sixfrogs的博客

原文An Efficient Algorithm for Discovering Frequent Subgraphs生成候选子图通过将两个大小为kkk的图合并，从而得到k+1k+1k+1图。同时两个kkk图要满足必须包含相同的k−1k-1k−1子图的条件。为了避免生成很多无用的kkk图，采用如下方式。令FiF_iFi​表示一个频繁kkk子图，P(Fi)={Hi,1,Hi,2}\mathcal{P}(F_i)=\{H_{i,1},H_{i,2}\}P(Fi​)={Hi,1​,Hi,2​}表示FiF_iF

令G(V,E,LV,LE,φ)G(V,E,L_V,L_E,\varphi)G(V,E,LV​,LE​,φ)表示一个带标签的图，其中VVV和EEE分别表示顶点集和边集，LVL_VLV​和LEL_ELE​分别表示顶点和边的标签集，φ\varphiφ是一个标签函数定义了V→LVV \to L_VV→LV​和E→LEE \to L_EE→LE​的映射。FSM算法根据操作的数据不同，可以分为针对图数据库的和针对一个大图的（现在只讨论exact match方法）。根据每个顶点标签的id对顶点进行排序，然后根据该顺序