• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >A relational database approach for frequent subgraph mining.
【24h】

A relational database approach for frequent subgraph mining.

机译：一种用于频繁子图挖掘的关系数据库方法。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The focus of this thesis is to apply relational database techniques to support frequent subgraph mining over a set of graphs. Our primary goal is to address scalability of graph mining to very large data sets, not currently addressed by main memory approaches. Unlike the main memory counter parts, this thesis addresses the most general graph representation including multiple edges between any two vertices, and cycles. In the process of developing frequent subgraph mining over a set of graphs, the substructure representation of HDB-Subdue has been leveraged and extended. An algorithm is presented for frequent subgraph mining over a set of graphs. We also present an algorithm for pseudo duplicate elimination that is more efficient than the one used in the previous approach (HDB-Subdue).;This thesis also presents an efficient approach to infer structural relationships from relational data to facilitate graph mining (either the best subgraph or frequent subgraphs). (Abstract shortened by UMI.)
机译：本文的重点是应用关系数据库技术来支持对一组图的频繁子图挖掘。我们的主要目标是解决图形挖掘对非常大的数据集的可伸缩性，而目前尚无法通过主内存方法解决。与主存储器计数器部分不同，本论文着眼于最通用的图形表示，包括任意两个顶点之间的多个边以及周期。在开发一组图上频繁进行子图挖掘的过程中，HDB-Subdue的子结构表示已得到利用和扩展。提出了一种用于在一组图形上频繁进行子图挖掘的算法。我们还提出了一种伪复制消除算法，该算法比以前的方法（HDB-Subdue）效率更高。;本文还提出了一种从关系数据推断结构关系以促进图挖掘的有效方法（最好子图或频繁子图）。 （摘要由UMI缩短。）

著录项

  • 作者

    Pradhan, Subhesh Kumar.;

  • 作者单位

    The University of Texas at Arlington.;

  • 授予单位 The University of Texas at Arlington.;
  • 学科 Computer Science.
  • 学位 M.S.
  • 年度 2006
  • 页码 112 p.
  • 总页数 112
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号