Utility-driven free tree mining in graph databases

Zhaoming Chen

doi:10.1016/j.neucom.2025.131571

Utility-driven free tree mining in graph databases

2025-09-17

0

PRE

AI

DOI：10.1016/j.neucom.2025.131571

原文链接

原文求助

摘要

En 中文

频繁子图挖掘是数据挖掘中的一个基本任务，广泛应用于生物网络、社交网络和计算网络等各个领域。然而，现有的频繁子图挖掘方法通常仅依赖支持度作为单一指标，将支持度较高的子图视为更重要。这种方法忽略了子图的内在价值，例如在引文网络中，用户倾向于关联与其研究领域相关的结构，而不仅仅是频繁出现的子图。为解决这一局限性，我们将效用模式挖掘引入子图挖掘领域。该挖掘框架同时考虑了模式的内部和外部价值。此外，传统的频繁子图挖掘受限于同构计算，包括子图同构的计算成本，其属于NP完全问题。作为连通无环图，自由树在网页挖掘和生物学等领域中扮演着重要角色。其相对简单的结构可以显著降低子图同构计算的计算成本。本文将效用模式挖掘与频繁自由树挖掘相结合，定义了频繁高效用自由树挖掘问题。我们设计了满足向下闭包属性的效用上界，并提出了一种算法UFTM（utility free tree miner），用于有效且高效地挖掘效用自由树。此外，我们在四个真实数据集上收集并测试了我们的算法。结果表明，UFTM能够发现更有价值的模式，并高效地执行挖掘任务。

Utility-driven free tree mining in graph databases

摘要

期刊

机构

引用论文