GSP算法在数据挖掘中的应用

一：基本概念介绍

序列模式挖掘：指挖掘相对时间或其他模式出现频率高的模式

序列模式挖掘的动机：大型连锁超市的交易数据有一系列的用户事物数据库。每一条记录包括用户的ID，事物发生的时间和事物涉及的项目。如果能够在其中挖掘涉及事物间关联关系的模式，即用户几次购买行为间的联系，可以采用更有针对性的营销措施。

序列：(sequence) 以SID表示，一个序列即是一个完整的信息流

序列符号化表示：序列是不同项目集的有序排列。序列s可以表示为s = <s1,s2,s3,…,sl>, sj(1<= j <= l)为项目集（itemset），也称为序列s的元素

序列的长度：序列的元素可以表示为（x1,x2,x3,…,xm）,xk (1<= k <= m)为不同的项目。一个序列中所包含的所有项的个数称为序列的长度

项目：(item) 序列中最小组成单位的集合。e g: {A,B,C}.

事件：（event）通常用时间戳标志，标识事件的前后关系，又叫itemset.是item的集合

项目集：（itemset）是各种项目组成的集合

k-频繁序列：如果频繁序列项目个数为K,称为k频繁序列。eg:<（面包，苹果）> 为2频繁序列

序列模式：一个用户在不同时间点的交易记录就构成了一个购买序列

【注意：易错之处】
【注意一：】：k频繁序列：频繁序列中项目的个数为k;（是项目的个数，不是项目集）eg:<（面包，苹果）> 为2频繁序列

【注意二：】：序列的长度：频繁序列中项目集的个数为k;（是项目的个数，不是项目集）eg:<（面包，苹果）> 长度为1

【注意三：】：序列的大小：序列中物品的个数

【注意四：】：易错点：挖掘过程中的k-频繁集（Lk）或者候选k-集(Ck)指的都是【注意一和注意三】中的序列大小。

二：从一个样例入手

2.1.按照常规整理为序列
C1:<(Ringworld) (Foundation) (Ringworld Engineers , Second Foundation)