- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
频繁子图数据挖掘研究综述-南京大学
频繁子图数据挖掘研究综述
钱炘祺
(南京大学 计算机科学与技术系, 南京 210093)
A Survey of Algorithms for Mining Frequent Substructure in Graph Data
XinQi Qian*
(Department of Computer Science and Technology, Nanjing University, Nanjing 210093, China)
Abstract : With the development of subjects including bioinformatics, cheminformatics and web log mining video
indexing, the demand of the development of data mining has become more and more urgent . Graph data mining
(graph mining for short), an extremely important branch of data mining, has been developing at high speed for
decades. Problem of graph mining can be classified into 3 parts: graph clustering, graph classification and frequent
subgraph mining. In this paper, we investigate some typical frequent subgraph mining algorithms of different stages
throughout its development history . New progress and future research directions are pointed at the end of the paper .
Key words: graph mining; frequent subgraph; frequent substructure; SUBDUE; ILP; AGM; FSG; gSpan; FFSM;
摘 要: 生物信息学,化学信息学等近年来的蓬勃发展加大了对数据挖掘技术发展的需求。图数据挖掘(以
下简称为图挖掘),作为数据挖掘中一个相当重要的分支,也有了相当的发展。图挖掘所涉及的领域主要是图
数据聚类,图数据分类和频繁子图(子结构)挖掘等。本文着重对频繁子图挖掘领域的发展不同阶段的代表
性算法进行了介绍和比较,并讨论了图挖掘的最新进展及未来的研究方向。
关键词: 图挖掘;频繁子图;频繁子结构; SUBDUE; ILP; AGM; FSG; gSpan; FFSM
中图法分类号: TP301 文献标识码: A
1 引言
近年来,数据挖掘领域的发展越来越快。作为其中的一个重要分支,图挖掘领域也受到人们极大的关注,
正不断地寻求创新以及更优的算法。图的应用领域非常广泛。无论是在网络拓扑,语义网络这样的人工图据
中,还是在化合物分子结构,生物基因表达这样的真实世界数据中,图都是应用相当普遍的一种数据表达形
式。在这些数据中寻找有效信息,就是图挖掘所做的工作。
[1]
在目前的研究中,图挖掘主要涉及了以下几个方面的研究 :
1)图数据的聚类,即在预先不确定划分标准的情况下,将图数据聚类成簇的一种方法。其满足聚类后,
簇内部边联系紧密,而簇间则相对稀疏。
2 )图数据的分类,即按照某种预先确定的划分标准,将图数据集中零散的图划分到诸多不同类别中去的
一种方法。
3 )频繁子图挖掘,即寻找在图数据集中频繁出现在各个图数据中的子结构。其广泛应用于生物化学领域。
作者简介:钱炘祺 南京大学计算机科学与技术系2011 级本科生 学号 111220090
2
例如寻找频繁出现分子结构问题。
本文余下部分将先对图的基本概念做一个梳理,然后着重在频繁子图挖掘部分介绍几个有时代发展代表
性的算法。最后做出相关比较和总结,并讨论图挖掘的最新进展和未来的研究方向。
2 图的基础理论
文档评论(0)