【论文笔记】ICDE21 - Fast Core-based Top- k Frequent Pattern Discovery in Knowledge Graphs

论文地址

问题定义

kCP（k-core pattern）：对于给定的core pattern上进行频繁子图挖掘，获得基于该模式扩展出的topK的频繁子图。

与传统的基于支持度域值的贫乏子图挖掘略有不同，这里需要的时支持度最大的k个模式。

本文采用的支持度为MNI，下文中支持度默认是MNI。

简要流程

用min堆对topk的模式进行存储。每个新的模式只需要与堆顶元素（最小值）进行比较，大于堆顶的元素则可以进行pop 堆顶，插入新的模式。

在计算支持度时，由于需要获得topk ，所以需要采用精确计算。对于新产生的模式，根据支持度的先验规则，其支持度比然小于等与其父模式。所以对于每个候选子图，根据其父模式可以给出其支持度的上限，如果小于堆顶元素，则无需进行下一步计算。

本文是基于GRAMI进行改进的，关于GRAMI的部分不再赘述。

主要创新 基于join的子图同构求解

将每条边时为一个表（table，数据库中的概念），模式中每新加一条边，则等价与进行一次join。

下图给出计算模式P支持度时进行的join。首先进行SC边和CV进行join，得到SCV，SCV再和VS进行join，得到最终的结果。

但直接进行join，会出现大量冗余，最终的结果的行数远大于MNI值。为解决该问题，提出一种两步的join。

首先对每条边对应的表进行“缩表”。一条边e上有两个顶点A、B，e对应的边表为T，选择支持度较小的，假设为A，对应的支持度为a（a<b)。从T中找出a行，每行中的A是不同的，sql表示如下：

select DISTINCT A as T1 from T

此时，T1有a行，每行中的A是不同的。再将B填入表T1中，使得B的支持度也达到a。sql如下：

select DiSTINCT B as T2 from T where T.A not in T1;#
insert into T1 select * from T2 where {select count DISTINCT from T1.B}<a; # 将结果合并

通过以上缩表操作，得到新的表T1，该表中A和B的支持度都为a，且行数最多为2*a行。这样不但保留了支持度的信息，也减少了行数。

所有边都进行以上缩表。然后进行连接，计算模式的支持度，获得模式支持度的下限。

第二步是向上一步的结果中添加值，得到最终的支持度。确保表T中的每行都被检查或添加到T1中。