研究人员开发了一种名为DigDag的新算法，用于发现时空事件数据中重复出现的交互模式。该方法将事件实例表示为节点，将它们的关系表示为边，并专注于频繁闭合嵌入子有向无环图（DAGs）以进行紧凑的模式表示。实验表明，DigDag在挖掘这些模式方面比SLEUTH和CSTPM等现有方法效率更高。 AI
影响 这项研究可能导致更有效的方法来分析复杂的事件数据，并可能影响那些依赖于理解时空关系的领域。
排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一种新算法及其与现有方法的实验比较。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.05995v1 Announce Type: cross Abstract: We propose a novel approach to mine patterns in spatio-temporal event data based on discovering frequent closed embedded sub-Directed Acyclic Graphs (DAGs). In our method, event instances are represented as nodes labelled by event…
We propose a novel approach to mine patterns in spatio-temporal event data based on discovering frequent closed embedded sub-Directed Acyclic Graphs (DAGs). In our method, event instances are represented as nodes labelled by event types, while edges capture spatio-temporal follow…