BigCarl：从单个大型 Petri 网中挖掘频繁子网
数据库
2021-03-23 v1 机器学习
摘要
尽管已有大量研究关注频繁子图挖掘，但极少有文献讨论从 Petri 网等更复杂数据结构中进行频繁子网挖掘。本文研究从单个大型 Petri 网中挖掘频繁子网。我们遵循将 Petri 网转化为网图形式并挖掘频繁子网图以避免高复杂度的思路。技术上，我们采用最小遍历方法为大型网图生成规范标号。我们将最大独立嵌入集方法适配于网图表示，并提出了一种增量模式增长（独立嵌入集归约）方法，用于从单个大型网图中发现频繁子网图，最终将其转化回频繁子网。在一个包含 10K 事件、40K 条件和 30K 弧的单个大型 Petri 网上进行的广泛性能研究表明，我们的方法正确且复杂度合理。
引用
@article{arxiv.2103.11342,
title = {BigCarl: Mining frequent subnets from a single large Petri net},
author = {Ruqian Lu and Shuhan Zhang},
journal= {arXiv preprint arXiv:2103.11342},
year = {2021}
}