数据挖掘的任务是从数据中发现模式，模式时空一个用语言L来表示的一个表达式E，它可用来描述数据集F中数据的特性，E所描述的数据时机和F的一个子集FE。E作为一个模式要求它比数据子集FE中所有元素的描述方法简单，在实际应用中，往往根据模式的实际作用细分为分类模式、回归模式、时间序列模式、聚类模式、关联模式和序列模式6种。给定一个由客户交易之城的数据库DB，挖掘序列模式的问题就是在那些具有客户指定最小支持度（minimum support）的序列中找出最大序列（maximal sequence），而每个这样的最大序列就代表了一个序列模式（sequence pattern）

一、序列模式挖掘参数

1.时间序列T的时间长度

可以讲数据库中的整个序列或用户所选择的序列（如2003你那）作为时间序列的长度，序列模式（挖掘）将仅限于在之一序列长度之内进行。

2.时间窗口W

一系列在时间内发生的事件在特定的分析中可以看成是一起发生的。如果一个时间窗口W呗设置为同序列T一样长，那就会发现对时间不敏感的频繁模式，也就是基本关联模式。如：“2000年，一个购买电脑的顾客也买了数码相机”其中不再关系哪个先买哪个后买）；若一个事件窗口W被设置为0，那就会发现一个序列事件是作为单个时间发生（来处理的）如：“一个顾客购买了电脑，然后又购买了內存，最后悔购买CD-ROM”。若一个事件窗口W被设置为上述两者之间的某个值（即0与T总长度之间），如：若W设为一个月，那么在同一月发生的交易事务，将被认为是同一时间发生的，而被合在一起进行分析。……