Khai phá mẫu tuần tự là khai phá các sự kiện hoặc chuỗi con xuất hiện thường xuyên như các mẫu. Ví dụ mẫu tuần tự là người dùng mua máy ảnh Canon digital có xu hướng mua máy in màu HP trong vòng một tháng.
Đối với dữ liệu bán lẻ, mẫu tuần tự hữu ích cho việc đặt kệ và khuyến mãi. Ngành này, và viễn thông và các doanh nghiệp khác, cũng có thể dùng mẫu tuần tự cho marketing nhắm mục tiêu, giữ chân người dùng, và nhiều nhiệm vụ khác.
Có một vài lĩnh vực mẫu tuần tự có thể dùng như phân tích mẫu truy cập Web, dự báo thời tiết, quy trình sản xuất, và phát hiện xâm nhập web.
Cho tập hợp các chuỗi, nơi mỗi chuỗi bao gồm tệp sự kiện (hoặc phần tử) và mỗi sự kiện bao gồm nhóm mục, và cho ngưỡng hỗ trợ tối thiểu do người dùng chỉ định min_sup, khai phá mẫu tuần tự khám phá tất cả chuỗi con phổ biến, tức là các chuỗi con có tần suất xuất hiện trong tập chuỗi không nhỏ hơn min_sup.
Cho I = {I₁, I₂, ..., Iₚ} là tập tất cả mục. Itemset là tập không rỗng các mục. Chuỗi là danh sách có thứ tự các sự kiện. Chuỗi s được ký hiệu {e₁, e₂, e₃ … eₗ} với sự kiện e₁ xuất hiện trước e₂, xuất hiện trước e₃, v.v. Sự kiện eⱼ cũng được gọi là phần tử của s.
Trong trường hợp thông tin mua hàng người dùng, sự kiện định nghĩa chuyến mua sắm mà khách hàng mua mặt hàng tại cửa hàng cụ thể. Sự kiện là itemset, tức là danh sách không có thứ tự các mục khách hàng mua trong chuyến đi. Itemset (hoặc sự kiện) được ký hiệu (x₁x₂···x_q), với x_k là một mục.
Một mục có thể xuất hiện chỉ một lần trong sự kiện của chuỗi, nhưng có thể xuất hiện nhiều lần trong các sự kiện khác nhau của chuỗi. Số lần xuất hiện mục trong chuỗi gọi là độ dài của chuỗi. Chuỗi với độ dài l gọi là l-chuỗi (l-sequence).
Cơ sở dữ liệu chuỗi S là tập tuple (SID, s), với SID là sequence_ID và s là chuỗi. Ví dụ, S bao gồm chuỗi cho tất cả người dùng cửa hàng. Tuple (SID, s) chứa chuỗi α, nếu α là chuỗi con của s.
Giai đoạn khai phá mẫu tuần tự này là sự trừu tượng hóa của phân tích chuỗi mua sắm người dùng. Kỹ thuật có khả năng mở rộng cho khai phá mẫu tuần tự trên bản ghi như vậy là như sau:
Có một vài ứng dụng khai phá mẫu tuần tự không được bao phủ bởi giai đoạn này. Ví dụ, khi phân tích chuỗi clickstream Web, khoảng trống giữa các click trở nên thiết yếu nếu cần dự đoán click tiếp theo có thể là gì.
Trong phân tích chuỗi DNA, mẫu xấp xỉ trở nên hữu ích vì chuỗi DNA có thể chứa chèn, xóa, và đột biến (ký hiệu). Những yêu cầu đa dạng như vậy có thể được xem như thư giãn ràng buộc hoặc ứng dụng.