共現(xiàn)行為的周期性探測與研究.pdf

1、隨著互聯(lián)網(wǎng)應(yīng)用的普及以及存儲技術(shù)的發(fā)展，經(jīng)常會遇到海量的結(jié)構(gòu)復(fù)雜的數(shù)據(jù)需要分析，如微博信息數(shù)據(jù)、生物學(xué)數(shù)據(jù)、電子商務(wù)數(shù)據(jù)和移動信息數(shù)據(jù)等等，這些數(shù)據(jù)都可以用樹結(jié)構(gòu)或圖結(jié)構(gòu)來表示，并且在時間序列上是連續(xù)的。如何對這些時間序列數(shù)據(jù)進行挖掘，從中提取出我們需要的信息，已經(jīng)成為數(shù)據(jù)挖掘研究領(lǐng)域的熱點。不過目前的時間序列數(shù)據(jù)挖掘技術(shù)還處于起步階段，挖掘算法有待補充和完善。在現(xiàn)實應(yīng)用中，時間序列上周期性更為常見，更加具有研究價值和意義，是時間序列數(shù)

2、據(jù)挖掘的研究熱點。
　　 現(xiàn)實生活中，經(jīng)常會有一些人周期性的共同做一些事情，如:每天早晨固定的一些老年人在廣場鍛煉，基督教徒每周日去教堂做禮拜等。這些周期性共同出現(xiàn)的人，很有可能由不認識的人變?yōu)楹糜?。我們挖掘出這些人，在好友關(guān)系發(fā)現(xiàn)上可以做一些預(yù)測。再比如，某個家庭主婦每隔固定時間逛一次超市買一些生活消耗品（如肥皂、油、米、面等），我們挖掘出周期性共同購買的產(chǎn)品后，可以進行商品推薦服務(wù)。所以，本文就選擇了時間序列周期模式挖掘為主

3、要研究對象。
　　 本文首先介紹了時間序列數(shù)據(jù)挖掘的研究現(xiàn)狀，然后對現(xiàn)有的時間序列周期模式挖掘算法進行了詳細的分析。目前，大多數(shù)的研究都是對全局周期模式挖掘的研究，有很多有用的周期模式僅發(fā)生在時間序列的某個局部時間段上，現(xiàn)有的算法不能挖掘出這樣在某個時間段頻繁發(fā)生的周期模式。在分析了Aprior算法、類Aprior算法以及最大子模式命中算法后。發(fā)現(xiàn)最大子模式命中算法相對于類Apriori算法在挖掘的效率上有了明顯提高，但仍需要對

4、時間序列的數(shù)據(jù)庫掃描兩次，并且都要對模式進行頻繁計數(shù)等工作。
　　 針對以上不足，本文提出一種基于更新模式樹的周期模式挖掘算法，該算法能夠全部實現(xiàn)前人算法的功能，并擁有更大的優(yōu)勢:能夠挖掘出只在局部頻發(fā)出現(xiàn)的周期模式;能夠同時進行多個周期模式的挖掘等。并且在掃描數(shù)據(jù)庫的次數(shù)上，只用掃描一次，大大的提高了算法效率。又因為只掃描一次數(shù)據(jù)庫，在數(shù)據(jù)的輸入形式上，能夠支持動態(tài)輸入數(shù)據(jù)。最后，在算法應(yīng)用方面本文也進行了一定的研究，在研究人