InClosPan大型数据库中闭序列模式的增量挖掘

赖繁闭序列;
第三 ， D 中的非颜繁序列或棋繁非一闭序列变 为 D' 中的频繁闭序列;
五二;〈Y 飞注:
!fi '. b,
ο
O
(1)对于第一种情况 ， D 中的非频繁序列变为
D' 中的频繁闭序列。例如 ， D 中的< (e) ( α )(b)
/乌
b. \
、0
> Od.
困2
川、
为频繁闭序列，仍为 D' 中的颇繁闭序列。
6
数据库更新次数
多次增量更新时 CloSpan 算法 与 InCloSpan 算法韵比较
âdb j , min_sup , FCS') ;
5. 对 FCS' 中的每个 D 中出现过的单项 1 ，调用
4
结论
频繁阔序列与完整频繁序列的表达能力相同，
CloSpan ( i , D 气， min_sup ， FCS') ;
已存在的序列上附加新的项集，如购物事务数据库 中同一顾客增加新的事务，称附加。现实的应用往往 同时包含了这两种情况。
1
1.1
背景知识介绍
基本概念
令 1 = 1i 1 , i 2 , … , i n l ，其中，毛 (j = 1 ， 2 ，… ， n) 是
如果数据库是以插人与附加结合在一起更新 的，我们可以把插人作为附加的一种特殊情况。也就
定义 4[2]
对序列 S
E
FS ， 若寸 3 s'(s' ε FS
^
s' ::J S 八 Sup(S)
= Sup(s')) 为真，则称 s 为频繁闭
序列，所有频繁闭序列的集合记为 FCS 。
1.2
问题陈述
存在两种形式的数据库更新: (1)插人新序列，
如购物事物数据库中增加新的顾客，称插入 ;(2) 在
有一点要注意的是，如果插入了新序列，比如增
加了新的黯窑，则最少出现次数也槌之改变了，这样
可能将原本的频繁序列变为非频繁序列。
在第二种情况中统一讨论。
(3) 对于第三种情况 ， D 中的非频繁序列或频
如图 1 ，假设 min_sup == 50% ，在原始数据库 DB
中，出现次数大于 min_sup
繁非-闭序列变为 D' 中的颇繁闭序列。例如， 闭序列。
2: 若存在插入数据，则检查是否即捶人操作玫 变了频繁最少出现次数，若是，则重新计算新的频繁
最少出现次数= min_sup
繁单横加入至 FCS'; 4: X'才 FCS' 中的每个新单项 i ，需用 CloSpa叫 i ，
* Id 总数;
圄4
3: 以附加数据库中的单项扫描 D' ，并将新的频
2
3
4
5
.97.
是将插入序列作为原始数据库中空序列的附加序 列，页。我们的问题椅化成了一种情况:附加。于是我
的只需讨论在j)#姐的情况下如何进行增璧挖据。
解决方法:该项可能作为 D' 的前缀出现，或是 活级出现。如果是作为前摄出现，剧作为前壤扫描
ð.db ， 进行闭序列模式挖掘，将得到的序列加入
F' CS' ， 以待进一步确认。如果是作为 D' 的后缀出现，
(e)(a)(b) >， 2)1 为频繁闭序列。在增盘数据库加
入后，若保持 min_sup == 50% 不变，频繁最少出现次 数变成了 50%
缀。 解决方法:若 ð. db 中有其完整出现，则只需对
ð.db 中新单项序列作为前摄进行部序列i 模式挖掘即
可得到。若 ð. db 中只有其后缀，则与第二种情况的后
第 32 卷第 1 期
南昌大学学报(理科版)
Vol. 32 No. 1
Feb.2∞8
2∞8 年 2 月
Joumal of Nanchang University( Natural Sc ience) -04
文章编号: 1∞6 -0464(2∞8)01 -仪)96
InClosPan: 大型数据库中闭序列模式的增量挖掘
不同的项，项的集合称为项集。
盟日期 :2删甲 12 -05 金项目:国家自然科学基金资助项目( 10761∞7) ，江西省教育厅计划资助项目 (2仪>6 [36]) . f乍看简介:白似雪(1 957 -)，男，教授. E-mail: sixuebai@
第 1 期
白似雪等: InClosPan: 大型数据库中闭序列模式的增最挖掘?
