| Description |
In den letzten Jahren beschäftigten sich viele Arbeiten zu zeitlichen Daten mit der Suche nach Ereignissen in zeitlichen Daten. Aus diesen Ereignissen können dann Regeln über mögliche Ereignisfolgen gelernt werden (z.B. immer nach A und B folgt auch C). In dieser Arbeit sollen verschiedene Ansätze miteinander verbunden werden, um Regeln über Ereignissequenzen zu generieren. Eine effiziente Implementierung von Apriori (FPGrowth) dient zur Suche nach solchen häufigen Sequenzen, die sich zur Regelgenerierung eignen. Um mit den grossen Regelmengen, die Assoziationsregellerner üblicherweise generieren, umgehen zu können, sollen die aus diesem Bereich stammenden kondensierten Repräsentationen auf zeitliche Ereignisregeln übertragen werden. |
