[发明专利]一种基于分层搜索不确定图的频繁子图的方法

说明书

本发明公开了一种基于分层搜索不确定图的频繁子图的方法，其特征在于，包括如下步骤：1）设定不确定图中频繁子图的概率阈值，不同频繁子图概率阈值的设定依据具体情况来定；2）构建不确定图中每个子图的边索引I^E和连接索引I^C；3）构建分层搜索树；4）按层遍历搜索树，搜索每层的频繁子图。这种方法提高了搜索效率，并且分层搜索减轻了频繁子图搜索的压力，节约了搜索的时间。

技术领域

本发明涉及图数据挖掘技术，具体涉及一种基于分层搜索不确定图的频繁子图的方法。

背景技术

图是用于表示实体之间复杂关系的通用数据结构，其已在生物信息学，社交网络，道路网络等中广泛应用。近年来，通过现代数据采集方法，例如高通量生物实验、在线社交网络系统和GPS收集了由图表表示的越来越多的数据，也称为图数据。大量的图数据需要有效且智能的工具来分析和理解它。频繁子图挖掘是探索图数据结构的强大数据挖掘技术之一，特别是重复的子结构。

由于数据采集技术的局限性，数据不完整性，数据不精确性，噪声等原因，图数据中存在不确定性。具有不确定性的图称为不确定图。不确定图的每个边与(0,1)中的不确定性值相关联，表明边存在于实际中的概率并且假设边的存在是相互独立的。本质上，不确定图表示实际存在不确定图的所有特定图形的概率分布。从术语上讲，这些特定图中的每一个都称为蕴含图。图中的不确定性对频繁子图挖掘的语义和计算都提出了新的挑战。

目前不确定图频繁子图的挖掘主要是利用Apriori算法性质，即一个频繁项集的任一子集也应该是频繁项集。由此性质可以裁剪搜索空间，提高算法的效率。并且主流算法在搜索频繁子图时采用的都是深度优先搜索策略(Depth-First,简称DFS)，自上而下搜索。采用这种搜索策略时，当深度较大时，图也越来越大，求解会比较耗时。

发明内容

本发明的目的是针对现有技术中存在的不足，而提供一种基于分层搜索不确定图的频繁子图的方法。这种方法提高了搜索效率，并且分层搜索减轻了频繁子图搜索的压力，节约了搜索的时间。

实现本发明目的的技术方案是：

一种基于分层搜索不确定图的频繁子图的方法，包括如下步骤：

1)设定不确定图中频繁子图的概率阈值，不同频繁子图概率阈值的设定依据具体情况来定；

2)构建不确定图中每个子图的边索引I^E和连接索引I^C：不确定图中包含频繁子图和不频繁子图，频繁子图和不频繁子图统称为子图，每个子图由顶点和顶点之间的边组成，对不确定图中的每个子图构建边索引I^E和连接索引I^C，其中I^E＝{(L_A,L_B,L_e):(L_G,P_G)}，I^C＝{(L_G,L_A,L_B,l):(0/1)}，I^E为边索引键值对的集合，(L_A,L_B,L_e)为边索引的键,L_A,L_B为顶点A、B的标签，L_e为顶点A、B之间的边标签；(L_G,P_G)为边索引的键值，L_G是存在顶点A,B及边e的不确定图标签，P_G为在不确定图中至少有一条边顶点标签为L_A,L_B及边标签为L_e的概率，其中，