目录
在关联规则挖掘中,更关注项集和项集(或两个项)同时出现的关系,而忽略了数据中的序列信息,例如时间、空间等。关于关联规则挖掘可参见如下文章:
Level3 — PART 4 — 机器学习算法 — 关联规则-CSDN博客
序列模式挖掘(sequence pattern mining)最早是由Agrawal和Srikant提出的,它在关联规则基础之上,挖掘相对时间(空间)或其他模式出现频率高的模式,典型的应用还是限于离散型的序列。
基本概念
大型连锁超市的交易数据有一系列的用户事务数据库,每一条记录包括用户的ID,事务发生的时间和事务涉及的项目。如果能在其中挖掘涉及事务间关联关系的模式,即用户几次购买行为间的联系,可以采取更有针对性的营销措施。如下: