基于确定图频繁子图挖掘技术概述.docxVIP

基于确定图频繁子图挖掘技术概述 摘要：化学信息学、生物信息学、医学和社会科学等领域 的科学研究的迅速发展积累了大量的图数据，如何从复杂和 庞大的图数据中挖掘出有效信息成为数据挖掘领域的热点。 通过介绍现阶段图数据挖掘技术的进展，特别是确定图挖掘 技术中有代表性的频繁子图挖掘技术研究，讨论并预测了频 繁子图挖掘研究的发展趋势。 关键词：确定图；频繁子图挖掘；子图同构 中图分类号：TP311. 13文献标识码：A文章编号： 1007-9599 (2012) 17-0000-02 1引言 广泛应用于描述化学信息学、生物信息学、医学和社会 科学等领域的图数据挖掘技术是目前数据库研究领域的重 要研究方向。在生物技术领域，图数据挖掘技术可以帮助生 物学家减轻蛋白质结构匹配实验的代价；在小世界(社会) 网络分析中，对小部分节点的高度局部聚类的挖掘，有助于 理解如何能接触到其他人、设计网络，有利于信息或其他资 源的有效传输，从而不用太多的冗余连接使网络过载［1］。 在进行确定图数据挖掘技术的讨论之前，先给出确定图数据 的基本定义。确定图是一个五元组，=(,,,,)o 其中是图的顶点集合；是图边的集合；是图的顶点标 号集合；是图的边标号集合；是用来对顶点和边分配标 号的函数。本文将对国内外基于确定图的频繁子图挖掘技术 研究进行介绍和总结，并对未来的发展趋势和研究热点进行 展望。 2确定图的数据挖掘技术 一段时间以来，确定图的频繁子图挖掘问题得到了一定 的研究，确定图的频繁子图挖掘是指在确定图集合中挖掘出 公共子结构。常见的频繁子图挖掘算法可以分为4类：基于 模式增长的算法、基于的算法、基于模式规约的算法以及 基于最小描述长度的近似算法。 2. 1基于的频繁子结构挖掘算法 基于的频繁子结构挖掘算法，包括算法和算法等。 Akihiro Inokuchi Takashi Washio 和 Hiroshi Motoda 提 出的算法以递归统计的方法为基础，图的顶点相当于传统 频繁项集挖掘算法中的项集，通过每次增加一个图节点来实 现子结构规模的增大，该算法可以挖掘出所有频繁子图，对 集成的密集数据集具有良好性能。 Michihiro Kuramochi 和 George Karypis 提出的 算法 对 进行了改进，图的边相当于传统频繁项集挖掘算法中的 项集，也就是说，和传统频繁项集挖掘算法通过每次增加一 个单一项来增加频繁项集的大小一样，算法也是通过每次 增加一条边来增加频繁子图的大小。首先算法枚举所有的单 边图和双边图。然后，基于得到的单边图和双边图集合，开 始循环计算。在每个循环期间，算法首先产生比前一个频繁 子图多一条边的候选子图，接着计算这些候选子图的频繁 度，对支持度约束不满意的子图进行剪枝，并在计算候选子 图的支持度时采取了一定的优化措施，与相比，的执行效 率有一定提高。 2.2基于模式增长的频繁子结构挖掘算法 基于模式增长的频繁子结构挖掘算法包括 (Graph-Based Substruture Pattern ) 算 法、 (Fast 算法等，这些算法得Frequent Subgraph Mining) 算法、 到频繁子图的方法都是扩展频繁边的方式。图结构因为其本 身特性以及图的同构性问题，对图的频繁子图挖掘问题的难 点就在于怎样将无序的图结构转换成有序列表，因此Yan 算法等，这些算法得 Xifeng和Han Jiawei提出的算法首次将深度优先遍历算法 思想及最右路径扩展技术应用于频繁子图挖掘算法。算法 的思想是首先将确定图的边转换成DFS ( depth-f irst search)代码，用(，，，)这个五元组表示确定图的 边，和表示一条边的两个顶点，和表示顶点和顶点的 标签，表示连接和的边。因此，图中的边=(,,,,)、 边二(，，，，)。同时，定义当二，〈或者〈， =这两个条件任意满足一条时，就认为是的前驱边，或者 是的后继边，通过这种方式可以将无序的边集形成一个有 序的线性序列。然后计算图的最小DFS代码。该算法选择图 中任意一个顶点开始遍历，将起始顶点设置为树的根节点， 最后访问的顶点是最右顶点，知道建立一个完全的 depth-first search treeo Jun huan、Wei wang和Jan prins 一同提出的 算法在 一个代数图框架内采用垂直搜索方案来减少频繁子图挖掘 中出现的候选过多的问题。该算法用邻接矩阵表示图结构, 将矩阵的下三角元素（包括对角线元素）序列定位为矩阵代 码code （M）,邻接矩阵的所有矩阵代码中的最大代码被定义 为标准邻接矩阵（CAM）与［2, 3］使用最小代码不同是的，使 用最大代码来表示矩阵的标准形式，然后将图的所有连通 子图的标准邻接矩阵按以下方式组织为CAM树：（1