为 S=(SI ， S2' … ， Sm) ， 其中引 (i
= 1 ， 2 ，… ， m)
Si
是一
ç
1。一个序列的长度是指它所包含的
多序列模式及闭序列模式的挖掘算法，它们可以很
有效地挖掘频繁序列 [1 -5] 。这些算法都有一个特
项集的长度之和，即 l =
L
I
1 ，记为 I S I 。具有
点:它们是一次完成的，挖掘完整的数据库，得到完
2
固3
4
6
8
10
输入:附加后的数据库 D' ，最小支持度 min S吨， D 中的旗繁闭序列集 FCS
输出 :D' 的频繁闭序列集 FCS'
增量数据库 adb/%
不同大小增量更新时 CloSpan 算法
与 InCloSpan 1草法的比较
H望… αOS阳
1 :FCS' =φ;
--8- lnClospan
k 长度的序列称为 k - 序列。
定义 2[2]
和 Sb
~ i1
设有两个序列 Sa
= (叫，吨，… ， a n >
ç二 b坷， a25ba2 ，··，
= (b
< i2
1
, b2 , … , bm ) ， 这里 n 运 m ， 当且仅当 3 (1 … < i n ~ m)
<
^ (a
1
αn
ç Sa ç
biJ 为真时，称序列 Sa 包含于序列岛中，记为
输入:序列 s ， s 的映射数据库哉，最小支持度
< (g) > 是 D'
mID_sup
输出:前辍序列格 L
中的频繁闭序列，但该项未在 D 中出现过。
1 :查找是否存在已发现的序到 s' ，有 s
ç
s' 或 s'
.98.
南昌大学学摄〈理科版〉
2∞8 年
C S ， 且 D， 中的总项数与战，中的总项数相同;
使用 CloSpan 算法重新挖掘相比，要高放很多。
ε E E U
精
1α)()
3: 一次扫描哉，找到所有的颇繁项 α ，能使 s 进
行项集扩展 (SOi α) 或序列扩展 (so， α) ;
4: 若无有效的 α ，则返回;
5. 琦每个有效的黑子项集扩展的 α ，揭用
CloSpan (so， α ， D，o.<x , mip_sup , L)
(D)
朋 1
a
2
a
α
辍一定是 D 中某闭序列模式本身或该闭序列模式的
子序列。若该部序列模式不是其前辍，黯以每次长虔
b
诚 1 的子序列回避，总娃能找到唯一的子序列作为 前缀与 ð. db 中的脂缀结合成为闭序列模式。
由于 D' 中的部序列模式只可能从上述三种情 况中得到，故可知我们采用 InCloSpan 算法一定能
的费用。
关键词:闭序列模式;增量挖掘;数据挖掘
中图分类号 :T凹0 1.
6
文献标识码 :A
挖掘闭序列模式是数据挖掘中一项很重要的任 务，有着广泛的应用，如分析顾客的购物习惯， web 页面的访问顺序， DNA 序列分析等等。如今已有许
定义 1 [2]
个项集，且 Si
一个序列 S 是指项集的有序表，记
<

* Id 个数==
50%
*3
==
(af) > 是 D 中的频繁非一部序列，却是 D' 中的频繁
性质 :ð. db 中一定有该序殉的完整出现，或其后
1. 5 个的序列为频繁序列，则闭序列 1 (
< (af) (d)
>, 2) ,( < (af)(e) >, 2) ,( < (e)(a) >, 3) ,( <
(.ldb)
服始数据库和增量数据库
2
2.1
算法
篝法思想
得到完整的前序列模式集。
2.2
CloSpan 算法
CloSpan 算法 [2] 是最早提出的一个挖掘闭序列
模式的算法，也是经典算法之一。 CloSpan 将挖摇进 程分成两步:第一步，生成 LS 集，贮存在前缀序列格
当数据库 D 增量更新至 D' ， 颜繁南市列可能以
全的结果。然而许多现实数据库都以增量的形式增 长，记录按时间顺序不断更新。例如，顾客的购物事 物数据库每日都会有新的购买记录，天气序列以及 医疗序列也会随着时间日益增长。如果每次要重新 挖掘完整的数据库，效率将非常低，所以我们必须提 出新的增量算法来解决这个问题。一些有效的有关 关联规则的增量算法已经提出了，但是序列模式的
下面三种情况出现:
第一 ， D 中的颇繁闭序列仍为 D' 中的频繁闭序
列;
(Partial Prefix Sequence Lattice) 中;第二步，清除
非-郎序列。我轩的 InCloSpan 是基于 CloSpan 算 法，所以下面给出 CloSpan 算法的基本思想。
第二，新项的出现，使 D' 中出现新的序列并为