迈向拓扑代表子图的高效发现
数据库
2013-08-16 v3
摘要
随着图数据库的出现，频繁子图发现任务得到了广泛研究。尽管文献中提出的方法使该任务变得可行，但发现的频繁子图数量仍然非常庞大，难以在任何进一步的探索中被有效利用。基于精确或近似的结构相似性进行图数据特征选择是一种减少大量频繁子图的方法。然而，当前的结构相似性策略在许多实际应用中效率不够高，此外，图的组合性质使其计算成本非常高昂。为了选择一个更小但在结构上不冗余的子图集合，我们提出了一种新颖的方法，从频繁子图中挖掘前 k 个拓扑代表子图。我们的方法能够检测现有方法无法发现的隐藏结构相似性，例如子图的密度或直径。此外，根据所寻求的性质，它可以轻松地使用任何用户定义的结构或拓扑属性进行扩展。对真实和合成图数据集的实证研究表明，我们的方法快速且具有可扩展性。
引用
@article{arxiv.1307.7411,
title = {Towards an Efficient Discovery of the Topological Representative Subgraphs},
author = {Wajdi Dhifli and Mohamed Moussaoui and Rabie Saidi and Engelbert Mephu Nguifo},
journal= {arXiv preprint arXiv:1307.7411},
year = {2013}
}