빅 데이터에서 가중치 그래프를 적용한 효과적인 빈발 서브그래프 추출

• 영문명: Effective Frequent Subgraph Extraction applying the Weighted Graph in Big Data
• 발행기관: 인문사회과학기술융합학회
• 저자명: 조정길
• 간행물 정보: 『예술인문사회융합멀티미디어논문지』6권 3호, 61~69쪽, 전체 9쪽
• 주제분류: 사회과학 > 사회과학일반
• 파일형태: PDF
• 발행일자: 2016.03.31

국문 초록

빅 데이터 마이닝은 그래프 패턴 마이닝 연구 분야에서 중요한 문제가 되고 있다. 최근의 그래프 마이닝 연구는 그래프 데이터베이스를 분할하거나 최소 지지도를 변화시켜 가면서 반복적으로 빈발 서브그래프를 마이닝하는 접근방법이다. 빈발 서브그래프 마이닝은 그래프 데이터베이스에서 탐색 데 이터 분석을 위한 중요한 과제이다. 빈발 서브그래프 마이닝은 두 가지 중요한 오버 헤드를 수반한다. 그것은 후보 셋 생성과 동형 테스트에 관한 것이다. 서브그래프 동형 찾기는 그래프로 모델링된 데이 터를 처리하는 많은 응용프로그램에서 중요한 문제이다. 이 논문에서는 검색 공간을 감소시키고 동형 테스트의 오버헤드를 해결하기위한 서브그래프 마이닝 가중치 접근법을 제안한다. 연구의 목적은 가 중치 빈발 서브그래프 마이닝 개념이 분류 기반 그래프 모델의 컨텍스트에서 제공할 수 있는 효과를 조사하는 것이다. 가중치 서브그래프는 정점들이나 에지들 중의 일부가 다른 정점이나 에지보다 더 중요한 것으로 간주되는 그래프이다.

목차

1. 서론

2. 관련 연구

3. 제안하는 접근방법

4. 실험 및 분석

5. 결론

References

키워드

빈발 서브그래프,마이닝,서브그래프 동형,동형,가중치 제약조건