一种基于主客观评价的top-k频繁模式挖掘方法及系统

本发明涉及一种基于主客观评价的top‑k频繁模式挖掘方法及系统，属于数据挖掘领域；解决了由于缺乏有效的模式评估方式，传统技术挖掘出的top‑k模式，往往难以满足用户需求的问题。其技术方案是：首先，利用最小DFS序的编码技术，实现对模式的编码；随后，搭建基于孪生神经网络的模式评价模型（Graph Patterns Evaluation Model，GPEM），学习模式对之间的偏序关系，实现了模式主观评分难的情况下，对模式的主观偏好预测；最后，设计融合主客观的模式兴趣度评价函数，以指导top‑k模式挖掘。本发明提出了一种基于主客观评价的top‑k频繁模式挖掘方法及系统，实现了融合用户主观偏好和模式客观信息的top‑k频繁模式挖掘任务。