As a promising field of research, event sequence analysis seems to assist in facilitating clear reasoning behind human decisions by mining reality behind the sequential actions. Mining frequent patterns from event sequences has proved to be promising in extracting actionable insights, which plays an important role in many application domains. Much of the related work challenges the problem solely from the temporal perspective omitting the information that could be gained from the spatial part. This could be in part due to the fact that analysis of event sequences with references to both time and space is attributed as a challenging task due to the additional variance in the data introduced by the spatial aspect. We propose a visual analytics approach that incorporates spatio-temporal pattern extraction leveraging an extended sequential pattern mining algorithm and a pattern discovery guidance mechanism operating on geographic query and selection capabilities. As an implementation of our approach, we introduce a visual analytics tool, namely ST Sequence Miner, enabling event pattern exploration in time-location space. We evaluate our approach over a credit card transaction dataset by adopting case study methodology. Our study unveils that patterns mined from event sequences can better explain possible relationships with proper visualization of time-location data.

中文翻译：

---

ST Sequence Miner：时空事件序列的可视化和挖掘

作为一个有前途的研究领域，事件序列分析似乎有助于通过挖掘序列动作背后的现实来促进人类决策背后的清晰推理。从事件序列中挖掘频繁模式已被证明在提取可操作的见解方面很有前途，这在许多应用领域中发挥着重要作用。许多相关工作仅从时间角度挑战问题，忽略了可以从空间部分获得的信息。这可能部分是由于这样一个事实，即由于空间方面引入的数据中的额外差异，参考时间和空间的事件序列分析被认为是一项具有挑战性的任务。我们提出了一种可视化分析方法，该方法结合了时空模式提取，利用扩展的顺序模式挖掘算法和对地理查询和选择功能进行操作的模式发现指导机制。作为我们方法的一个实现，我们引入了一个可视化分析工具，即 ST Sequence Miner，支持在时间-位置空间中进行事件模式探索。我们通过采用案例研究方法评估我们在信用卡交易数据集上的方法。我们的研究表明，从事件序列中挖掘出的模式可以更好地解释时间-位置数据的适当可视化可能存在的关系。即 ST Sequence Miner，可以在时间-位置空间中进行事件模式探索。我们通过采用案例研究方法评估我们在信用卡交易数据集上的方法。我们的研究表明，从事件序列中挖掘出的模式可以更好地解释时间-位置数据的适当可视化可能存在的关系。即 ST Sequence Miner，可以在时间-位置空间中进行事件模式探索。我们通过采用案例研究方法评估我们在信用卡交易数据集上的方法。我们的研究表明，从事件序列中挖掘出的模式可以更好地解释时间-位置数据的适当可视化可能存在的关系。