写在前面：该算法基于UP-Growth算法改进，提出一个新的基于情节效用的模型 IV-UBER (InVestment by Utility-Based Episode Rules model)对股票进行预测，使用该模型能得到比UP-Span和prefix-Span算法更优异的结果。 Discovering utility-based episode rules in complex ev...

写在前面：继 TexStudio使用教程 和 论文书写注意事项和要求 两篇笔记之后，本文主要记录在完成论文之后，对自己的作品如何复查和容易忽略的错误。以下内容都是个人遇到的情况，在此记录，如有其它经验欢迎分享。 论文审查 ！！！多用“查找”和“替换”功能进行修改！！！（泪的教训… o(TヘTo)） 常见问题 对于已有的定义或性质没有正确进行引用（！！！致命问题！！！）...

写在前面：因为自己需要使用TexStudio，所以收集相关方面的教程。所有的记录都来自互联网，在参考部分均给出链接。安装教程在这里（单推使用CTEX+TexStudio模式，毕竟其他科目要写中文论文的时候这个也可以弄）LaTeX是所想即所得，Word是所见即所得。所以你要告诉Latex你要做什么，然后它才会去处理你给出的命令。 通常框架： % 导言区 \documentclass{art...

写在前面：硕士论文讲究严谨，对细节、语法需要细细揣摩。本文是总结甘老师的经验和个人犯的错误，也欢迎大家增加自己的情况。在检查自己的论文时可以假想自己是一个没有涉及过该领域的读者，通过阅读论文，自己能否理解本文讲述了什么？做出了什么贡献？借此可以查看自己有哪些地方没有写清楚，哪些地方没有引用正确。我们写出来的论文需要简练，表达要直截了当而且清楚。主要以陈述句居多，祈使句为辅，很少出现倒转和割裂...

写在前面：本文主要记录Latex的符号表，方便在使用过程中查找。所有内容均来自互联网。 Tips： 要把符号变大，通常在符号源码前添加 \big 即可，如：$\cup \Rightarrow \bigcup$（\cup $\Rightarrow$ \bigcup，注意这里源码的的斜杠需要去除，因为是在原符号的基础上进行修改） 要取一个符号的非，通常在符号源码前面添加 \not ...

写在前面：RFM模型分析在当下已经是非常常见的了，广泛运用与电商或传统商业提高自己的利润总量。什么是RFM模型？即通过分析一个客户的近期购买行为、购买的总体频率以及花费多少钱等3项指标来描述该客户的价值状况。该算法是其中之一参考度是频率，即从最简单也是最容易想到的角度出发，研究如何从客户角度来推销更多产品，而之前学习的挖掘算法都是基于产品的角度。 Discovering valuable ...

写在前面：在UPM领域中，该篇2018年的算法算是比较新的，相比于之前的 KHMC 和 TKO 两篇算法，该算法能够在早期运算过程中快速提高阈值，这在密集型数据集中的表现是十分有利。 THUI算法 样例 各项的TWU： 数据集： 各项排序： \(c \succ e \succ a \succ d \succ...

写在前面：On-Shelf指的是周期性，即冰激凌在冬天销量不高，但夏天卖的很好。每件商品在不同的时期会有不同的销售表现，这就是该领域研究的问题。on-shelf 指代第一个周期、第二个周期、第三个周期…，每个周期之间没有先后顺序，如果一个项集发生在多个周期，那么我们记为 (X, 1)，(X, 2)。 FOSHU: Faster On-Shelf High Utility Itemset M...

写在前面：FHN算法是基于FHM算法进一步改进得到的，目的也是为了能够计算负效用项，该算法是基于utility-list结构进行合并计算高效用项集。为什么要挖掘负效用项集？举个简单的例子，商家捆绑销售，就单个商品而言是亏损的，但当与利润值高的商品一并销售那么很有可能就是盈利。 An efficient algorithm for mining high-utility itemsets w...

写在前面：该篇算法是第一篇能够完整挖掘出所有高效用情节，与UP-Span有些许定义上的不同，但正是这点点不同，导致挖掘结果的精度有很大的变化 Utility-Driven Mining of High Utility Episodes 样例 External Utility Table： A Complex Event Sequence： ![A Complex Event S...