移动环境中的最大移动序列模式挖掘(英文)

在移动通信环境中 ,移动序列模式挖掘对于有效的提高位置管理的服务质量具有重大的意义。移动序列模式挖掘和传统的序列模式挖掘是不同的 ,首先 ,前者需要考虑更多的时间因素 ;其次 ,移动序列模式中的项之间是连续的 ,因为关心移动用户的下一次移动情况。本文提出了一种挖掘移动序列模式的新技术 :聚类的思想引入到移动序列模式挖掘来处理移动历史的时间离散化 ,并且提出了一个高效的PrefixTree算法来挖掘移动序列。性能研究表明 ,PrefixTree算法优于PrefixSpan

OSAF-tree——可迭代的移动序列模式挖掘及增量更新方法

移动通信技术和无限定位技术的发展积累了海量的、动态增长的时空数据 利用数据挖掘技术从移动用户的时空行为轨迹当中挖掘用户移动序列模式 ,在移动通信、交通管理、基于位置服务等领域有着广泛的应用前景 由于移动环境网络资源珍贵、数据量大的特点 ,传统的序列模式挖掘方法在效率上很难满足需求 OSAF tree算法基于投影的概念 ,只需要对数据库进行一遍扫描 ,就可以很好地处理移动序列模式的挖掘及其增量更新和迭代挖掘问题 ,这是一个非常高效的算法 与已有的方法相比 ,OSAF

基于移动交易序列模式的用户行为模式增益挖掘研究

在移动运算环境中挖掘用户行为模式是目前数据挖掘应用领域新兴的研究热点课题,通过整合商业事务动态路径发现移动商业序列模式,即基于移动用户行为的移动交易序列信息挖掘模式。基于深度优先搜索与宽度优先策略,对单位增益(利润)与类别商品交易量进行关联挖掘,首先是基于增益模式集成挖掘高增益移动行为序列,其次是依赖频次模式挖掘解决不同类型商务模式的顾客行为序列模式,然后是在移动交易环境下验证评价算法的执行效率。提出基于移动商务行为特征数据信息构造树算法,挖掘移动商务行为数据的品类特征信息,在同类算法结果比较中较高水准地表达发掘移动序列行为模式。实验评价实施中分析用户序列商业行为与绩效比较,通过两个典型算法比较,结果表明构造树算法能在综合移动电子商业环境下发现移动商业交易框架下的用户事务行为路径及用户倾向性的交易行为,便于规划及管理现有的移动电子商务平台。