22、分类域中的序列挖掘：算法与应用

分类域中的序列挖掘：算法与应用

1. 应用一：预测计划失败

SPADE 是一种高效且可扩展的频繁序列挖掘方法。不过，挖掘过程通常不止于此，更重要的是如何在目标领域有效利用挖掘结果。我们将序列挖掘应用于规划领域，以预测计划失败并改进计划。

利用 SPADE 寻找频繁序列，我们开发了名为 PlanMine 的系统，它被集成到两个规划应用中：用于改进大型概率计划的 IMPROVE 算法和计划监控。

IMPROVE 会自动修改给定计划，使其更有可能实现目标。它在给定计划的执行轨迹上运行 PlanMine，找出最常导致计划失败的缺陷，然后应用定性推理和计划调整算法来修正这些缺陷。

将 SPADE 应用于规划数据集检测导致计划失败的序列时，我们发现该领域结构复杂且数据冗余，SPADE 会生成大量频繁但无预测性的规则。例如，在 60%支持度下有大约 650 万个模式，即使在 75%支持度下也有 38386 个模式，其中很多对预测失败并无用处。

为了从挖掘结果中选择最具预测性的序列，我们开发了三步剪枝策略：
1. 修剪规范模式 ：消除与良好计划正常运行背景知识一致的规范规则，即那些不仅在坏计划中出现，在好计划中也频繁出现的模式，因为它们不太可能预测坏事件。
2. 修剪冗余模式 ：消除与至少一个真子序列频率相同的冗余模式。如果模式 q 是通过扩展现有模式 p 得到的，且 q 与 p 频率相同，则消除 q，因为 p 和 q 的预测性相同。
3. 修剪主导模式 ：消除比任何真子序列预测性都低的主导序列。如果模式 q 是通