感谢您使用 SPMF。我是那个图书馆的创始人。目前，SPMF 不支持包含某些文本作为输入的文本文件。因此，用户需要做一些预处理来将文本文件转换为 SPMF 使用的格式。但在未来，我计划在 SPMF 中添加本地处理文本文件的功能。它可能会在接下来的几周内添加，具体取决于我的日程安排。

顺便说一句，如果您对 SPMF 有任何疑问，也可以直接在SPMF网站上的论坛上提问。那么，我会尽快回复你。

为了补充@Phil 的答案和出色的 SPMF 库：

Seq2Pat：序列到模式生成库可能与您的案例相关。

该库是用 Cython 编写的，以利用具有高级 Python 接口的快速 C++ 后端。它支持基于约束的频繁序列模式挖掘。

下面是一个示例，展示了如何在尊重所找到模式价格的平均约束的同时挖掘序列数据库。

# Example to show how to find frequent sequential patterns
# from a given sequence database subject to constraints
from sequential.seq2pat import Seq2Pat, Attribute

# Seq2Pat over 3 sequences
seq2pat = Seq2Pat(sequences=[["A", "A", "B", "A", "D"],
                             ["C", "B", "A"],
                             ["C", "A", "C", "D"]])

# Price attribute corresponding to each item
price = Attribute(values=[[5, 5, 3, 8, 2],
                          [1, 3, 3],
                          [4, 5, 2, 1]])

# Average price constraint
seq2pat.add_constraint(3 <= price.average() <= 4)

# Patterns that occur at least twice (A-D)
patterns = seq2pat.get_patterns(min_frequency=2)

请注意，序列可以有不同的长度，您可以添加/删除其他属性和约束。序列可以是任何字符串，如示例中所示，也可以是整数。

底层算法使用多值决策图，特别是来自 AAAI 20019 的最先进算法。

免责声明：我是 Fidelity 和 CMU 在Seq2Pat 库上的研究合作的成员。