RAKING:一种高效的不确定图K-极大频繁模式挖掘算法

被引：15

作者：

韩蒙 ^{[1
]}

张炜 ^{[2
]}

李建中 ^{[1
,2
]}

机构：

[1] 黑龙江大学计算机科学技术学院

[2] 哈尔滨工业大学计算机科学与技术学院

来源：

计算机学报 | 2010年 / 33卷 / 08期

关键词：

不确定图; 数据挖掘; 随机游走; 极大频繁模式;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

由于不确定图蕴含了指数级的可能图实例,基于确定图模型的频繁图模式挖掘算法通常难以在不确定图集合上高效运行.文中提出了一种不确定图数据集上的基于随机游走的K极大频繁子模式挖掘算法.首先,将每个不确定图转换为相应的确定图并挖掘候选频繁模式;然后,将候选频繁模式恢复为不确定图并生成极大频繁模式搜索空间;最后,通过随机游走以相同概率随机地选择K个极大频繁模式.理论分析和实验结果表明文中提出的算法能够高效地获得不确定图集合的K-极大频繁模式.

引用

页码：1387 / 1395

页数：9

共 5 条

[1] 不确定图数据库中高效查询处理 [J].

张硕 ;

高宏 ;

李建中 ;

邹兆年 .

计算机学报, 2009, 32 (10) :2066-2079

[2] 不确定性数据管理技术研究综述 [J].

周傲英 ;

金澈清 ;

王国仁 ;

李建中 .

计算机学报, 2009, 32 (01) :1-16

[3]

概率与计算[M]. 机械工业出版社 , (美) 米曾马克 (Mitzenmacher, 2007

[4] Finding reliable subgraphs from large probabilistic graphs [J].

Hintsanen, Petteri ;

Toivonen, Hannu .

DATA MINING AND KNOWLEDGE DISCOVERY, 2008, 17 (01) :3-23

[5]

Frequent Subgraph Discovery. Kuramochi, M,Karypis, G. Proceedings of the 2001 IEEE lnternational Conference on Data Minim （ICDMOl） . 2001

← 1 →