gspan频繁子图挖掘算法

基于最大频繁子图挖掘

gspan图模式挖掘算法

自己用Python实现的apriori算法，包括频繁项挖掘和强关联规则分析。Python3可直接运行。所需模块numpy、os

Frequent subgraph discovery of association rule mining

各种频繁模式挖掘算法，有CloSpan，PrefixSpan，BIDE，MaxSP等

频繁序列挖掘算法，基于最大频繁序列模式的聚类算法及其在基因拼接中的应用。。该文章提出并实现一种基于频繁序列的新词挖掘算法，能够正确提取出中文文本中的新词，从而及时更新维护词库，使文本分类更为准确。

图挖掘已成为数据挖掘领域研究的热点，然而挖掘全部频繁子图很困难且得到的频繁子图过多，影响结果的理解和应用。可通过挖掘最大频繁子图来解决挖掘结果数量巨大的问题，最大频繁子图挖掘得到的结果数量很少且不丢失

一种有效的并行频繁子图挖掘算法，陈晓云，赵娟，本文在分析并行频繁项集挖掘算法的基础上，提出了一种有效的并行频繁子图挖掘算法，该并行算法采用主从节点处理模式，将主节点处

如何从大量的图中挖掘出令人感兴趣的子图模式已经成为数据挖掘领域研究的热点之一。传统的频繁子图挖掘方法对满足最小支持度阈值的子图同等对待，但在真实数据库中不同的子图往往具有不同的重要程度。为解决上述问题

鉴于图结构能简单方便地描绘复杂的数据以及实际应用中图数据的获得具有不确定性，不确定频繁子图挖掘算法得到广泛的研究。目前一个典型的图挖掘算法是MUSE，但MUSE算法存在期望支持度计算消耗大、时间效率不

将触发式语言模型应用于混淆网络解码过程来提高汉字识别率。为了利用词间的长距离依赖信息，提出了基于词义类对触发式语言模型的混淆网络解码方法。实验结果显示，该方法可以使汉字错误率相对下降7.9%。

频繁子图挖掘的说明

用于频繁子图的挖掘算法,目前效率基本是高于gindex的两倍

随着社交网络用户数的快速增加 , 大规模单图上频繁子图挖掘的需求越来越强烈 .单机算法对大规模图的运行效率较低 , 难以支撑支持度较低的频繁子图的挖掘 ; 现有的分布式环境下单图的频繁子图挖掘算法不支

基于频繁子树挖掘算法中的前缀节点思想,将模式图分为图核—分支—连接向量三个部分,提出了CBE算法。对在分支上扩展得到的候选模式图,CBE算法能够在常数时间内完成规范化判定。通过实验证明CBE算法的子图