计算机应用

作者：张妮, 韩萌, 王乐, 李小娟, 程浩东

单位：北方民族大学 计算机科学与工程学院，银川 750021

关键词：模式挖掘,高效用模式,正效用,负效用,静态数据,动态数据

基金：国家自然科学基金资助项目(62062004);宁夏自然科学基金资助项目(2020AAC03216);北方民族大学研究生创新项目(YCX21082)

高效用模式挖掘（HUPM）是新兴的数据科学研究内容之一，通过考虑事务数据库中项的单位利润和数量，以提取出更有用的信息。传统的HUPM方法假定所有项的效用值均为正，但是在实际应用中，某些数据项的效用值可能为负（如商品因产生亏损而导致利润值为负），含负项的模式挖掘与仅含正项的模式挖掘同样重要。首先，阐述了HUPM的相关概念，并分别给出相应正负效用的实例；然后，以正与负角度划分了HUPM方法，其中带有正效用的模式挖掘方法进一步以动态与静态的数据库新颖角度划分，带有负效用的模式挖掘方法中包括了基于先验、基于树、基于效用列表和基于数组等关键技术，并从不同方面对这些方法进行了讨论和总结；最后，给出了现有HUPM方法的不足和下一步研究方向。

来源：2022年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第4期