图解gSpan

频繁子图挖掘的基本概念

参考 https://blog.csdn.net/qq_41653753/article/details/79112436

gSpan

为了遍历图，gSpan算法采用深度优先搜索。初始，随机选择一个起始顶点，并且对图中访问过的顶点做标记。被访问过的顶点集合反复扩展，直到建立一个完全的深度优先搜索 (DFS) 树。（图中加粗的边）
如下图所示：

基于边序，如果用5元组(i ,j ,L(i), L(i,j), L(j)) 表示边，其中 L(j) 和 L(i)
分别是 v(i) 和 v(j) 的标记，而 L(i,j) 是连接它们的边的标记, 则

gSpan最右路径扩展规则

给定图G 和G 的DFS树T ，一条新边e 可以添加到最右节点和最右路径上另一个节点之间（后向扩展）；或者可以引进一个新的节点并且连接到最右路径上的节点（前向扩展）。由于这两种扩展都发生在最右路径上，因此称为最右扩展。 （黑点为最右路径）第一优先级始终是将当前结束顶点链接回第一个顶点（标记为0的顶点）。如果那是不可能的，我们看看是否可以将它链接回第二个顶点（标记为1的顶点）。如果我们有一个更大的子图，我们将继续尝试链接到第3，第4等，如果可能的话。如果这些都不可能，那么我们的下一个（第三个）优先级是从我们所处的顶点（上面标记为4）增长，并使链长得更长。如果这不起作用，我们回到父节点，再退一步，然后尝试从那里开始增长（图（e））。如果这不起作用，那么我们再向上迈出一步，并尝试从那里成长（下面的第五个例子）。

gSpan伪代码

实例

步骤一：图里共有有7个alpha（α）顶点，8个beta（β）顶点和14个lambda（λ）顶点。有15个边缘为纯蓝色，13个为双红色，8个为绿色点缀。现在我们已经有了这些计数，我们需要将顶点和边的原始标签排序成一个代码，这将有助于我们稍后对搜索进行优先级排序。为此，我们创建一个代码，该代码以具有最高计数的顶点和边开始降序排列标号。
我们首先查看各个边（例如A，b，A），看看它们是否满足此最小支持阈值。我将从查看顶部的第一个图表开始。有一个边是（B，a，C），我需要计算有多少图有这样的边。我可以在第一张图，第二张图，第三张图和第四张图中找到它，因此它支持4; 我们会保留那一个。还要注意我可以选择将该边写为（C，a，B），但是选择用B作为起始顶点来编写它，因为我们在上面建立了它的顺序。我们继续前进并检查（A，a，C）并发现它只能在第一个图中找到; 它被丢弃了。我们检查（A，c，C）并在前4个图中找到它; 收下

我们基于优先级规则的下一步是尝试将顶点3（‘C’）链接到根或’A’。我们可以选择的唯一常用边是（C，c，A）。

这仅存在于我们的一个图表中，因此我们将进入下一个增长优先级。由于在顶点3处的’C’与’B’和顶点1之间已经存在链接，因此第二优先级不是一个选项，因此我们尝试再次从顶点3处的’C’增长/延伸。我们可以添加（C，a，B）或（C，c，A）。添加（C，a，B）看起来像这样

我们尝试添加（C，c，A）。但在我们留下的任何图表中都找不到它。由于我们在这里再次走向死胡同，我们将进入我们的第五个优先增长选择：再次从根增长。如果我们试图从根’A’增长，我们可以使用（A，b，B）或（A，c，C）。从（A，b，B）开始，我们将得到一个如下所示的子图

这在我们的任何图表中都找不到，所以我们尝试添加（A，c，C）作为我们最后的努力

support=0，回到最近一个待定状态（1,3,B,b,A），其support<3,继续回到（0,4,A,c,C）support<3,继续回到上一个待定状态(0,2,A,c,C)。

我们可以从C节点扩展，我们的两个选项是（2,3，C，a，B）和（2,3，C，c，A）添加（2,3，C，a，B）看起来像这样

第一条边扩展结束，下面来扩展第二条边（0，1，A,c,C）此时在原图中去掉(A,b,B)边。原图变为

经过一系列扩展后得到

下面来扩展第三条边（0，1，B,a,C）此时在原图中去掉(A,b,B),(A,c,C)边。原图变为

经过一系列扩展后得到

综上所述，所有的频繁子图为：