an episode is appearing. An episode

an episode is appearing. An episode defines a partial order. The goal is to discover frequent episodes.
Input for episode mining is a time sequence as shown in Fig. 3.9. The timed sequence starts at time 10 and ends at time 37. The sequence consists of discrete time points, and, as shown in Fig. 3.9, at some points in time an event occurs. An event has a type (e.g., the activity that happened) and a timestamp. For example, an event of type a occurs at time 12, an event of type c occurs at time 13, etc. Figure 3.9 also shows 32 time windows of length 5. These are all the windows (partially) overlapping with the timed sequence. The length 5 is a predefined parameter of the algorithm used to discover frequent patterns. An episode occurs in a time window if the partial order is “embedded” in it.
Figure 3.10 shows three episodes. An episode is described by a directed acyclic graph. The nodes refer to event types and the arcs define a partial order. For example, episode E1 defines that a should be followed by b and c, b should be followed by d, and c should be followed by d. Episode E2 merely states that b and c should both happen at least once. Episode E3 states that a should be followed by b and c, b should be followed by c, b should be followed by d, and c should be followed by d. This episode contains two redundant arcs: the arc from a to c and the arc from b to d can be removed without changing the requirements. An episode occurs in a time window if it is possible to assign events to nodes in the episode such that the ordering relations are satisfied. Note that the episode only defines the minimal set of events, i.e., there may be all kinds of additional events. The key requirement is that the episode is embedded.
To illustrate the notion of “occurring in a time window”, we use Fig. 3.11. Consider episode E1 and slide a window of length 5 from left to right. There are 32 possible positions. However, just one of the 32 windows embeds episode E1. This is the window starting at time 12 shown below the timed sequence in Fig. 3.11. Here

Results (Thai) 1:

ตอนจะปรากฏขึ้น ตอนการกำหนดใบสั่งเป็นบางส่วน เป้าหมายคือการ ค้นพบบ่อยตอนป้อนเหมืองตอนที่เป็นลำดับเวลาดังแสดงใน Fig. 3.9 ลำดับเวลาเริ่มต้นที่เวลา 10 และสิ้นสุดเวลา 37 ลำดับที่ประกอบด้วยจุดแยกกันเวลา และ ดังที่แสดงใน Fig. 3.9 บางจุดในเวลา เหตุการณ์เกิดขึ้น เหตุการณ์ได้ชนิดหนึ่ง (เช่น กิจกรรมที่เกิดขึ้น) และการบันทึกเวลา ตัวอย่าง กิจกรรมชนิดเกิดขึ้นเวลา 12 เหตุการณ์ของชนิด c เกิดขึ้นในเวลา 13 ฯลฯ รูปที่ 3.9 แสดงหน้าต่างเวลา 32 ความยาว 5 นี่คือหน้าต่างทับซ้อนกับลำดับเวลา (บางส่วน) ความยาว 5 เป็นพารามิเตอร์ที่กำหนดไว้ล่วงหน้าของอัลกอริทึมที่ใช้ในการค้นพบรูปแบบบ่อย ตอนเกิดขึ้นในหน้าต่างเวลาถ้าสั่งบางส่วนถูก "ฝัง" ในรูปที่ 3.10 แสดงตอนสาม ตอนอธิบายไว้ โดย acyclic กราฟโดยตรง โหนหมายถึงชนิดของเหตุการณ์ และส่วนโค้งกำหนดใบสั่งเป็นบางส่วน ตัวอย่าง ตอน E1 กำหนดที่ควรตาม ด้วย b และ c ควรตาม ด้วย d b และ c ควรมี โดย d. E2 ตอนเพียงอเมริกาที่ b และ c ควรทั้งสองเกิดขึ้นน้อยครั้ง ตอน E3 ระบุที่ควรตาม ด้วย b และ c, b ควรจะตาม ด้วย c ควรตาม ด้วย d b และ c ควรจะตาม ด้วย d ตอนนี้ประกอบด้วยส่วนซ้ำซ้อนสอง: โค้งจากการอาร์คจาก b ไป d และ c สามารถถูกเอาออกโดยไม่เปลี่ยนแปลงความต้องการได้ ตอนเกิดขึ้นในหน้าต่างเวลาถ้าจำเป็นต้องกำหนดเหตุการณ์ให้โหนในตอนที่พอใจความสัมพันธ์การสั่งซื้อ สังเกตว่า ตอนเฉพาะกำหนดน้อยชุดของเหตุการณ์ เช่น อาจมีเหตุการณ์เพิ่มเติมทุกชนิด ความต้องการที่สำคัญคือ ตอนถูกฝังเพื่อแสดงแนวคิดของ "เกิดขึ้นในหน้าต่างเวลา" เราใช้ Fig. 3.11 พิจารณาตอน E1 และเลื่อนหน้าต่างยาว 5 จากซ้ายไปขวา มีตำแหน่งเป็น 32 อย่างไรก็ตาม หนึ่ง 32 windows ฝังตอน E1 นี่คือหน้าต่างเริ่มต้นในเวลา 12 ดังลำดับเวลาใน Fig. 3.11 ที่นี่

