[发明专利]普适的事件序列频繁情节挖掘方法

说明书

本发明提供一种普适的事件序列频繁情节挖掘方法，在给定事件序列、窗口宽度、支持度阈值和支持度定义的前提下，基于深度优先搜索方式和共享前/后缀树存储结构来挖掘事件序列上的所有频繁情节，挖掘过程中兼顾多种支持度定义包括窗口发生、最小发生、头发生、总发生、非交错发生、非重叠发生、最小且非重叠发生，单遍扫描事件序列，且不产生候选频繁情节；该种普适的事件序列频繁情节挖掘方法，融合多种支持度定义，在单遍扫描事件序列和不产生候选频繁情节的前提下，基于深度优先搜索方式和共享前/后缀树存储结构，能够有效发现和存储事件序列上的所有频繁情节。

技术领域

本发明涉及一种普适的事件序列频繁情节挖掘方法。

背景技术

自频繁情节挖掘问题提出以来，众多学者对此展开了持续研究，提出了许多代表性的解决方法，如基于窗口发生的频繁情节挖掘算法WINEPI和WinMiner，基于最小发生的频繁情节挖掘算法MINEPI、EPT、PPS、Clo_episode、Ap-epi、UP-Span、DMinEpi和MELLO，基于头发生的频繁情节挖掘算法MINEPI+和EMMA，基于总发生的频繁情节挖掘算法T-freq和DiscoveryTotal，基于非交错发生的频繁情节挖掘算法Non-interleaved，基于非重叠发生的频繁情节挖掘算法Non-WinMiner、DiscoveryNonOver和Non-overlapped，基于最小且非重叠发生的频繁情节挖掘算法MANEPI、FCEMiner和2PEM。可见，基于不同发生计数的支持度定义是挖掘频繁情节时必须考虑的一个尺度。一方面，支持度定义决定着挖掘的结果，针对同一事件序列根据不同支持度定义挖掘的频繁情节不尽相同；另一方面，支持度定义影响着挖掘的过程，有些支持度定义满足单调性(若β是α的任一子情节，则β的发生次数不小于α的发生次数)，有些则不然，而单调性是加快频繁情节搜索的重要依据。

上述算法在各自支持度定义下具有较好的挖掘效果，但在支持度定义发生变化时却很难甚至无法直接挖掘频繁情节。为此，学者们提出了一个基于Apriori思想逐层发现频繁情节的算法FEM-BFS。该算法采用广度优先搜索策略，首先由k(k0)层的频繁情节产生k+1层的候选频繁情节，然后通过扫描事件序列来跟踪各个候选频繁情节状态机的状态变化，并由参数TRANSIT、COPY-AUTOMATON、JOIN-AUTOMATON、INCREMENT-FREQ和RETIRE-AUTOMATON分别控制当前状态机是否发生状态转移、当前状态机转移至下一状态前是否要复制一个副本、两个状态机转移至同一状态时是否要删除较早的状态机、当前状态机转移至终止状态时情节发生次数是否增1、情节发生次数增1后是否删除该情节的所有状态机，从而计算每个候选频繁情节在不同支持度定义下的发生次数，进而发现k+1层的频繁情节。该算法虽然兼顾了多种支持度定义，但挖掘过程中需要多遍扫描事件序列，且每遍扫描前都要存储大量的候选频繁情节，这势必导致较为昂贵的时间和空间代价。

发明内容

本发明的目的是提供一种普适的事件序列频繁情节挖掘方法解决现有技术中存在的挖掘过程中需要多遍扫描事件序列，且每遍扫描前都要存储大量的候选频繁情节，导致较为昂贵的时间和空间代价的问题。

本发明的技术解决方案是：

定义1(事件，事件序列)：给定事件类型集ε＝{E₁,E₂,…,E_n}，一个事件就是一个二元组(E,t)，其中，E∈ε，t表示该事件的发生时间。定义在ε上的一个事件序列ES是按发生时间先后排列的若干事件，表示为ES＝(E₁,t₁),(E₂,t₂),…,(E_m,t_m)，其中t_it_j(1≤ij≤m)。假设在每个时间点上至多只发生一个事件。