2组-学术报告-频繁子图-李蕊-09.15.pdf

ThenameoftheDepartmentBeijingForestStudio

北京理工大学信息系统及安全对抗实验中心部门名称

频繁子图挖掘算法gSpan

李蕊硕士研究生

2019年09月15日

内容提要

•背景简介

•基本概念

•算法原理

•优劣分析

•应用总结

•参考文献

2

背景简介

•预期收获

–1.熟悉频繁子图挖掘算法gSpan（Graph-Based

SubstrcturePatternMining）的历史现状及应用场景

–2.理解频繁子图挖掘算法gSpan的算法原理

–3.了解频繁子图挖掘算法gSpan在安卓恶意软件中的应用

3

背景简介

•算法提出的原因

–传统的数据挖掘任务（关联规则挖掘、聚类等），都是试图

从一个具有单一关系的独立实例中寻找模式，缺乏样本之间

连接的潜在关系

–图可以挖掘样本之间的复杂关系

–频繁子图是图挖掘的重要分支，可以寻找在图数据集中频繁

出现的子结构

4

背景简介

•算法提出的原因

–基于Apriori算法缺点：

1）检验子图是否同构耗费很多时间

2）子图候选生成复杂且效率低

gSpan能解决这些问题：

1）消除候选生成

2）用深度优先DFS(depth-firstsearch)不需要多次扫描

3）引入新的词典规范标签系统，不需要检查子图同构

4）以上三点使gSpan效率高

5

基本概念

•基本概念

–标记图:四个元素（顶点，边，标签，顶点和边的映射函数）

–无向图和有向图

6

基本概念

–同构:两个图在拓扑结构上是相同的

–深度优先搜索DFS:对每一个可能的分支路径深入到不能再深

入为止，而且每个节点只能访问一次，用堆来实现

（1）（2）

7

基本概念

（3）

找出与此点邻接的且尚未遍历的点，

进行标记，然后放入堆中，

依次进行

（4）

如果此点没有尚未遍历的邻接点，

则将此点从堆中弹出，再按照（3）

依次进行

（5）

8