时间序列模式挖掘之I-PrefixSpan

#I-PrefixSpan 用于个性化路线推荐系统

该文章主要是对Generating touring path suggestions using time-interval sequential pattern mining(点击可查看)论文的算法讨论

背景介绍

我们通过算法的名字可以知道，这两个算法是在PrefixSpan算法上进行的改进，但是我更加倾向于说是两者都是***用到了PrefixSpan算法中的中心思想。***

***个性化推荐***是根据用户的兴趣和行为，向用户推荐用户感兴趣的信息。个性化推荐系统是建立在海量数据挖掘的基础上的一种智能平台向顾客提供个性化的信息服务和决策支持。

我们可以将用户的行走路线看做是一个序列，这样在***海量的数据***中我们就可以挖掘到比传统的路线推荐算法更加***人性化***的路线。(***在旅游与参观游览路线推荐方面是最实用的。***)

I-PrefixSpan算法为核心的推荐系统

背景介绍###

***一个包含时间间隔的序列模式会提供更加有价值的信息。***例如在大型的超市中我们就可以在时间间隔序列模式的帮助下，零售商不仅了解顾客的习惯、兴趣和需求，而且了解他们购物的时间。因此，零售商可以在适当的时候将最好的适当目录邮寄给不同类型的客户，并且他可以决定订购哪种产品和多少产品，以及何时满足未来的需求。

我们的背景：博物馆内向游客推荐参观路线，游客需要输入的信息为Gender和Education以及总的游玩时间，我们已经获取了部分游客游玩的路线，将其作为数据库进行挖掘和推荐出合理的路线。下图为博物馆的展示图。

I-PrefixSpan算法就是在PrefixSpan算法的思想下，运用于时间间隔序列模式挖掘的。