• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Intelligent Information Systems >A contribution to the discovery of multidimensional patterns in healthcare trajectories
【24h】

A contribution to the discovery of multidimensional patterns in healthcare trajectories

机译：对医疗保健轨迹多维模式发现的贡献

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Sequential pattern mining is aimed at extracting correlations among temporal data. Many different methods were proposed to either enumerate sequences of set valued data (i.e., itemsets) or sequences containing dimensional items. However, in real-world scenarios, data sequences are described as combination of both multidimensional items and itemsets. These heterogeneous descriptions cannot be handled by traditional approaches. In this paper we propose a new approach called MMISP (Mining Multidimensional Itemset Sequential Patterns) to extract patterns from complex sequential database including both multidimensional items and itemsets. The novelties of the proposal lies in: (ⅰ) the way in which the data are efficiently compressed; (ⅱ) the ability to reuse and adopt sequential pattern mining algorithms and (ⅲ) the extraction of new kind of patterns. We introduce a case-study on real-world data from a regional healthcare system and we point out the usefulness of the extracted patterns. Additional experiments on synthetic data highlights the efficiency and scalability of the approach MMISP.
机译：顺序模式挖掘旨在提取时间数据之间的相关性。提出了许多不同的方法来枚举设置值数据的序列（即项目集）或包含维项目的序列。但是，在实际场景中，数据序列被描述为多维项目和项目集的组合。这些异类描述无法通过传统方法来处理。在本文中，我们提出了一种名为MMISP（挖掘多维项目集顺序模式）的新方法，该方法可从复杂的顺序数据库中提取模式，包括多维项目和项目集。该提案的新颖之处在于：（ⅰ）有效压缩数据的方式； （ⅱ）重用和采用顺序模式挖掘算法的能力，以及（ⅲ）提取新型模式。我们介绍了来自区域医疗保健系统的真实世界数据的案例研究，并指出了提取模式的有用性。有关合成数据的其他实验强调了MMISP方法的效率和可伸缩性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号