大频繁项集是足够的。本文提出了一种新的方法来寻找最大频繁项集从巨大的数据源使用的概念，数据源的分割和优先级的片段。实证评估表明，该方法优于其他各种已知的方法。
2011-09-12 cs.DB
An Asymptotically Tighter Bound on Sampling for Frequent Itemsets Mining
本文提出了一种新的频繁项集挖掘抽样算法的误差界。我们表明，新的界限是渐近紧比国家的最先进的界限，即，给定所选择的样本，对于足够小的误差概率，新的误差界限大约是现有界限的一半。在此基础上，我们给出了一种新的近似算法，该算法比现有的近似算法简单得多，但在预先计算样本容量的情况下，仍能保证最差的近似误差。我们还给出了一个算法，可以近似的顶部- $k$频繁项集，具有较高的精度和效率。
2017-03-24 cs.DB cs.DS
Improvised Apriori Algorithm using frequent pattern tree for real time applications in data mining
Apriori算法是从大型数据库中提取频繁项集并获取关联规则的重要算法之一。它基本上需要两个重要的东西：最低限度的支持和最低限度的信任。首先，我们检查项目是否大于或等于最小支持度，我们分别找到频繁项目集。其次，利用最小置信度约束形成关联规则。在此基础上，指出了原Apriori算法在频繁项集上扫描整个数据库搜索时浪费时间和空间的局限性，并提出了一种改进的Apriori算法。
2014-11-23 cs.DB
Mining Frequent Itemsets (MFI) over Data Streams: Variable Window Size (VWS) by Context Variation Analysis (CVA) of the Streaming Transactions
针对数据流中频繁项挖掘所面临的窗口大小可变和存储空间不足的问题，提出了一种基于数据流的频繁项挖掘方法。为了检查流事务中上下文变化的变化点，我们开发了一种窗口结构，该窗口结构将在两个级别上，并支持即时固定窗口大小，控制异质性，并确保添加到窗口中的事务之间的同质性。为了最小化内存利用率、计算成本并提高进程可扩展性，该设计将允许在窗口级别固定覆盖或支持。在本文中，介绍了从窗口中增量挖掘频繁项集和上下文变化分析方法。我们在本文档中介绍的完整技术被命名为使用上下文变化分析固定的可变窗口大小的频繁项集挖掘（MFI-VWS-CVA）。在特定的项集中，频繁项集和非频繁项集之间有着明确的界限。在这个设计中，我们使用窗口大小的变化来表示信息流中的概念漂移。可以说，只要在有效地设置窗口大小方面存在问题，项集就会变得不频繁。我们已经执行和记录的实验证明，我们所设计的算法是比现有的效率更高。
2014-08-14 cs.DB
Similarity Data Item Set Approach: An Encoded Temporal Data Base Technique
数据采掘已被广泛认为是一个强大的工具，探索从大型数据库的附加值。在关联规则的数据采掘过程中，发现数据库中的频繁项集是一个关键问题。为了寻找频繁项集，人们提出了许多算法。本文提出了一个总结和比较研究的可用FP增长算法的变化产生的挖掘频繁项目集显示其能力和效率方面的时间和内存消耗的关联规则挖掘，考虑到具体的信息的应用。提出了基于模式增长挖掘范式的FP-树增长算法，该算法采用树结构来压缩数据库。性能研究表明，反FP-增长方法对于挖掘长、短频繁模式都是有效的、可扩展的，比Apriority算法快一个数量级，也比最近报道的一些新的频繁模式挖掘算法快。
2010-03-22 cs.DB
Palpatine: Mining Frequent Sequences for Data Prefetching in NoSQL Distributed Key-Value Stores
本文介绍了PALPATINE，第一个在内存中的应用程序级缓存的分布式键值（DKV）数据存储，能够预取数据，可能会在不久的将来访问。为了预测数据访问，PALPATINE通过数据采掘技术连续捕获对后台存储的频繁访问模式。通过这些模式，PALPATINE构建了访问项的随机图，并基于此做出预取决策。实验结果表明，PALPATINE可以将特定DKV存储的延迟提高一个数量级以上。
2020-04-22 cs.DB cs.DC
MIRAGE: An Iterative MapReduce based FrequentSubgraph Mining Algorithm
频繁子图挖掘是图数据探索性数据分析的一项重要任务。多年来，已经提出了许多算法来解决这个问题。这些算法假设挖掘任务的数据结构足够小，以适合计算机的主存储器。然而，随着真实世界的图形数据在大小和数量上的增长，这样的假设不再成立。为了克服这个问题，近年来已经提出了一些以图形数据库为中心的方法来解决FSM;然而，使用MapReduce范式的分布式解决方案尚未得到广泛的探索。由于MapReduce已经成为海量数据计算的事实范例，因此需要一种有效的FSM算法来处理这种范例。在这项工作中，我们提出了一个频繁的子图挖掘算法称为MINUS，它使用一个迭代的MapReduce为基础的框架。MINUS是完整的，因为它返回给定用户定义支持的所有频繁子图，并且它是高效的，因为它应用了最新FSM算法采用的所有优化。我们的实验与现实生活中的大型合成数据集验证了MINUCLEAR挖掘频繁子图从大型图数据集的有效性。MINUS的源代码可从www.cs.iupui.edu/alhasan/software/获得
2013-07-22 cs.DB cs.DC
