ESPM——频繁子树挖掘算法

被引：17

作者：

朱永泰

王晨

洪铭胜

汪卫

施伯乐

机构：

[1] 复旦大学计算机与信息技术系,复旦大学计算机与信息技术系,复旦大学计算机与信息技术系,复旦大学计算机与信息技术系,复旦大学计算机与信息技术系上海,上海,上海,上海,上海

来源：

计算机研究与发展 | 2004年 / 10期

基金：

国家自然科学基金重点项目;

关键词：

数据挖掘; 频繁模式; 频繁子树; ESPM;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

随着互联网的发展 ,频繁模式的挖掘由频繁项集扩展到结构化数据 :树和图在这些结构上的挖掘工作被应用于更为复杂的领域 ,比如生物信息学、网络日志和XML文档提出了一个新颖的算法 :ESPM ,以挖掘有序标号树中的频繁子树不同于以往的工作 ,把树同构的判断工作放到了算法的晚期 ,从而减少了整个挖掘过程的时间开销人工数据集和真实数据集上的实验都证明ESPM相较于其他算法的优越性还提出了一些可能的改进

引用

页码：1720 / 1727

页数：8

共 19 条

[1]

Frequentsubgraphdiscovery. MKuramochi,etal. TheIEEEInt’’lConfonDataMining . 2001

[2]

Tree pattern matching and subset matching in deterministic O(nlog3n) time. R. Cole,et al. The 10th Annual ACM SIAM Sympon Discrete Algorithms . 1999

[3]

Atreeprojectionalgorithmforgenerationoffrequentitemsets. RAgarwal,etal. JournalofParallelandDistributedComputing . 2001

[4]

Efficientlyminingfrequenttreesinaforest. MJZaki. The8thACMSIGKDDInt’’lConfonKnowledgeDiscoveryandDataMin ing . 2002

[5]

Hyperrealmusicarchive. Hyperreal. http://music.hyperreal.org . 2004

[6]

AdaptiveWebSites. MikePerkowitz,etal. http://www.cs.washington.edu/research/adaptive . 2004

[7]

H Mine:Hyper structureminingoffrequentpatternsinlargedatabases. JPei,etal. TheIEEEInt’’lConfonDataMining . 2001

[8]

Schemadiscoveryforsemistructureddata. KWang,etal. The3rdInt’’lConfonKnowledgeDiscoveryandDataMining . 1997

[9]

DiscoveryoffrequenttreestructuredpatternsinsemistructuredWebdocuments. TMiyahara,etal. KnowledgeDiscoveryandDataMining—5thPacificAsiaConference . 2001

[10]

Indexingandminingfreetrees. YChi,etal. The3rdIEEEInt’’lConfonDataMining(ICDM 2003) . 2003

← 1 2 →