基于化合物库测试的gSpan 算法.pdfVIP

维普资讯 计 算 机 技 术 与发 展 Vo1 第l7卷 第l0期 ． 17 N。．10 2007年 l0月 OOMPUTERTECHNOLOGYANDDEVELOPMENT Oct． 2007 基于化合物库测试的gSpan算法 许荣斌 ，谢 莹，吴建国 (安徽大学计算智能与信号处理教育部重点实验室，安徽 合肥 230039) 摘 要：gSpan算法是一种基于频繁图的数据挖掘算法。该算法基于无候选人产生的频繁子图，采用深度优先搜索策略挖 掘频繁连接子图。由于其设计结构具有连续性 以及无候选人产生，算法的性能得以提高，在执行速度上可以达到前人算 法如FSG算法的15～100倍。基于化合物库Chemical一340测试发现，该算法能够以卓越性能有效挖掘频繁子图。该算法 可以应用在搜索具有相同子结构的化合物研究中，对相关领域研究发展具有重要意义。 关键词：gSpan；化合物库；频繁子图；深度优先搜索 中图分类号：1)311 文献标识码 ：A 文章编号 ：1673—629X(2o07)10—0058—03 ThegSpanAlgorithm BasedonCompound。-。LibraryTesting XU Rong-bin，XIEYing，WUJian—guo (MinistryofEducationKeyLaboratoryofIntelligentComputing SignalProcessing， AnhuiUniversity，Hefei230039，China) Abstract：Introducesagraph—basedsubstructurepatternminingalgorithm calledgSpan．whichdiscoversfr~unetsubsturctureswith0ut candidategenerationanda~ptsthedepth—firstsearchstrategytominefrequnetconnectde subgraphsefficiently．Itsperformanceisan- hancedbecausethecontinuousdesignandnon—candidate．Whne itisapplide onthechemicalcompound—libraryChemical一340，gSpna substantiallyoutperformspm~ous algorithmssuchasFSG．sometimesbyanorderofmagnitude．gSpancanbeapplide intheresearchof finding ocmpoun dswithsamesubsturcture，itsiveryimportanttorelatde areas． Keywords：gSpan；ocmpound—library；frequentsubgraphs；DFS O 引 言 有一定困难。另一类是拓扑表达法，将化合物结构式 图形数据广泛存在于生活之中，如化学、生物等学 看成图，将原子看成边，用关联矩阵来表示其结构式。 科和国防等领域都大量使用图形数据，因此，对基于图 通过Morgan排序等方式可以使它具有单一性。 的频繁子图挖掘算法的研究非常必要。基于图的数据 挖掘算法提出时间并不长，但是由于图论作为数学的