[发明专利]一种基于图形处理器并行计算的频繁子图挖掘方法

权利要求书

1.一种基于图形处理器并行计算的频繁子图挖掘方法，其特征在于，通过GPU划分出各个线程块block，将频繁边均匀分配给不同的线程进行并行处理，通过最右扩展rightmost得到不同的扩展子图，将最后各个线程得到的图挖掘数据集返回给每个线程块block；最后，通过GPU与内存进行数据通信，将结果返回给CPU进行处理。

2.根据权利要求1所述的频繁子图挖掘方法，其特征在于，频繁子图扩展在GPU中的并行过程如下所述：

步骤1：计算图集中所有标号图的边的支持度，根据最小支持度min_sup确定频繁图的片段，将输入图集合中所有的频繁边加入集合rank_edge[]中，并以rank_edge[]中的频繁边作为初始子图；

步骤2：根据集合rank_edge[]，GPU同时开辟sum_count个线程，并标号t₀,t₁...t_n，平均每512个线程组成一个block；由各个初始子图做最右扩展，得到的频繁子图；如对k阶频繁子图的最小DFS编码进行最右扩展，每次向最右路添加一条边，得到k+1阶候选子图；其中每一阶候选子图都是其父母节点的超图；

步骤3：重新计算k+1阶候选子图的支持度；对通过最右扩展得到的k+1阶子图计算支持度，如果大于最小支持度min_sup则保存，否则将其删除；

步骤4：剪枝冗余编码；比较第k+1阶候频繁子图的DFS编码，如果扩展得到的k+1阶频繁子图不是最小DFS编码，则认为该图是冗余的，可从候选子图中删除；

步骤5：缩减图集合；当一条频繁边的所有最右扩展全部完成后，可将该频繁边从输入图集合中删除，以缩小输入图集合。

3.根据权利要求2所述的频繁子图挖掘方法，其特征在于，具体执行以下步骤：

（1）首先读取图数据库中数据集data_node[10000]到CPU内存单元graphdata[num]中去，其中graphdata为结构体数组，其结构体成员为一五元组（node_msg，node_lable，edge_x，edge_y，edge_weight），分别表示图中结点信息，结点标号，一条边的两个顶点x、y以及边的权值，num表示图数据库的图数量；

（2）定义两个数组rank_node[lable-max]，rank_edge[lable-max]用于对图数据库中不同标号的点和边进行排序，分别存储在rank_node[]和rank_edge[]中；label-max代表每个图集的节点最大的个数，初始化label-max为500；排序后，能够快速找到满足min_sup最小支持度的点边集合；

（3）初始化min_sup的值，对图数据集进行遍历，将所有满足条件min_sup的边存入数组rank_edge[]，并对其进行排序和计数，用字典顺序进行排序，用sum_count计数；

（4）在GPU端，根据sum_count频繁边总数，决定开辟线程数目的多少，将数据从cpu端传输到gpu端；

（5）在GPU开辟的两个内存块：stacksource[]和ksource[]，其大小均为sum_count*sizeof（Graphdata）*100；两块内存分别用来存储不同数据，stacksource[]用于返回频繁子图结果集，ksource[]则用于进行最右扩展的迭代运算；定义graphdata型变量source，用于存放扩展得到的中间结果，初始化计数变量next的值为source中频繁边的个数，令p=next-1，其值为频繁边在stacksource中的计数并初始化p1=p=0；

（6）在GPU中分配内存后，开始对于每个线程进行并行，tid用于标记线程号，令ksource[tid*100+0]等于每个线程的初始source；

（7）将ksource[]遍历循环，将每个值赋给source使其做接下来的工作；对source中的图数据进行最小dfs编码，将booldfs（source）这个类型的函数设置为gpu端的一个设备状态函数bool_device_dfs（source）；

bool_device_dfs（source）函数可初始化为boolf[countnode][countedge]=true，conutedge为source的频繁边总个数，同时定义一个栈edge stack[maxlen],maxlen=10；

（8）如果bool_device_dfs（source）返回值是ture，则把source插入到stacksource[tid*100+k]，k代表当前线程中第k个插入到数组中去的，也即对一个结果集计数的过程，同时，p1++；

（9）利用最右扩展，对k阶频繁图而言，任意从一条频繁边开始，判断并比较该边两端x，y的值，若其y值比rm数组中的x值大，则将该y值写入数组rm中，作为最右扩展的扩展边，即找到k阶频繁子图的第k+1条边，然后将找到的所有的结果集用类似map容器存数方式进行存储，并将此函数定义为func；

（10）在这个流程中，核心程序开始在func函数按顺序查找，如果edge{node_msg，node_lable，edge_x，edge_weight，edge_y}中的edge_y>next，next=next+1；这样可以知道扩展是内扩展还是外扩展，内扩展是指扩展的边两端的节点都在原来的图中；外扩展是指扩展的边两端的节点有一端是在图中，另一端是在扩展外部而来；

（11）将GPU端的stacksoruce传递给CPU端的内存，内存大小是：sum_count*sizeof（Graphdata）*100；

（12）对stacksoruce[]进行遍历，将结果集输出到txt文档中，最后得到结果频繁子项集。