DISTRIBUTED SEQUENTIAL PATTERN DATA MINING FRAMEWORK
A distributed sequential pattern data mining framework mines user data to determine statistically-relevant sequential patterns which are used to correlate the sequential patterns to a particular outcome. The correlation is provided by a statistical model, a binary predictive model and/or a logistic...
Gespeichert in:
| Hauptverfasser: | , , , |
|---|---|
| Format: | Patent |
| Sprache: | eng ; fre |
| Schlagworte: | |
| Online-Zugang: | Volltext bestellen |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | |
|---|---|
| container_issue | |
| container_start_page | |
| container_title | |
| container_volume | |
| creator | NEPPALI, Sai Tulasi SUNDARESAN, Neelakantan FU, Shengyu YANG, Siyu |
| description | A distributed sequential pattern data mining framework mines user data to determine statistically-relevant sequential patterns which are used to correlate the sequential patterns to a particular outcome. The correlation is provided by a statistical model, a binary predictive model and/or a logistic regression model which uses the sequential patterns to learn the behavior of end users during their usage of a software application.
L'invention concerne un cadriciel d'exploration de données à motif séquentiel distribué qui explore des données d'utilisateur pour déterminer des motifs séquentiels pertinents statistiquement qui sont utilisés pour corréler les motifs séquentiels à un résultat particulier. La corrélation est fournie par un modèle statistique, un modèle prédictif binaire et/ou un modèle de régression logistique qui utilise les motifs séquentiels pour apprendre le comportement d'utilisateurs finaux pendant leur utilisation d'une application logicielle. |
| format | Patent |
| fullrecord | <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2020060649A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2020060649A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2020060649A13</originalsourceid><addsrcrecordid>eNrjZDBx8QwOCfJ0Cg1xdVEIdg0MdfUL8XT0UQhwDAlxDfJTcHEMcVTw9fTz9HNXcAty9HUN9w_y5mFgTUvMKU7lhdLcDMpuriHOHrqpBfnxqcUFicmpeakl8eH-RgZGBgZmBmYmlo6GxsSpAgCGMCiL</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>DISTRIBUTED SEQUENTIAL PATTERN DATA MINING FRAMEWORK</title><source>esp@cenet</source><creator>NEPPALI, Sai Tulasi ; SUNDARESAN, Neelakantan ; FU, Shengyu ; YANG, Siyu</creator><creatorcontrib>NEPPALI, Sai Tulasi ; SUNDARESAN, Neelakantan ; FU, Shengyu ; YANG, Siyu</creatorcontrib><description>A distributed sequential pattern data mining framework mines user data to determine statistically-relevant sequential patterns which are used to correlate the sequential patterns to a particular outcome. The correlation is provided by a statistical model, a binary predictive model and/or a logistic regression model which uses the sequential patterns to learn the behavior of end users during their usage of a software application.
L'invention concerne un cadriciel d'exploration de données à motif séquentiel distribué qui explore des données d'utilisateur pour déterminer des motifs séquentiels pertinents statistiquement qui sont utilisés pour corréler les motifs séquentiels à un résultat particulier. La corrélation est fournie par un modèle statistique, un modèle prédictif binaire et/ou un modèle de régression logistique qui utilise les motifs séquentiels pour apprendre le comportement d'utilisateurs finaux pendant leur utilisation d'une application logicielle.</description><language>eng ; fre</language><subject>CALCULATING ; COMPUTING ; COUNTING ; ELECTRIC DIGITAL DATA PROCESSING ; PHYSICS</subject><creationdate>2020</creationdate><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&date=20200326&DB=EPODOC&CC=WO&NR=2020060649A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,309,781,886,25569,76552</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&date=20200326&DB=EPODOC&CC=WO&NR=2020060649A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>NEPPALI, Sai Tulasi</creatorcontrib><creatorcontrib>SUNDARESAN, Neelakantan</creatorcontrib><creatorcontrib>FU, Shengyu</creatorcontrib><creatorcontrib>YANG, Siyu</creatorcontrib><title>DISTRIBUTED SEQUENTIAL PATTERN DATA MINING FRAMEWORK</title><description>A distributed sequential pattern data mining framework mines user data to determine statistically-relevant sequential patterns which are used to correlate the sequential patterns to a particular outcome. The correlation is provided by a statistical model, a binary predictive model and/or a logistic regression model which uses the sequential patterns to learn the behavior of end users during their usage of a software application.
