[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

说明书

技术领域

本发明涉及一种基于图形处理器并行计算的频繁子图挖掘方法，以提高图数据挖掘效率。

背景技术

随着数据挖掘领域的不断深入和发展，图数据挖掘越来越受到研究人员的关注，因此图挖掘已经成为数据挖掘和机器学习的新的研究方向。该研究在现实生活中的许多领域都具有巨大的潜在价值，如生物信息学中的蛋白质结构分析、基因组识别，社会网络中实体间的联系，Web分析中Web内容挖掘、Web链接结构分析，文本信息检索等。

目前国内外对图数据挖掘的研究工作主要可分为以下四类：1、图的匹配研究；2、图数据中的关键字查询研究；3、频繁子图挖掘问题研究；4、图的聚类及分类问题研究。频繁子图挖掘作为图数据挖掘领域中的一个重要研究方向，现已存在诸如AGM(Apriori based Graph Mining)、FSG(Frequent Subgraph Discovery)、gSpan、CloseGraph等经典算法及其改进算法。随着大数据时代的来临，以上算法作为串行算法，让处理器的计算工作量变得非常庞大，使得整个图数据挖掘过程变得“捉襟见肘”，挖掘性能受到一定的抑制。

在单CPU处理器环境下，一般的频繁子图挖掘方法在通过给定的图数据库中找出支持度大于min_sup最小支持度的频繁边，再对频繁边做频繁子图扩展，得到生成图集，最后通过同构验证去除同构的频繁子图结构，得到图数据库中的所有频繁项集。对于这种传统挖掘方法存在几个弊端：其一，挖掘过程需要进行复杂的同构验证，而子图同构问题其实是NP完全问题，其计算复杂且运算量大；其二，挖掘过程中，将进行大量的重复计算，浪费资源；其三，由于数据量庞大，单CPU处理器平台负载过大，CPU内部存储单元不够使用。

图形处理器GPU(Graphics Processing Units)是一种集成了几何变换、光照、三角形构造、裁剪和绘制引擎等功能，并具有每秒至少1千万个多边形的处理能力的单芯片处理器，且具有天然的并行特性。GPU体系结构一般由流处理器阵列和存储器系统两部分组成，其中流处理器阵列又包含若干个线程处理群(Thread Processing Cluster,TPC)，每个TPC中包含有2-3个流多处理器(Streaming Multiprocessor,SM)，而每个流多处理器又包含8个流处理器(Streaming Processor,SP)，流处理器是用来处理各个线程及线程块运算。因此，GPU是以大量线程实现面向大数据量的并行计算，适合处理计算密度高、逻辑分支简单的大规模数据并行负载。

针对GPU通用计算(General-Purpose computing on the GPU,GPGPU)，nVIDIA公司推出了一个全新的软硬件平台----统一计算机设备架构(Compute Unified Device Architecture)。CUDA可以直接对GPU进行设备管理和并行计算的架构平台，其编程语言是针对GPGPU的C/C++语言，而不需要考虑在图形环境下API的实现方法。

发明内容

本发明的目的在于突破单处理器环境下频繁子图挖掘的瓶颈，提供一种可行、有效的图挖掘方法，使得在密集型大数据环境下的图挖掘性能得到优化，提高图挖掘效率，为科研分析、市场研究等提供快速、可靠的数据信息，实现在CUDA统一计算设备架构上的并行挖掘方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于图形处理器并行计算的频繁子图挖掘方法，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。

所述的频繁子图挖掘方法，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；