9、动态属性图中频繁序列子图演化挖掘

动态属性图中频繁序列子图演化挖掘

1. 引言

动态属性图近年来备受关注，它能丰富地表示现实世界现象，广泛用于描述时空数据、健康数据、生物数据和社会数据等复杂数据集。动态属性图是按时间排序的图序列，用于捕捉现实世界现象的演变。其中，图的顶点和边分别代表对象以及对象间在该图时间戳有效的空间关系或其他交互类型，属性则用于完善顶点的语义。

对象及其关系会随时间演变，这种变化体现在两个层面：拓扑层面可能有对象和关系的添加与移除；对象层面的属性值也可能改变。挖掘动态属性图中的模式有助于分析对象、关系和属性值随时间的演变情况。

现有的动态属性图模式挖掘方法，能追踪单个顶点或一组顶点内频繁出现的顺序演变，但无法找到一般连接顶点集（即频繁子图）的频繁顺序演变。例如在监测病毒传播时，现有模式可能揭示特定群体内个体健康状况的顺序变化，但如果该群体特殊（如具有先天抵抗力或已接种疫苗），这些模式就缺乏普遍代表性，无法为病毒传播提供有意义的分析。因此，我们的目标是找到一般连接顶点集的频繁顺序演变，为此提出了频繁序列子图演变（FSSE）这一新型模式。

2. 相关工作

• Desmier等人的研究 ：定义了凝聚共演化模式，该模式表示在一段时间内具有相同属性变化和相似邻域的一组顶点。后续工作通过整合拓扑和属性值约束来提取最大动态属性子图，但这些模式不代表顺序演变。
• Kaytoue等人的研究 ：定义了触发模式问题，用于寻找属性值和顶点拓扑属性之间的时间关系。TRIGAT算法通过投影策略挖掘触发模式，但这些模式只关注单个顶点，不考虑相邻顶点及其演变。