融合主客观评价的图数据Top-k频繁模式挖掘

摘要

为解决传统Top-k模式挖掘结果难以满足用户实际需求的问题，提出一种融合主客观评价的图数据Top-k频繁模式挖掘。通过基于最小DFS编码的模式表征技术，实现对模式的编码；搭建基于孪生神经网络的图模式评价模型(graph patterns evaluation model, GPEM),学习模式对之间的偏好关系，实现对模式的主观偏好预测；设计融合主客观的模式兴趣度评价函数，指导Top-k模式挖掘。在6个真实图数据集上的试验结果表明，GPEM在多项指标上优于其他模型，准确率最高可达93%。

关键词

孪生神经网络 / 频繁模式挖掘 / 兴趣度评价函数