7、基于全局局部事件对齐的序列比较研究

基于全局局部事件对齐的序列比较研究

在网络使用挖掘领域，对访客浏览数据进行聚类分析以发现隐藏模式是一项重要任务。本文主要介绍了一种新的序列相似性度量方法，通过结合全局和局部对齐技术，在网站访客聚类实验中展现出了优于其他相关技术的性能。

1. 不同度量方法的特点

在序列比较中，动态时间规整（DTW）和混合度量（Hybrid）是常用的方法，但它们存在一些局限性。DTW通过灵活变换最小化序列间的距离，能检测形状相似的时间序列。然而，当序列中存在相同连续元素合并时，它会将重复元素视为一个页面，忽略了访客多次访问同一页面的行为差异。例如，在处理包含重复网页的会话时，DTW可能会“跳过”这些重复页面，而不是挖掘访客的行为模式。

混合度量在某些情况下也存在不足。对于具有公共子序列但长度不同的序列，如Class 1和Class 2的序列，混合度量容易出现错误分类。

为了解决这些问题，本文提出了一种组合度量方法，它将全局和局部对齐技术进行了平等结合，充分考虑了序列中的重复元素和长度差异，更适合用于网络使用挖掘。

2. 实验设置

为了评估组合度量方法的性能，研究人员进行了一系列实验，包括合成数据实验和真实数据实验。

2.1 合成数据实验

研究人员随机生成了10个合成数据集，每个数据集包含超过500个会话序列（平均约520个），并将这些序列分为三个定义好的类：
- Class 1 ：约170个长度在[20 - 22]之间的序列，共享一个公共子序列，如ABCDU3YU31DQ6Q4FO2JGHW等。
- Class 2 <