序列資料集挖掘的一個重要任務是序列模式挖掘。a-priori-life算法被用來進行序列模式挖掘，這裡使用的a-priori-life算法，它是采用廣度優先政策。然而，fp-growth算法，采用深度優先政策。出于不同的原因，算法有時還需要綜合考慮一些限制。
從序列模式中，可以發現商店消費者的常見購買模式。在其他方面，特别是廣告或市場營銷，序列模式挖掘發揮重要作用。可以從網絡日志挖掘、網頁推薦系統、生物資訊學分析、病曆跟蹤分析、災害預防與安全管理等領域中預測個人消費者行為。
本章中的規則都是從序列模式中挖掘出來的，它們具有多種。其中一些類型序列模式如下所示：
序列規則：x→y，其中xy。
标簽序列規則（label sequential rule，lsr）：形如x→y，其中y是一個序列，x是将序列y中的若幹項用通配符替換後而産生的序列。
類序列規則（class sequential rule，csr）：定義為x，若：
x→y，假設s為序列資料集，i是序列資料集s中所有項的集合，y是類标簽的集合，i∩y=，x是一個序列且y∈y。
序列資料集s定義為元組（sid, s）的集合，其中sid為序列id，s為序列。
在序列資料集s中，序列x的支援度定義為s中包含x的元組數，即
supports(x)={(sid, s)∨(sid, s)∈s←xs}
這是序列模式的一個内在性質，它應用于相關的算法，如apriori算法的apriori性質。對于序列x及其子序列y，support（x）≤support(y)。
廣義序列模式（generalized sequential pattern，gsp）算法是一個類似apriori的算法，但它應用于序列模式。該算法是逐層算法，采取寬度優先政策。它具有如下的特征：
gsp算法是apriori算法的擴充。它利用apriori性質（向下封閉），即，給定最小支援計數，若不接受某個序列，則其超序列也将丢棄。
需要對初始事務資料集進行多次掃描。
采用水準資料格式。
每次掃描中，通過将前一次掃描中發現的模式進行自連接配接來産生候選項集。
在第k次掃描中，僅當在第（k-1）次掃描中接受所有的（k-1）子模式，才接收該序列模式。
gsp算法為：
僞代碼為：
