TA的每日心情 | 慵懒
2020-8-28 15:16 |
|---|
签到天数: 1 天 [LV.1]初来乍到
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 情节规则挖掘旨在发现频繁情节之间的因果关联，现有无损情节规则挖掘方法没有考虑多规则间的关 联关系，故而存在大量冗余．利用演绎推导特性对情节规则间的关联关系进行建模，引入无冗余情节迹规则的概念，分 析了情节迹冗余的原因，通过最大重叠项冗余性检查给出广义无冗余情节规则抽取算法；证明了广义无冗余情节规则 对情节规则的等价表达能力．理论分析和实验评估表明该算法在处理效率基本不变的前提下，提高了情节规则的生成 质量．关键词： 事件序列；演绎；情节迹；最大重叠项；情节规则% q7 Z: M7 m$ {5 F
, O( P! {) W7 w( Z+ {) J/ V" a, v 情节刻画了事件间的紧随关系，而情节规则描述了 情节内的因果关联．自 Ｍａｎｎｉｌａ等［１］引入情节规则的概 念以来，情节规则挖掘问题［２，３］一直是数据挖掘领域研 究的热点之一．基于情节规则匹配的预测方法被广泛应 用在传感器数据处理、网络安全监控、金融证券管理、软 件规范挖掘、城市交通管理、事务日志分析等众多领 域［４］．在典型预测方法中，无论是 Ｌａｘｍａｎ等人［５］提出的 生成模型预测算法，还是 Ｃｈｏ等人［６］提出 ＴｏＦｅｌ算法、基 于后向检索规则前件策略的数据流预测算法 ＣＢＳＴｒｅｅ、 ＣＢＳＴｒｅｅ改进算法［７］，它们的核心都是通过查找规则前 件的发生来进行预测．而从历史数据中挖掘出的规则数 量，直接影响各预测算法的预测效率．因此，针对规则精 简集的研究一直比较活跃．
3 B" ~# @# g. `
广义无冗余情节规则抽取方法研究.pdf
(1.95 MB, 下载次数: 0)
; W( A' ]5 N5 d, h) q& {! H |
|
/1 
发表于 2020-11-23 10:57
收藏
淘帖
支持！
反对！