L'invention concerne un cadriciel d'exploration de données à motif séquentiel distribué qui explore des données d'utilisateur pour déterminer des motifs séquentiels pertinents statistiquement qui sont utilisés pour corréler les motifs séquentiels à un résultat particulier. La corrélation est fournie par un modèle statistique, un modèle prédictif binaire et/ou un modèle de régression logistique qui utilise les motifs séquentiels pour apprendre le comportement d'utilisateurs finaux pendant leur utilisation d'une application logicielle.</description><subject>CALCULATING</subject><subject>COMPUTING</subject><subject>COUNTING</subject><subject>ELECTRIC DIGITAL DATA PROCESSING</subject><subject>PHYSICS</subject><fulltext>true</fulltext><rsrctype>patent</rsrctype><creationdate>2020</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNrjZDBx8QwOCfJ0Cg1xdVEIdg0MdfUL8XT0UQhwDAlxDfJTcHEMcVTw9fTz9HNXcAty9HUN9w_y5mFgTUvMKU7lhdLcDMpuriHOHrqpBfnxqcUFicmpeakl8eH-RgZGBgZmBmYmlo6GxsSpAgCGMCiL</recordid><startdate>20200326</startdate><enddate>20200326</enddate><creator>NEPPALI, Sai Tulasi</creator><creator>SUNDARESAN, Neelakantan</creator><creator>FU, Shengyu</creator><creator>YANG, Siyu</creator><scope>EVB</scope></search><sort><creationdate>20200326</creationdate><title>DISTRIBUTED SEQUENTIAL PATTERN DATA MINING FRAMEWORK</title><author>NEPPALI, Sai Tulasi ; SUNDARESAN, Neelakantan ; FU, Shengyu ; YANG, Siyu</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2020060649A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre</language><creationdate>2020</creationdate><topic>CALCULATING</topic><topic>COMPUTING</topic><topic>COUNTING</topic><topic>ELECTRIC DIGITAL DATA PROCESSING</topic><topic>PHYSICS</topic><toplevel>online_resources</toplevel><creatorcontrib>NEPPALI, Sai Tulasi</creatorcontrib><creatorcontrib>SUNDARESAN, Neelakantan</creatorcontrib><creatorcontrib>FU, Shengyu</creatorcontrib><creatorcontrib>YANG, Siyu</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>NEPPALI, Sai Tulasi</au><au>SUNDARESAN, Neelakantan</au><au>FU, Shengyu</au><au>YANG, Siyu</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>DISTRIBUTED SEQUENTIAL PATTERN DATA MINING FRAMEWORK</title><date>2020-03-26</date><risdate>2020</risdate><abstract>A distributed sequential pattern data mining framework mines user data to determine statistically-relevant sequential patterns which are used to correlate the sequential patterns to a particular outcome. The correlation is provided by a statistical model, a binary predictive model and/or a logistic regression model which uses the sequential patterns to learn the behavior of end users during their usage of a software application.
L'invention concerne un cadriciel d'exploration de données à motif séquentiel distribué qui explore des données d'utilisateur pour déterminer des motifs séquentiels pertinents statistiquement qui sont utilisés pour corréler les motifs séquentiels à un résultat particulier. La corrélation est fournie par un modèle statistique, un modèle prédictif binaire et/ou un modèle de régression logistique qui utilise les motifs séquentiels pour apprendre le comportement d'utilisateurs finaux pendant leur utilisation d'une application logicielle.</abstract><oa>free_for_read</oa></addata></record> |
| fulltext | fulltext_linktorsrc |
| identifier | |
| ispartof | |
| issn | |
| language | eng ; fre |
| recordid | cdi_epo_espacenet_WO2020060649A1 |
| source | esp@cenet |
| subjects | CALCULATING COMPUTING COUNTING ELECTRIC DIGITAL DATA PROCESSING PHYSICS |
| title | DISTRIBUTED SEQUENTIAL PATTERN DATA MINING FRAMEWORK |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-15T19%3A45%3A48IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-epo_EVB&rft_val_fmt=info:ofi/fmt:kev:mtx:patent&rft.genre=patent&rft.au=NEPPALI,%20Sai%20Tulasi&rft.date=2020-03-26&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2020060649A1%3C/epo_EVB%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true |