數據庫中的常見模式

Question

我需要在事件序列數據庫中找到常見的模式。 因此，我考慮了最長的常見子字符串問題和python實現尋找解決方案。

請注意，我不僅在搜索最長的公共子字符串：我接受數據庫中經常出現的較短的公共子字符串。

您可以針對此問題提出一些算法，實現技巧或一般建議嗎？

Answer 1

先前的答案建議Apriori。 但是如果您想查找頻繁的序列，則Apriori是不合適的，因為Apriori不會考慮時間（而且Apriori是一種低效的算法）。

如果要查找幾個序列共有的子序列，則使用諸如PrefixSpan和SPAM的序列模式挖掘算法會更合適。

如果您要做出一些預測，那么另一個選擇是使用順序規則挖掘算法。

我擁有順序模式挖掘和順序規則挖掘算法的開源Java實現，可以從我的網站下載： http : //www.philippe-fournier-viger.com/spmf/

我認為您無法使用這些算法一次性處理8 GB的數據。 但這可能是一個起點。 實際上，通過實施基於磁盤的策略，其中一些算法可以適用於非常大的數據庫。

Answer 2

您是否考慮過頻繁項目集挖掘方法（例如Apriori） ？