.png){kind=icon}
返回
Mining transactional tree databases under homeomorphism
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-06997-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
挖掘树结构数据的一项关键任务是查找频繁嵌入的树模式，这分为两种设置：事务设置和按出现设置。在事务设置中，即本文的研究重点，关键步骤是判断一个树模式是否与数据库树存在子树同胚关系。我们对真实世界树结构数据集性质的深入研究揭示，尽管数据库树中的许多顶点可能具有相同标签，但同一路径上的任意两个顶点标签均不相同。本文利用这一性质，提出了一种新颖且高效的方法来判断树模式是否与数据库树存在子树同胚关系。我们的算法基于一种紧凑的数据结构EMET，该结构存储了子树同胚所需的所有信息。我们提出了一种高效算法，利用较小模式的EMET生成较大模式的EMET。基于所提出的子树同胚方法，我们引入了TTM算法，用于从有根有序树中查找频繁树模式。我们在多个真实世界和合成数据集上评估了TTM的效率，结果表明其性能比现有知名算法高出数量级。
Keyword:
Transactional tree mining
Rooted ordered trees
Frequent tree patterns
User web log data
XML documents
Subtree homeomorphism
期刊
IF:
2.7
论文数:
1.2K
被引数:
1.0W
机构
引用论文
Efficiently mining frequent trees in a forest.png)
Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏分享收藏From Homomorphisms to Embeddings: A Novel Approach for Mining Embedded Patterns from Large Tree DataBIG DATA RESEARCH
BIG DATA RESEARCHIF4.2
PREAI
分享收藏Mining adaptively frequent closed unlabeled rooted trees in data streamsProceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏
查看更多内容