روش های موثر استخراج زیرگراف پرتکرار بدون تولید کاندید

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 549

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF02_274

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

الگوریتم های داده کاوی راه کاری برای مقابله با افزایش تعداد اشیاء پیچیده هستند. گراف، ساختار داده ای برای مدل سازی اشیاء پیچیده و همچنین یک مدل کلی برای نشان دادن داده ها می باشد؛که در بسیاری از حوزه ها مانند: شیمیانفورماتیک و بیوانفورماتیک استفاده می شود. استخراج زیر گراف پرتکرار، یکی دیگر از موضوعات پژوهش فعال در داده کاوی است. تلاش های انجام شده برای استخراج زیرگراف پرتکرار منجر به ارائه الگوریتم هایی در دو گروه کلی Apriori و Pattern growth گردیده که تاکنون چندین الگوریتم در هرگروه ارائه شده است. با توجه به برنامه های کاربردی بسیار و مطالعات گسترده در این زمینه می توان به مواردی مانند: پردازش اسنادXML شاخص گذاری گراف، مسیریابی در شبکه های کامپیوتری، طراحی داروها و غیره اشاره کرد. در این مقاله علاوه بر ارائه گزارش مختصری از الگوریتمهای استخراج زیرگراف پرتکرار مبتنی بر رویکرد Pattern growth چارچوبی برای طبقه بندی این الگوریتم ها نیز پیشنهاد گردیده است.

نویسندگان

محمد حسین ندیمی

استادیار،دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، اصفهان، ایران

وجیهه قراخانی بنی

دانشجوی کارشناسی ارشد،دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • J.Han, M _ Kamber. (2006), Data Mining Concepts and Techniques. ...
  • Kuramochi, Michihiro, and G.Karypis. (2004), An efficient algorithm for discovering ...
  • J.Huan, W.Wang, andJ. Prins. (2003), Efficient Mining of Frequent Subgraph ...
  • L.YAN, J.WANG. (2011), Extracting regular behaviors from social media networks, ...
  • Berendt, B., Hotho, A., and Stumme, G. (2002), semantic web ...
  • S.C.Manekar, M.Narnawar. (2013), Indexing Frequent Subgraphs in Large graph Database ...
  • Peng, Tao, et al., A Graph Indexing Approach for Content-Based ...
  • Gonzalez, J., Holder, L.B. and Cook. (2001), Application of graph-based ...
  • Han Jiawei, Kamber Micheline. (2006), Data Mining: Concepts and Techniques ...
  • Aggarwal Charu C.. Wang Haixun. (2010), Managing and Mining Graph ...
  • R. Agrawal, R. Srikant. (1994), Fast algorithms for mining association ...
  • A. Inokuchi, T. Washio, H. Motoda. (2000), An Apriori-based Algorithm ...
  • J. Han, J. Pei, Y. Yin. (200), Mining Frequent Patterns ...
  • X. Yan and J. Han. (2002), gSpan: Graph-based substructure pattern ...
  • T. Asai, K. Abe, S. Kawasoe, H. Arimura, H. Satamota, ...
  • T. Calders, J. Wijsen. (201), "On Monotone mining Languages", In ...
  • S. Kramer, L.D. Raedt, C. Helma. (2001), ،Molecular feature mining ...
  • C. Wang, W. Wang, J. Pei, Y. Zhu, and B. ...
  • Nijssen, S. and Kok, J.N. (2004), A Quickstart in Frequent ...
  • X. Yan and J. Han. (2003), CloseGraph: Mining closed frequentgraph ...
  • Yong Liu, Jianzhong Li, Hong Gao. (2009), JPMiner: Mining Frequent ...
  • Hsun-Ping Hsieh, Cheng-Te Li. (2011), Mining Temporal Subgraph Patterns in ...
  • I23] Jianzhong Li, Yong Liu, and Hong Gao. (2011), Efficient ...
  • نمایش کامل مراجع