数据库中的常见模式

Question

我需要在事件序列的数据库中找到常见的模式。所以，我考虑过the longest common substring problem和the python implementation寻找解决方案。

请注意，我不是仅搜索最长的公共子字符串：我接受数据库中经常出现的较短公共子字符串。

您能否就此问题提出一些算法，实施技巧或一般建议？

Answer 1

之前的回答建议Apriori。但是Apriori如果你想找到频繁的序列是不合适的，因为Apriori不考虑时间（同样，Apriori是一种效率低下的算法）。

如果要查找多个序列共有的子序列，使用序列模式挖掘算法（如PrefixSpan和SPAM）会更合适。

如果你想做一些预测，另一种选择也就是使用顺序规则挖掘算法。

我有顺序模式挖掘和顺序规则挖掘算法的开源Java实现，您可以从我的网站下载：http://www.philippe-fournier-viger.com/spmf/

我认为您不能使用这些算法一次性处理8 GB的数据。但这可能是一个起点。实际上，通过实施基于磁盘的策略，其中一些算法可以适用于非常大的数据库。

Answer 2

您是否考虑过频繁项目集挖掘方法，例如Apriori？