gSpan 详解

最新推荐文章于 2023-08-09 21:33:00 发布

qq_38420683

最新推荐文章于 2023-08-09 21:33:00 发布

阅读量3.1k

点赞数 7

分类专栏：图挖掘文章标签： gspan

本文链接：https://blog.csdn.net/qq_38420683/article/details/115337391

版权

图挖掘专栏收录该内容

6 篇文章 5 订阅

订阅专栏

gSpan简介

gSpan是一种频繁子图挖掘技术，是基于深度优先遍历的。这里的深度优先是指的在子图扩展时采用的策略。

论文：gSpan: Graph-Based Substructure Pattern Mining

Technical Report ：gspan: Graph-based substructure pattern
mining.

主页

图解1 图解2

原有方法存在的不足

产生大量的候选。gspan不产生候选，

子图同构是NP-hard问题

gspan的

gspan只考虑了连通的子图。

对于大图，可以先对图进行划分，在进行gspan。

在label较少或无label时，会导致候选集过多。

gSpan

输入：图流，标签图
输出

算法可以分为两部分，第一部分相当于预处理，第二部分是进行递归挖掘。下图为论文中的算法流程。第一部分的预处理是指的第1到第5步，剩下的是第二部分。
在这里插入图片描述

第一部分预处理

gspan输入的是一个图，图中的边和节点是有标签的。

首先是对图进行剪枝（对应算法流程中的1-2）。对节点和边根据频率进行排序，根据预先设定的阈值，移除频率较低的节点和边。得到一个新的图G。频率高低是根据边上的标签来进行统计的。

重新标记（对应算法流程中的3）。对上述的图G进行重新标记，标记的规则是按照频率高低来的，即频率越高，标记的标签对应的字母序越低。此外，还需要保存原始标签和新标签之间的映射关系。在后序的描述中，标签都是指的新标签。

获得边集合（对应算法流程中的4-5）。将频率较高的边组成一个集合E。这里可以认为是将图G中的所有边组成一个集合E。并按照字母序对集合E中的边进行排序，也就是按照边的频率进行排序。字母序越低，频率越高，对应的边排序越靠前。

我们是要获得图中频率的子图，而边也是一种特殊的子图。集合E中的边可以认为是最简单的频繁子图。之后的频繁子图挖掘都是基于这些频繁的边来进行递归挖掘的。

第二部分递归挖掘

在这里插入图片描述

这是gspan中最难以理解的一部分，首先给出这部分的一个整体框架。

核心想法：先扩展，扩展后满足要求，则继续进行扩展。

# 假设给定一个频繁子图A
def f(A)     #递归挖掘函数 对子图A进行递归挖掘
判断 子图A是否满足 最小DFS编码 
     若满足 对A进行最右路扩展，得到B
     判断 子图B是否满足支持度  # 这里就是判断子图是否是频繁的
          若满足 则 递归调用f对B进行递归挖掘

在频繁子图挖掘过程中，支持度是需要满足向下覆盖的，即频繁子图C的所有子图都是频繁子图。

上面的伪代码是从一个频繁子图开始的，首先假设了一个频繁子图，然后在该图的基础上进行递归扩展。那么如何得到最初假设的频繁子图呢？这就用到了第一部分中得到的频繁边集合E。

第二部分递归扩展，可以认为是，对于集合E中的每一条边，进行上述的递归扩展。

遍历集合E 对于其中的每一条边e
   f(e)

在递归挖掘中中，涉及到两个判断，一个是判断当前子图是否满足最小DFS编码；另一是判断子图是否满足支持度。

DFS编码判断

DFS编码这里的作用是对子图进行标号。

一个子图，可能有多种生成方式。这里的生成方式是指，从一条边进行递归扩展得到该子图。

为了避免对同一个子图进行多次扩展，就使用DFS编码对子图进行编码，使得每个子图只扩展一次。对于不满足最小DFS编码的子图K，则停止对其的扩展，并返回到扩展K之前的状态。

这里只需要明白DFS编码的作用，即唯一标识一个子图，避免对同一个子图重复进行扩展。更详细的DFS编码在后面进行阐述。

这里使用了“扩展”这个词，为了避免歧义进行下解释，停止扩展对应流程中可以认为是停止了递归挖掘，但挖掘首先需要进行扩展，这里说停止扩展更准确一些。

支持度判断

gspan算法是去找图中频繁的子图，如何衡量一个子图是否频繁，就是通过支持度来判断的。

如果子图满足支持度，那么认为该子图是频繁的，是我们想要的一个结果，那么就在该子图的基础上继续进行扩展。这也就是递归扩展的递归所在，gspan是基于深度优先遍历，也是根据这里来的。

深度优先遍历是说，沿着一条路，一直走，直到不能走为止。这里扩展也是，如果当前子图是频繁的，那么就在该子图的基础上继续进行扩展，直到不能扩展。但这里扩展的规则并不是按照深度优先遍历的顺序，只是采用了深度优先遍历的思想，扩展方式是基于最右路扩展的，后面会进行阐述。

如果子图不满足支持度，那么当前的子图就不是我们要的子图，那么也是停止当前的扩展，回到前一阶段。

解释到这里，应该对算法的整个流程有了个大概的认识，再简单的描述一下。首先得到一个频繁的边的集合，然后对于集合中的每一条边，进行递归扩展。扩展的过程分为三步，首先判断是否满足最小的DFS编码；如果满足则进行最右路扩展；对于扩展后的新的子图判断其是否满足支持度，如果满足，则基于新的子图继续进行递归扩展。

下面解释其中的一些概念，包括：DFS编码、支持度、最右路扩展等。