13、序列模式挖掘：区分序列模式与ConSGapMiner算法

序列模式挖掘：区分序列模式与ConSGapMiner算法

1. 区分序列模式概述

在序列数据挖掘中，区分序列模式是一个重要的研究方向。有时候，我们会从一个通用的序列集合中挖掘特定的模式。当仅给定目标数据集时，可将“背景数据集”作为对立数据集。

文献中的一些研究关注特定位置周围的罕见事件模式，这类模式可归类为位点特征区分序列模式。区分模式类型的例子包括蛋白质结构域基序、转录结合位点基序、转录结合位点隐马尔可夫模型（HMM）、转录结合位点轮廓等，这些模式类型适用于具有给定位置的一个或两个数据集，相关挖掘在之前已有涉及。而类区分序列模式的例子有带间隙的区分序列模式。罕见事件模式的应用包括欺诈检测和警报等。

2. 类特征区分序列模式的定义与术语

• 子序列出现 ：给定一个序列 $S = s_1…s_n$ 和它的子序列 $S’ = s’ 1…s’_m$，如果 $1 \leq i_1 < … < i_m \leq n$ 且对于每个 $1 \leq k \leq m$ 都有 $s’_k = s {i_k}$，那么位置集合 ${i_1, i_2, …, i_m}$ 被称为 $S’$ 在 $S$ 中的一个出现。例如，对于序列 $S = ACACBCB$ 和子序列 $S’ = AB$，$S’$ 在 $S$ 中有 4 个出现：${1, 5}$，${1, 7}$，${3, 5}$ 和 ${3, 7}$。
• 间隙约束 ：最大间隙约束由一个正整数 $g$ 指定。对于序列 $S = s_1s_2…s_n$ 和子序列 $S’$ 在 $S$ 中的一个