シーケンシャルパターンマイニングとは？基本概念から応用分野まで徹底解説

シーケンシャルパターンマイニングとは

シーケンシャルパターンマイニング（逐次パターンマイニング）とは、データの中から頻繁に出現する一連のイベントや部分列をパターンとして抽出するデータマイニング手法です。

典型的な例としては、「キヤノンのデジタルカメラを購入したユーザーは、1ヶ月以内にHPのカラープリンターを購入する傾向がある」といった購買パターンの発見が挙げられます。

シーケンシャルパターンの主な活用分野

小売業のデータ分析においては、シーケンシャルパターンは商品の棚配置の最適化やプロモーション施策の立案に役立ちます。小売業にとどまらず、通信業界をはじめとするさまざまな業界でも、ターゲットマーケティングや顧客維持（リテンション）などの業務に幅広く活用されています。

その他にも、以下のような多岐にわたる分野への応用が期待されています。

• Webアクセスパターンの分析
• 気象予測
• 生産プロセスの管理
• Web侵入検知

基本的な定義と用語

形式的には、各シーケンスがイベント（または要素）の列を含み、各イベントがアイテムの集合を含むようなシーケンスの集合が与えられ、さらにユーザーが指定した最小サポート閾値 min_sup が与えられたとき、シーケンシャルパターンマイニングは、シーケンス全体における出現頻度が min_sup 以上となるすべての頻出部分列を発見します。

すべてのアイテムの集合を I = {I₁, I₂, ..., I_p} とします。アイテムセットとは、空でないアイテムの集合です。シーケンスはイベントの順序付き系列であり、s = {e₁, e₂, e₃, …, e_l} のように表されます。ここで、イベント e₁ は e₂ より先に現れ、e₂ は e₃ より先に現れるという順序関係が成り立ちます。イベント e_j はシーケンス s の要素とも呼ばれます。

購買情報におけるイベントの意味

ユーザーの購買情報を扱う場合、1つのイベントは、顧客が特定の店舗で商品を購入する一連の買い物（ショッピングトリップ）を表します。このイベントはアイテムセット、すなわち顧客がその買い物で購入したアイテムの順序なしリストに相当します。アイテムセット（またはイベント）は (x₁x₂···x_q) と表され、x_k は個々のアイテムを示します。

シーケンスの長さ

1つのアイテムは、シーケンス内のある1つのイベントには一度しか現れませんが、異なる複数のイベントには何度も現れることがあります。シーケンス内におけるアイテムの出現回数の総数をシーケンスの長さと呼びます。長さ l のシーケンスは「l-シーケンス」と呼ばれます。

シーケンスデータベース

シーケンスデータベース S は、タプル (SID, s) の集合です。ここで SID はシーケンスID、s はシーケンスを表します。例えば、S には店舗の全ユーザーに対応する購買シーケンスが格納されます。α が s の部分列であるとき、タプル (SID, s) はシーケンス α を含むといいます。

この段階のシーケンシャルパターンマイニングは、ユーザー購買シーケンス分析を抽象化したものです。こうしたデータに対するスケーラブルなマイニング手法としては、GSP、SPADE、PrefixSpan などが代表的に知られています。

基本定義の限界と拡張

ただし、上記の基本定義ではカバーしきれないアプリケーションも数多く存在します。

例えば、Webクリックストリームの系列を分析する場合、次のクリックを予測したいのであれば、クリック間の時間的なギャップが重要な手がかりとなります。

また、DNA配列分析では、DNA配列には記号の挿入・欠除・突然変異が含まれる可能性があるため、厳密な一致ではなく近似パターンを扱うことが有効です。このような多様な要件は、制約の緩和や追加の制約適用として捉えることができます。