標(biāo)簽零模型及子圖分布算法應(yīng)用研究.pdf

1、圖挖掘是數(shù)據(jù)挖掘的一個重要研究領(lǐng)域。隨著對結(jié)構(gòu)化數(shù)據(jù)分析需求的大量增加，圖挖掘中的圖分類問題已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域中的重要研究課題。目前，用于圖分類的子圖分布算法研究主要應(yīng)用在生物和化學(xué)領(lǐng)域判斷物質(zhì)是否致癌、有毒等分類問題上。隨著信息技術(shù)的發(fā)展，在情報學(xué)、入侵檢測、社會網(wǎng)絡(luò)等領(lǐng)域中子圖分布算法將有廣泛的應(yīng)用前景。
　　子圖分布算法亟待解決的問題是如何提取更多有效的分類特征，進(jìn)而提高圖分類的準(zhǔn)確性，本文在分析了用于圖分類的子圖分布算法

2、研究現(xiàn)狀的基礎(chǔ)上，根據(jù)存在的問題進(jìn)行了如下研究。
　　首先，針對Graphlet模型計算的子圖分布用于圖分類時，因忽略圖中頂點(diǎn)標(biāo)簽，導(dǎo)致分類特征過少而影響圖分類準(zhǔn)確性的問題，本文基于零模型提出了標(biāo)簽零模型，增加圖中頂點(diǎn)標(biāo)簽特征，并證明標(biāo)簽零模型用于圖分類的有效性。同時，為量化標(biāo)簽子圖的分布信息，確定采樣量。引用信息熵的概念，提出了信息提取比，并給出可信度計算方法。根據(jù)信息提取比間接確定樣本量，作為算法終止條件。
　　其次，針

3、對直接計算標(biāo)簽子圖分布，需要反復(fù)多次進(jìn)行圖同構(gòu)測試，導(dǎo)致時間復(fù)雜度較高的問題，在標(biāo)簽零模型基礎(chǔ)上提出了兩個算法，其中為了減少圖搜索提出了用于構(gòu)建圖索引的BGLI算法，并基于 BGLI算法提出了計算標(biāo)簽子圖分布的ESGS算法，并在Spark上實現(xiàn)。
　　最后，通過實驗驗證了標(biāo)簽零模型用于圖分類的有效性，以及可根據(jù)信息提取比間接確定樣本量減少不必要計算，并對基于標(biāo)簽零模型的ESGS算法提取的子圖進(jìn)行圖向量化后作為分類特征用于圖分類的準(zhǔn)