時間間隔樣式探勘是為了改善循序性樣式探勘缺乏考慮時間區間訊息的問題。以往時間間隔樣式探勘的研究皆著重於事件與事件之間的關係，而不考慮每個事件的持續時間。然而，同樣的事件擁有不同的持續時間可能導致截然不同的結果。例如，如果一地區同時處於零度以下低溫與高濕度的狀態下十天，近期可能會下雪。相對的，如果地區同時處於零度以下低溫與高濕度的狀態下只有一天，則下雪的機率非常小。我們提出了兩種演算法，SARA和SARS，來抽取出包含時間長度的時間間隔樣式（Time Interval-based Event with Duration, TIED）。TIED樣式不僅能擁有事件之間的關係，也顯示了每個事件發生和結束與時間週期。SARA和SARS使用projected database的概念，在發掘TIED樣式的過程中將searching space逐漸減小，以達到更好的效率。其成果發表於The International Conference on Data Science and Advanced Analytics國際會議。

• K.-Y. Chen, B. P. Jaysawal, J.-W. Huang, Y.-B. Wu, "Mining Frequent Time Interval-based Event with Duration Patterns from Temporal Database," The 2014 International Conference on Data Science and Advanced Analytics (DSAA'14), pp. 548-554, Oct. 30 - Nov. 01, 2014.