[发明专利]一种面向属性图集的频繁近似子图挖掘方法

权利要求书

1.一种面向属性图集的频繁近似子图挖掘方法，其特征在于，包括如下步骤：

(1)输入属性图集D、支持度阈值σ、近似度阈值τ和代价函数d；

(2)构造属性图集S：对属性图集D中顶点特征向量集和边特征向量集分别进行聚类，根据簇心特征向量构造一个新的图集S；之后在属性图集D和S上进行频繁近似子图搜索；

(3)挖掘频繁近似顶点：根据属性图集D和S、两个阈值σ和τ、代价函数d，挖掘只包含一个顶点的频繁近似子图，将频繁近似顶点的三个相关信息加入到集合C，令频繁近似子图集F＝C；

(4)子图扩展：对于每个子图P∈C，找到子图P在属性图集S中的扩展边集ExtSet(P,S)，对于每条扩展边e_S∈ExtSet(P,S)，将子图P和边e_S连接得到扩展子图P’＝Pοe_S；同时计算扩展子图P’的三个相关信息：子图P’的最小DFS编码Min(P’)、子图P’在图集S中的同构嵌入集Θ(P’,S)和子图P’在图集D中的近似嵌入集Ο(P’,D)；

(5)计算扩展子图P’在属性图集D中的支持度，若supp(P’,D)≥σ，则有F＝F∪P’，并重复步骤(4)，直至所有子图均被发现或者子图的支持度小于支持度阈值σ；

(6)输出频繁近似子图集F。

2.根据权利要求1所述的一种面向属性图集的频繁近似子图挖掘方法，其特征在于：所述代价函数d，设<Q_i,Q_j>是图编辑路径中的中一个编辑操作，其中p_k是Q_i的第k个特征值，q_k是Q_j的第k个特征值，d(<Q_i,Q_j>)表示编辑操作<Q_i,Q_j>的代价函数，则有：

3.根据权利要求1所述的一种面向属性图集的频繁近似子图挖掘方法，其特征在于：所述的近似嵌入集，给定图P，图G，图g_i，其中图g_i是图G的一个子图，若图P和图g_i是τ-近似图，则称图g_i是图P在图G中的一个近似嵌入；用ο(P，G)表示图P在图G中的近似嵌入集，则有ο(P，G)＝{g_i|g_i是图G的子图，图P和图g_i是τ-近似图}；用Ο(P,D)表示图P在图集D中的所有近似嵌入，则有Ο(P,D)＝∪_G∈DΟ(P，G)。

4.根据权利要求3所述的一种面向属性图集的频繁近似子图挖掘方法，其特征在于：所述的τ-近似图，给定两个图G_i、G_j和近似度阈值τ，如果G_i和G_j的图编辑距离不大于1-τ，即dism(G_i,G_j)≤1-τ，则称图G_i和图G_j是τ-近似图。

5.根据权利要求1所述的一种面向属性图集的频繁近似子图挖掘方法，其特征在于：在所述的属性图集D和S上进行频繁近似子图搜索，以属性图集S中的图为基准进行子图搜索， 同时根据属性图集D、两个阈值σ和τ、代价函数d来判断子图是否为频繁近似子图，图G_S∈S，存在子图g_S∈G_S，若在属性图集D中存在包含子图g_D的图G_D，使得g_D和g_S是τ-相似图，且图G_D的个数不小于即supp(g_S,D)≥σ，则称子图g_S是频繁近似子图；接着在图集S中查找子图g_S的所有扩展边，根据每条扩展边对子图g_S进行扩展得到新的扩展子图，并判断扩展子图是否为频繁近似子图；按照上述过程遍历属性图集S中的所有子图，同时根据属性图集D、两个阈值σ和τ、代价函数d找出所有频繁近似子图。