带间隔约束的序列数据质量评价算法设计

来源：计算机科学与探索杂志2015年第10期北京时间：

作者：王慧锋，段磊，胡斌，邓松，王文韬，秦攀

单位：1. 四川大学 计算机学院，成都 6100652. 四川大学 华西公共卫生学院，成都 6100413. 国家电网 智能电网研究院，南京 2100034. 南京邮电大学 先进技术研究院，南京 210003

摘要：序列数据广泛存在于实际应用中，因此关于序列数据挖掘的算法研究一直都是热点。序列数据的质量关系到挖掘结果的可靠性，传统的数据质量评价方法多通过统计指标来分析数据的质量问题，但统计指标无法对非结构化序列数据中各元素之间的关系进行评估。为检测序列数据质量，提出了基于概率后缀树模型的序列数据质量评价算法。具体地，在满足间隔约束的前提下，根据数据质量可靠的序列数据样本生成概率后缀树，并根据概率后缀树对查询序列数据进行质量评价。最后通过真实序列数据集验证了算法的有效性、执行效率和伸缩性。

关键词：数据质量,概率后缀树,间隔约束