On Measuring Similarity for Sequences of Itemsets - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Reports (Research Report) Year : 2012

On Measuring Similarity for Sequences of Itemsets

Elias Egho
  • Function : Author
  • PersonId : 913967
Chedy Raïssi
Toon Calders
  • Function : Author
  • PersonId : 931162
Nicolas Jay
Amedeo Napoli

Abstract

Computing the similarity between sequences is a very important challenge for many different data mining tasks. There is a plethora of similarity measures for sequences in the literature, most of them being designed for sequences of items. In this work, we study the problem of measuring the similarity between sequences of itemsets. We present new combinatorial results for efficiently counting distinct and common subsequences. These theoretical results are the cornerstone of an effective dynamic programming approach to deal with this problem. Experiments on healthcare trajectories and synthetic datasets, show that our measure of similarity produces competitive scores and indicates that our method is relevant for large scale sequential data analysis.
Le calcul de similarité entre les séquences est d'une extrême importance dans de nombreuses approches d'explorations de données. Il existe une multitude de mesures de similarités de séquences dans la littérature. La plupart de ces mesures sont conçues pour des séquences simples, dites séquences d'items. Dans ce travail, nous étudions le problème de similarité entre des séquences complexes (i.e., des séquences d'ensembles ou itemsets) d'un point de vue purement combinatoire. Nous présentons de nouveaux résultats afin de compter efficacement toutes les sous-séquences communes à deux séquences. Ces résultats théoriques sont la base d'une mesure de similarité calculée efficacement grâce à une approche de programmation dynamique. Des expériences réalisées et présentées sur des soins de santé et sur des jeux de données synthétiques, montrent que notre mesure de similarité produit des résultats intéressants et probants. Cette série d'expériences indique que notre mesure de similarité est pertinente pour les applications impliquant l'analyse de données séquentielles

Domains

Other [cs.OH]
Fichier principal
Vignette du fichier
report.pdf (1.74 Mo) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-00740231 , version 1 (09-10-2012)
hal-00740231 , version 2 (01-03-2013)

Identifiers

  • HAL Id : hal-00740231 , version 2

Cite

Elias Egho, Chedy Raïssi, Toon Calders, Nicolas Jay, Amedeo Napoli. On Measuring Similarity for Sequences of Itemsets. [Research Report] RR-8086, INRIA. 2012, pp.19. ⟨hal-00740231v2⟩
219 View
680 Download

Share

Gmail Facebook X LinkedIn More