基于星型模型和普通ER模型的多關(guān)系序列模式挖掘研究.pdf

1、序列模式挖掘是數(shù)據(jù)挖掘領(lǐng)域中一個活躍的研究分支，有著廣泛的應用前景，如顧客購買行為習慣分析、Web操作分析以及生物序列分析等，目前已經(jīng)得到了廣泛地研究。
　　 但隨著信息技術(shù)的發(fā)展，數(shù)據(jù)爆發(fā)式的產(chǎn)生，單表方式的數(shù)據(jù)存儲已經(jīng)不能滿足實際需要。目前多關(guān)系數(shù)據(jù)庫被廣泛的用于數(shù)據(jù)存儲，但如果考慮到多關(guān)系數(shù)據(jù)庫的多樣性時，多關(guān)系序列的挖掘?qū)⑹且粋€復雜的問題。雖然理論上可以多表合并得到一張合并后的關(guān)系表，但多表合并會產(chǎn)生許多問題。如連接代價

2、較高、數(shù)據(jù)冗余等。如何有針對性的高效的挖掘不同模型中的多關(guān)系序列模式，將是本文算法的主要目標?；谝陨铣霭l(fā)點，本文對多關(guān)系序列模式挖掘進行了系統(tǒng)的研究，主要研究工作包括:
　　 (1)在星型模型中，在避免物化連接的前提下，高效地挖掘多關(guān)系序列模式。為此本文提出了一種基于序列Iceberg格的多關(guān)系序列模式挖掘算法，該算法采用優(yōu)化的概念格分割、合并方法挖掘頻繁序列。當表中數(shù)據(jù)量較大時，采用縱向切割，建立子格。避免了物化連接和對單表

3、的挖掘，轉(zhuǎn)向挖掘合并后的概念格。在合并過程中，每次只處理兩張表或者兩張子表并且直接過濾非頻繁的序列，因此內(nèi)存開銷較小。實驗結(jié)果表明，本文提出的方法可更加有效地挖掘多表序列模式，并為基于概念格的序列模式挖掘提供了理論支持和基本算法。
　　 (2)結(jié)合知識背景高效地挖掘星型模型下的多關(guān)系序列模式。本文提出了一種基于前綴樹結(jié)構(gòu)的多關(guān)系序列模式挖掘算法。此算法可用于挖掘星型模型中所有表虛擬連接后的頻繁序列模式。這種序列模式可以反映出不同

4、關(guān)系表中實體間的聯(lián)系，而這種跨表間的聯(lián)系，是單表挖掘所不能提供的。算法結(jié)合知識背景，采用一定離散化方法和剪枝策略，為便于查詢更新等操作，使用了改進后的前綴樹等數(shù)據(jù)結(jié)構(gòu)，使得算法取得了較好的性能。
　　 (3)在普通ER模型中，在避免物理連接的前提下，提出一種方法用于挖掘多關(guān)系序列模式，且能夠解決在星型模型中出現(xiàn)的統(tǒng)計偏斜問題。本文提出了一種ER模型下的基于元組傳播的多關(guān)系序列模式挖掘方法，可較為高效的挖掘多關(guān)系序列模式，通過指定