Minepi の変更点

• 追加された行はこの色です。
• 削除された行はこの色です。
• Minepi へ行く。

* Minepi [#ye00a433]

//ここには %項目の説明を書いてください．よろしければ署名しておいてください．


AprioriAll や PrefixSpan とは異なるタイプの系列データからのマイニング問題を扱う．Winepi と類似した問題を扱う．

- イベント系列では，有限のイベント型のうちのイベントが，各時刻でたかだか1種類発生する．発生時刻とイベントの対を時間順に並べたもの．
 例：<(E,31),(D,32),(F,33),(A,35),(B,37),(C,38),(E,39),(F,40),(C,42),(D,44)...(D,67)>
- エピソード：イベントが発生する時間的前後関係を半順序関係で表した，イベントの半順序集合．だが主に扱うのは次の2種類
-- 並列エピソード：指定されたイベントの集合が，相対順序に特に制約なしに発生する．
-- 直列エピソード：指定されたイベントの集合が，決められた順序で発生する．
- イベント \(\alpha\) の極小発生 (minimal occurrence)：時刻 \(t_s\) で始まり，\(t_e\)の一つ前で終わる区間 \([t_s,t_e)\) で，イベントαが発生し，\(t_s\)を一つでも後ろに，もしくは\(t_e\)を一つでも前にずらすと，\(\alpha\)は発生しなくなるようなもののこと
-- 例では，AとBの並列エピソードの，上記の系列中での極小発生は [35,38) に存在．

あるエピソード \(\alpha\) について，系列中の全ての極小発生をを含む集合 \(mo(\alpha)\) を考える．この\(mo(\alpha)\)の大きさが min_sup 以上のイベントを列挙するアルゴリズムがMinepi．
- 探索はAprioriと類似．イベント数が1個の頻出エピソード集合を初期集合とする．以後は，イベントを一つずつ追加して候補エピソード集合を作り，その中から実際に頻出のエピソードを抽出することを反復する幅優先探索．
- 見つけた極小発生の集合は，相関ルールのようなエピソード間の関係を見つけ出すのに利用する．

> -- しましま

** 関連項目 [#mefd93e6]

//英語や同義語のあとに，#brで区切って関連する項目をリストしてください．

-[[データマイニング]]
-[[系列データ]]
-[[Winepi]]
-[[AprioriAll]]
-[[PrefixSpan]]
#br
-[[検索:Minepi]]

** リンク集 [#f9ec34b9]

//関連するWWW資源があればリンクしてください．

** 関連文献 [#ff714ca4]

//この%項目%に関連する書籍や論文を紹介してください．

-基本文献~
H.Mannila, H.Toivonen, and A.I.Verkamo, "Discovery of Frequent Episodes in Event Sequences", Data Mining and Knowledge Discovery, vol.1, pp.259-289 (1997)~
[[GoogleScholarAll:Discovery of Frequent Episodes in Event Sequences]]