روشهای موثرمبتنی برPattern Growth برای استخراج زیرگراف های پرتکرار

امروزه گرافها کاربردهای زیادی یافته اند شبکه های اجتماعی کاربردهای شیمی و زیست شناسی و بسیاری کاربرد دیگر ازگرافها مسئله ی استخراج دانش ازاین ساختما داده ها را حائزاهمیت می سازد تاکنون تلاشهای بسیاری نیز برای ارایه الگوریتمهای کارامدوموثرجهت استخراج زیرگرافهای پرتکرار انجام شده است این الگوریتم ها دردوگروه کلی Apriori ی Pattern growth دستهبندی میشوند الگوریتم های گروه Pattern growthبه دلیل کارایی و مقیاس پذیری بهتر نسبت به گروه APRIORI اخیرا بیشتر موردتوجه قرارگرفته است دراین مقاله الگوریتم های گروه Pattern growth ازلحاظ ساختاراصلی تشکیل دهنده این الگوریتم ها موردمطالعه و بررسی قرارگرفته اند

کلیدواژه ها:

الگوهای پرتکرار ، داده کاوی ، زیرگراف های پرتکرار و Pattern growth