文献类型：期刊文献

中文题名：会话流中Top-k闭序列模式的挖掘

英文题名：Top-k Closed Sequential Pattern Mining in Session Streams

作者：彭慧丽[1];张啸剑[2]

第一作者：彭慧丽

机构：[1]河南省直广播电视大学教务科;[2]河南财经学院计算机系

第一机构：河南省直广播电视大学教务科,郑州450008

年份：2009

卷号：35

期号：19

起止页码：86-87

中文期刊名：计算机工程

外文期刊名：Computer Engineering

收录：CSTPCD;;Scopus;北大核心:【北大核心2008】；CSCD:【CSCD2011_2012】；

基金：河南省科技厅基金资助项目"非线性降维技术在商业智能中的应用"(082300410110)

语种：中文

中文关键词：Top—k闭序列模式;加权调和平均数;调节因子

外文关键词：Top-k Closed Sequential Pattern（Topk_CSP）; Weighted Harmonic Average（WHA）; regulatory factor

摘要：在会话流中挖掘Top-k闭序列模式,存在因相关比率ρ的大小而导致的内存消耗和挖掘精度之间的冲突。基于False-Negative方法,提出Tstream算法,制定2种约束策略限制ρ。基于该策略设计加权调和计数函数,渐进计算每个模式的支持度。实验结果证明了该算法的有效性。
The current methods in session streams for mining Top-k Closed Sequential Pattern（Topk_CSP） may lead to a conflict between output precision and memory consumption because of using p. This paper proposes TStream algorithm, which is based on False-Negative approach. TStream utilizes two constraint strategies to restrict ρ, and employs a weighted harmonic count function to calculate the support of each pattern progressively. Experimental results show that the algorithm is efficient.