PrefixSpan频繁序列算法快速理解

经典例子

  首先，图中两图间没有关系，只是说明两种数据的形式区别；
  然后，我们只需要关注序列数据；
  最后，我们需要理解“<>”代表什么意思？

项的理解

  <a(abc)(ac)d(cf)>是表中的第一项可以理解为SID为10的用户，5次来商店购买的商品集，第一次只买了a商品，第二次买了a、b、c,第三次买了a、c,第四次只买了d,第五次买了c、f。
  所以，"<>“表示一个序列项，”()“表示单次购买多个商品，单个商品不用”()"。

PrefixSpan怎么实现的

  图片还是copy别人的，上图左上角表是序列表，
  1。从列表中统计出单个项（这里忽略括号，相当于单个用户购买项目不去重陈列）的频数。
  2。去出不频繁的g项目开头的项。剩下有a,b,c,d,e,f开头的项。
  3。上图下面模型是，分别以a,b,c,d,e,f开头的子序列集合。
  4。每用户的所有项从左到右，开头字母不在子序列体现，比如<a(abc)(ac)d(cf)>变为a—> <(abc)(ac)d(cf)>。
  5。某用户单次购买多个项，这些项中含有开头字母对应项，则用“_”代替开头字母（用于区别单个字母出现的情况）。
  比如第二个用户a开头的是<(ad)c(bc)(ae)>是a—><(_d)c(bc)(ae)>，如果是a—><(d)c(bc)(ae)>表示的是<a(d)c(bc)(ae)>

  进一步是分别在a,b,c,d,e,f开头的子序列集合中进行上面的操作，同样先统计各用户子项中的频数。
  不过值得注意的是，这次的统计出的开头和前一次的统计开头没有序列顺序关系，比如：前一次a的子序列中，有3个f:
  <(abc)(ac)d(cf)>
  <(_b)(df)cb>
  <(_f)cbc>
  分别转换为 af----><>（这种情况不会发生在这，只是说明，不频繁已经在前面删除）,af----><_cb>,af----><_cbc>,其中a和f不是挨着的。

递归计算就能找出频繁序列

还不懂就看https://www.cnblogs.com/pinard/p/6323182.html