Results (Thai) 2:

ตอนที่ปรากฏ ตอนที่กำหนดเพื่อบางส่วน เป้าหมายคือการค้นพบตอนที่พบบ่อย.
การป้อนข้อมูลสำหรับการทำเหมืองตอนเป็นลำดับเวลาดังแสดงในรูป 3.9 ลำดับเวลาที่กำหนดเวลาเริ่มต้นที่ 10 และสิ้นสุดที่เวลา 37 ลำดับประกอบด้วยจุดเวลาที่ไม่ต่อเนื่องและเป็นที่แสดงในรูป 3.9 ในบางจุดในเวลาที่เหตุการณ์เกิดขึ้น เหตุการณ์ที่มีประเภท (เช่นกิจกรรมที่เกิดขึ้น) และการประทับเวลา ยกตัวอย่างเช่นกรณีที่เกิดขึ้นชนิดในเวลา 12 กรณีที่มีการพิมพ์ c เกิดขึ้นในเวลา 13 เป็นต้นรูปที่ 3.9 นอกจากนี้ยังแสดงให้เห็นว่า 32 หน้าต่างเวลาของความยาว 5. เหล่านี้เป็นหน้าต่างทั้งหมด (บางส่วน) ที่ทับซ้อนกันกับลำดับเวลา ความยาว 5 เป็นพารามิเตอร์ที่กำหนดไว้ล่วงหน้าของอัลกอริทึมที่ใช้ในการค้นพบรูปแบบที่พบบ่อย ตอนที่เกิดขึ้นในหน้าต่างเวลาหากสั่งซื้อบางส่วนจะ "ฝัง" อยู่ในนั้น.
รูปที่ 3.10 แสดงให้เห็นตอนที่สาม ตอนที่อธิบายโดยชี้นำวัฏจักรกราฟ โหนดอ้างถึงชนิดของเหตุการณ์และโค้งกำหนดคำสั่งบางส่วน ยกตัวอย่างเช่นตอน E1 กำหนดว่าควรจะตามด้วย B และ C, B ควรจะตามด้วย d และคควรจะตามด้วย d ตอน E2 เพียงระบุว่า B และ C ทั้งสองควรจะเกิดขึ้นอย่างน้อยหนึ่งครั้ง ตอน E3 ระบุว่าควรจะตามด้วย B และ C, B ควรจะตามด้วยคขควรจะตามด้วย d และคควรจะตามด้วย d ตอนนี้มีสองโค้งซ้ำซ้อน: โค้งจากคและอาร์จากขงที่จะสามารถลบออกได้โดยไม่ต้องเปลี่ยนความต้องการ ตอนที่เกิดขึ้นในหน้าต่างเวลาถ้ามันเป็นไปได้ที่จะกำหนดกิจกรรมเพื่อโหนดในตอนดังกล่าวว่าความสัมพันธ์ที่สั่งซื้อมีความพึงพอใจ โปรดทราบว่าเหตุการณ์ที่เกิดขึ้นเพียงกำหนดชุดที่น้อยที่สุดของเหตุการณ์เช่นอาจจะมีทุกชนิดของเหตุการณ์ที่เกิดขึ้นเพิ่มเติม ต้องการที่สำคัญก็คือว่าตอนที่จะถูกฝังอยู่.
เพื่อแสดงให้เห็นความคิดของ "ที่เกิดขึ้นในหน้าต่างเวลา" เราจะใช้รูป 3.11 พิจารณาตอน E1 และเลื่อนหน้าต่างของความยาว 5 จากซ้ายไปขวา มี 32 ตำแหน่งที่เป็นไปได้ แต่เพียงหนึ่งใน 32 หน้าต่างฝังตอน E1 หน้าต่างนี้จะเริ่มต้นที่ 12 เวลาที่แสดงด้านล่างตามลำดับเวลาที่กำหนดในรูป 3.11 ที่นี่

