Data Mining von Sequenzdaten - Fachgebiet Datenbanken und ...

2 GRUNDLAGEN 12
Beispiel 2.9. Gegeben sei die Sequenzdatenbank in der Tabelle 3 und ein MinSupport
= 3. Die komplette Menge der sequentiellen Muster, sind in der Tabelle 4 aufgelistet. Die
Menge der maximalen und geschlossenen Muster sind in den Tabellen 5 und 6 dargestellt.
1-Muster Support 2-Muster Support 3-Muster Support
a 4 ab 4 acb 3
b 4 ac 4 acc 3
c 4 bc 3
d 3 cb 3
e 3 cc 3
f 3 dc 3
Tabelle 4: Menge der sequentiellen Muster
1-Muster Support 2-Muster Support 3-Muster Support
e 3 bc 3 acb 3
f 3 dc 3 acc 3
Tabelle 5: Menge der maximalen sequentiellen Muster
1-Muster Support 2-Muster Support 3-Muster Support
e 3 ab 4 acb 3
f 3 ac 4 acc 3
bc 3
dc 3
Tabelle 6: Menge der geschlossenen sequentiellen Muster
Es ist erkennbar, dass durch Anwendung des Konzepts der maximalen sequentiellen
Muster nur noch sechs Muster übrig bleiben. Aus diesen sechs Mustern können durch Bildung
von Teilsequenzen die ursprünglichen 14 sequentiellen Mustern abgeleitet werden.
Man spricht auch von einer verlustlosen Komprimierung der Daten, da keine Muster
bei der Komprimierung veloren geht. Allerdings ist die Komprimierung mit Hilfe des
Konzepts der maximalen Muster bezüglich der Supportinformationen nicht verlustlos.
Beispielsweise kann die Information, dass das sequentielle Muster ab einen Support von
vier besitzt, nicht aus der Menge der maximalen sequentiellen Muster abgeleitet werden.
Wenn also sowohl die Sequenz als auch die dazugehörige Supportinformation verlustlos
komprimiert werden soll, dann ist das Konzept der geschlossenen sequentiellen
Mustern das geeignete Komprimierungsverfahren. In vielen Anwendungen reicht es aber
aus, die gefundenen Muster als Muster ohne Supportinformationen zu betrachten. In dem
Fall bietet sich das Konzept der maximalen sequentiellen Muster an, da es die höchste
Komprimierung der Muster garantiert.