Generalized Sequential Patterns

詳細

この演算子は、一連のトランザクションで連続したパターンを検索します。 ExampleSetには、時間用の1つの属性と顧客用の1つの属性が含まれている必要があります。さらに、各トランザクションは単一の例としてエンコードする必要があります。 時間属性と顧客 属性は 、それぞれ時間属性と顧客IDパラメーターで指定されます。この属性のペアは、各トランザクションの時間順に並べられたすべてのトランザクションを含む顧客ごとに1つのシーケンスを生成するために使用されます。アルゴリズムは、次の形式でシーケンシャルパターンを検索します。顧客が1つのトランザクションでアイテム「a」とアイテム「c」を購入した場合、次のトランザクションでアイテム「b」を購入しました。このパターンは、<a、c>、<b>の形式で表されます。最小サポートは、そのようなパターンを頻繁と見なすために、そのようなパターンをサポートする必要がある顧客の数を示します。まれなパターンは削除されます。そのパターンを含むシーケンスの一部がある場合、顧客はそのようなパターンをサポートします。上記のパターンは、たとえば、<s、g>、<a、s、c>、<b>、<f、h>のトランザクションでサポートされます。最小サポート条件は、 min supportパラメーターを介して指定されます。

最小ギャップ 、 最大ギャップ 、およびウィンドウサイズのパラメーターは、トランザクションの処理方法を決定します。たとえば、上記の顧客がアイテム「c」を購入するのを忘れて、5分後に購入しなければならなかった場合、彼のトランザクションは次のようになります：<s、g> then <a、s> then <c> then < b>、次に<f、h>。これは、パターン<a、c>その後<b>をサポートしません。この問題を回避するために、ウィンドウサイズは、後続のトランザクションが同じトランザクションとして処理される期間を決定します。ウィンドウサイズが5分を超える場合、<c>は2番目のトランザクションの一部として扱われるため、この顧客は上記のパターンをサポートします。このパターンを含むトランザクションが時間的に離れすぎている場合、 max gapパラメーターにより、顧客シーケンスはパターンをサポートしません。 最小ギャップパラメータは、距離が近すぎる場合も同じです。

この手法は、次のような既存のマイニング方法のいくつかの重大な欠点を克服します。

• 時間の制約がない：この欠点は、最小ギャップと最大ギャップのパラメーターによって克服されます。
• トランザクションの厳密な定義：この欠点は、スライド式の時間枠によって克服されます。

指定されたExampleSetのすべての属性（顧客属性と時間属性を除く）は二項、つまり2つの可能な値のみを持つ公称属性でなければなりません。 ExampleSetがこの条件を満たさない場合、適切な前処理演算子を使用して、必要な形式に変換できます。離散化演算子は、数値属性の値を名義属性に変更するために使用できます。次に、ノミナルからバイナリへの演算子を使用して、ノミナル属性をバイノミナル属性に変換できます。

ExampleSetの正のエントリ、つまり、ExampleSetで正として定義されている名目値のシーケンシャルパターンがマイニングされることに注意してください。データで正のエントリが正しく指定されていない場合は、 正の値パラメーターを使用してそれらを設定できます。これは、すべての属性にこの値が含まれている場合にのみ機能します。