La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

GTRACE: Mining Frequent Subsequences from Graph Sequences GTRACE : extraction de sous-séquences fréquentes à partir de séquences graphiques

Akihiro INOKUCHI, Takashi WASHIO

  • Vues en texte intégral

    0

  • Citer

Résumé:

Ces dernières années, l’extraction d’un ensemble complet de sous-graphes fréquents à partir de données graphiques étiquetées a été étudiée de manière approfondie. Cependant, à notre connaissance, aucune méthode n’a été proposée pour trouver des sous-séquences fréquentes de graphiques à partir d’un ensemble de séquences de graphiques. Dans cet article, nous définissons une nouvelle classe de sous-séquences de graphes en introduisant des règles axiomatiques pour les transformations de graphes, leurs contraintes d'admissibilité et un graphe d'union. Nous proposons ensuite une approche efficace nommée "GTRACE" pour énumérer les sous-séquences de transformation fréquentes (FTS) de graphes à partir d'un ensemble donné de séquences de graphes. Les performances fondamentales de la méthode proposée sont évaluées à l'aide d'ensembles de données artificielles, et sa praticité est confirmée par des expériences utilisant des ensembles de données du monde réel.

Publication
IEICE TRANSACTIONS on Information Vol.E93-D No.10 pp.2792-2804
Date de publication
2010/10/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E93.D.2792
Type de manuscrit
PAPER
Catégories
Intelligence artificielle, exploration de données

Auteurs

Mots-clés

Table des matières