35、事务数据库中高效挖掘定期频繁模式

事务数据库中高效挖掘定期频繁模式

在事务数据库中挖掘频繁模式是数据挖掘领域的一个重要任务。传统的频繁模式挖掘方法主要关注模式的支持度，而忽略了模式出现的规律性。然而，在许多实际应用中，模式的规律性同样重要。本文将介绍一种新的定期频繁模式挖掘技术，该技术基于间隔时间的方差来衡量模式的规律性，并使用 RF-tree 来高效地挖掘这些模式。

1. 传统方法的局限性

在事务数据库中，传统的规律性衡量方法通常使用最大周期（maxPrd）。例如，考虑一个事务数据库，其中项集 $I = {A, B, C, D, E}$。对于模式 “AB”，它出现在事务编号 2、3、4 和 5 中，即 $T_{AB} = {2, 3, 4, 5}$。其周期分别为 2、1、1、1 和 4，规律性 $Reg(AB) = max(2, 1, 1, 1, 4) = 4$。如果用户指定的最大周期 $maxPrd = 3$，则 “AB” 不是一个规则模式。

然而，在许多实际应用中，模式很难毫无中断地定期出现。在有错误或噪声的环境中，使用 maxPrd 来计算规律性并不有效。例如，模式 “C” 出现在事务编号 2、5、6、7 和 9 中，即 $T_C = {2, 5, 6, 7, 9}$，其周期为 $P_C = {2, 3, 1, 1, 2, 0}$。对于 $maxPrd = 3$，模式 “C” 是一个规则模式。但如果由于错误或噪声，项 “C” 从事务编号 5 中删除，那么对于给定的 $maxPrd$，该模式将变得不规则。

2. 提出的模型

为了挖掘数据库中定期出现的频繁模式，我们提出了一种新的方法。对于时间规律性的衡量，我们使用模式出现之间的间隔时间的方差，而不是 maxPrd。