GSPとは何ですか？

GSPはGeneralizedSequentialPatternsの略です。これは、1996年にSrikantとAgrawalによって作成されたシーケンシャルパターンマイニング方法です。これは、Aprioriと呼ばれる通常のアイテムセットマイニングのための彼らの独創的なアルゴリズムの拡張です。 GSPは、シーケンシャルパターンのダウンクロージャーの性質を必要とし、数パスの学生による作成とテストのアプローチを採用しています。

アルゴリズムは次のとおりです。データベースの最初のスキャンで、頻繁に使用されるアイテム、つまりサポートが最小限のアイテムを検出できます。各アイテムは、そのアイテムを含む1イベントの頻繁なシーケンスを生成します。後続の各パスは、前のパスで見つかったシーケンシャルパターンのシードグループとシーケンシャルパターンのグループで始まります。

このシードセットは、候補シーケンスと呼ばれる、頻繁に発生する可能性のある新しいパターンを作成できます。各候補シリーズには、それが作成されたシードシーケンシャルパターンよりも1つ多いアイテムが含まれています（パターン内の各イベントには1つまたは複数のアイテムを含めることができます）。

シーケンス内のアイテムの複数のインスタンスは、シーケンスの高さです。したがって、特定のパスの一部の候補シーケンスは同じ高さになります。長さkのシーケンスをkシーケンスとして定義します。

C _k 候補kシーケンスのセットを示します。データベースをパスすると、すべての候補kシーケンスのサポートが検出されます。 C _kの候補者 最小のmin_supフォームL_k 、すべての頻繁なkシーケンスのセット。このセットは、次のパスk+1のシードセットに発展します。パスで新しいシーケンシャルパターンが検出されない場合、または候補シーケンスを作成できない場合、アルゴリズムは削除されます。

GSPは、Aprioriプロパティを使用して、候補のセットを次のように短縮します。 k番目のパスでは、シリーズは、その長さ-（k -1）のサブシーケンスのそれぞれが、（k -1）番目のパスで検出されたシーケンシャルパターンである場合にのみ候補になります。

データベースの新しいスキャンにより、各候補シーケンスのサポートが組み立てられ、新しいシーケンスパターンのセットL _kが検出されました。 。このセットは、次のパスのシードに発展します。パスでシーケンシャルパターンが検出されない場合、または候補シーケンスが作成されない場合、アルゴリズムは削除されます。

Aprioriのようなシーケンシャルパターンマイニング技術（候補の生成とテストに基づく）は、シーケンスデータベースを垂直データ形式に測定することによって分析することもできます。垂直データ形式では、データベースは（itemset：（sequence_ID、event_ID））という形式のタプルのセットに変わります。

イベント識別子は、シーケンス内のタイムスタンプとして提供されます。シーケンス内のi番目のアイテムセット（またはイベント）のevent_IDはiです。アイテムセットは、複数のシーケンスで表示される場合があります。特定のアイテムセットの（シーケンスID、イベントID）のセットは、アイテムセットのID_listを形成します。