河北工业大学经济管理学院李艳副教授（第一作者）撰写发表了关于自适应共生无重叠序列规则挖掘的文章。文章提出了自适应共生无重叠序列规则挖掘算法CoNR-Miner，该算法具有良好的推荐效果。文章名为“CoNR-Miner: Self-Adaptive Co-Occurrence Nonoverlapping Sequential Rule Mining”，刊发在IEEE Transactions on Knowledge and Data Engineering。该期刊是数据挖掘领域知名的国际顶级期刊，SCI二区，学院A1级，影响因子11.6。

文章概述

传统的序列模式挖掘（SPM）能够发现所有频繁模式，而序列规则挖掘则能基于SPM的结果发现所有高置信度的强规则。然而，发现所有强规则并无实际意义，因为用户有时只对具有相同前件的规则感兴趣，即共生规则。以往的共生无重叠序列规则挖掘仅能在由单项组成的简单序列上发现带有间隙约束的强共生规则。本文探索了在由项集组成的一般序列上进行自适应间隙共生无重叠序列规则（CoNR）挖掘，并提出了CoNR-Miner算法。在数据预处理阶段，CoNR-Miner构建一个整数掩码字典来表示原始序列数据库。在支持度计算中，利用子模式和项的掩码进行位运算，显著提高了计算效率。为减少候选模式数量，我们提出了一种频繁二项扩展字典策略以降低候选模式规模。此外，还设计了四种剪枝策略来进一步剪枝候选模式。为评估CoNR-Miner的性能，我们在8个数据库上对16种对比算法进行了对比实验。在真实数据库上的实验结果表明，CoNR-Miner显著快于现有最优算法，同时还展现了优异的推荐性能。

作者简介

李艳，副教授、硕士生导师、Wright State University访问学者，长期从事数据挖掘研究。主持或参与河北省社会科学基金和国家自然科学基金，以第一作者或通讯作者先后在《IEEE Transactions on Knowledge and Data Engineering》《IEEE Transactions on Cybernetics》《ACM Transaction on Knowledge Discovery from Data》《ACM Transaction on Management Information Systems》《Information Sciences》《Knowledge-Based Systems》《Applied Intelligence》《系统工程理论与实践》《计算机学报》和《通信学报》等期刊发表论文10余篇。