基于图频繁子结构挖掘算法综述.pdfVIP

基于图的频繁子结构挖掘算法综述 张焕生1，崔炳德1，王政峰1，徐德生2 (1．河北工程技术高等专科学校计算机应用技术河北沧州061001； 2．北京科技大学信息工程学院北京100083) 摘 要：随着对大量结构化数据分析需求的增长，从图集合申挖掘频繁子图模式已经成为数据 挖掘领域的研究热点。通过对目前有代表性的频繁子图挖掘算法的分析和比较，全面总结了各算法 的特性及优缺点，并预测了今后的发展趋势。 关键词：数据挖掘；频繁子结构；子图同构 中图分类号：TP391．75 文献标识码：A Reviewof substructure graph-basedfrequent miningalgorithm ZHANGHuan Del，WANG De Shen91，CUIBing ZhengFen91，XUShend andTechnical 061001，China； (1．ComputerApplicationTechnology，HebeiEngineering College,Cangzhou 100083，China) field．This summarizesthecharacteristicand and of and the attention-deservingpaperfully advantagesdisadvantagesthese蛔tll瑚byanalysis of at thefuture trend． eomp盯ison out popularfiⅨluentsubgraphminingalgorithmpresent，andpoints development words：data Key isomorphism； mining；frequentsubstructure；subgraph 随着生物信息学(蛋白质结构、基因组识别和比较 应用，尤其在药物发现和化合物合成领域的应用更为 流行，目前子结构挖掘算法分类如下： 分析)、社会网络(实体间的联系)、Web分析(Web的链接 结构分析、Web内容挖掘和Web日志的搜索)以及文本 信息检索(文档的选择、文档的秩评定)等复杂结构的广 径连接算法； (2)基于模式增长的频繁结构挖掘算法：Espan、 泛应用。图作为一般数据结构在这些结构以及它们的 建模方面日趋重要。为了进一步对图进行特征化、区 FFSM、CloseGraph； (3)基于最小描述长度的近似频繁子结构挖掘算法： 分、分类和聚类分析，挖掘频繁子图模式已经成为一项 SUBOUE； 重要的任务，日益受到人们的关注。 (4)基于模式增长和模式归约的精确稠密频繁子结 1现有的频繁子图挖掘方法 构挖掘算法：CloseCut、Splat。 在各种各样的图模式中，频繁子结构是可以在图