Results (Thai) 3:

ตอนที่ปรากฏ ตอนกำหนดคำสั่งบางส่วน เป้าหมายคือการค้นพบตอนบ่อย
ใส่ตอนเหมืองแร่เป็นลำดับเวลาดังแสดงในรูปที่ 3.9 เวลาที่กำหนดลำดับเริ่มต้นที่ 10 และสิ้นสุดที่เวลา 37 ลําดับที่ประกอบด้วยคะแนน , เวลา และต่อเนื่อง ดังแสดงในรูปที่ 3.9 ที่บางจุดในเวลาที่เหตุการณ์เกิดขึ้น กิจกรรมประเภท ( เช่นกิจกรรมที่เกิดขึ้น ) และลงบันทึกเวลา ตัวอย่างเช่นเหตุการณ์แบบเกิดขึ้นในเวลา 12 เหตุการณ์ประเภท C เกิดขึ้นในเวลา 13 , ฯลฯ รูปที่ 3.9 แสดงเวลา Windows 32 ความยาว 5 เหล่านี้เป็นหน้าต่างทั้งหมด ( บางส่วน ) ที่ทับซ้อนกันกับชื่อลำดับ ความยาว 5 เป็นพารามิเตอร์ที่กำหนดไว้ล่วงหน้าของขั้นตอนวิธีที่ใช้เพื่อค้นหารูปแบบที่ใช้บ่อยตอนเกิดขึ้นในเวลาหน้าต่างถ้าสั่งซื้อบางส่วนเป็น " ฝัง " .
รูปที่ 3.10 แสดงสามตอน ตอนอธิบายด้วยกราฟอวัฏจักรระบุทิศทาง . โหนดอ้างอิงประเภทเหตุการณ์และโค้งกำหนดคำสั่งบางส่วน ตัวอย่างเช่น ตอนที่ E1 กำหนดว่าควรจะตามด้วย B และ C , B ควรจะตามด้วย D และ C ควรจะตามด้วย Dตอนที่ E2 เพียงระบุว่า บี และซีทั้งสองควรเกิดขึ้นอย่างน้อยหนึ่งครั้ง ตอนงาน E3 สภาพที่ควรจะตามด้วย B และ C , B ควรจะตามด้วย C , B ควรจะตามด้วย D และ C ควรจะปฏิบัติตามโดย ตอนนี้ประกอบด้วยสองซ้อนโค้ง : อาร์คจาก A ไป C และอาร์คจาก B D สามารถลบออกได้โดยไม่มีการเปลี่ยนแปลงความต้องการตอนเกิดขึ้นในเวลาหน้าต่างถ้าเป็นไปได้มอบหมายกิจกรรมให้โหนดในตอนที่สั่งความสัมพันธ์จะพอใจ ทราบว่า ตอนกำหนดเฉพาะการตั้งค่าที่น้อยที่สุดของเหตุการณ์ เช่น อาจจะมีทุกชนิดของกิจกรรมเพิ่มเติม ความต้องการที่สำคัญคือว่า ตอนที่เข้าไปฝังตัว .
เพื่อแสดงความคิด " ที่เกิดขึ้นในเวลาที่หน้าต่าง " ที่เราใช้รูปที่ 3.11 .พิจารณาตอน E1 และเลื่อนหน้าต่างของความยาว 5 จากซ้ายไปขวา มี 32 ตำแหน่งที่สุด อย่างไรก็ตาม หนึ่งใน 32 Windows ฝังตอน E1 นี้เป็นหน้าต่างเริ่มต้นที่เวลา 12 แสดงด้านล่างในรูปที่ 3.11 ตั้งเวลาดับ . ที่นี่

อีกหนึ่งปัญหาที่สามารถแก้ไขได้โดยใช้วิธีการ apriorilike คือการค้นพบบ่อยตอน [ 63 ] นี่เป็นหน้าต่างบานเลื่อน คือ การวิเคราะห์ใช้บ่อย ๆ