57、动态关系网络中演化模式挖掘

动态关系网络中演化模式挖掘

在动态关系网络的研究中，挖掘演化模式是一个重要的课题。下面将详细介绍相关的挖掘方法和算法。

1. 挖掘锚点

挖掘频繁循环模式（CRMs）从定位满足CRM定义和相关限制的频繁锚点开始，具体步骤如下：
1. 排序与过滤 ：给定动态网络 $N$，按顶点和边的标签频率对它们进行排序，移除所有不频繁的顶点和边，然后对剩余的顶点和边按频率降序重新标记。
2. 确定跨度序列 ：确定每条边的跨度序列，若该序列至少包含一个与其他跨度标签不同的跨度，则列出该边的跨度序列。
3. 挖掘频繁跨度序列 ：使用前缀跨度（prefixSpan）顺序模式挖掘技术确定所有频繁跨度序列。
4. 确定锚点 ：将包含不同连续标签跨度的频繁序列视为锚点，频繁跨度序列中的跨度数量对应锚点中的模式总数。

2. CRM枚举

给定一个锚点 $c$，采用深度优先的方法，每次增加当前CRM的一条边来生成所需的CRM集合。为确保在深度优先探索中每个CRM只生成一次，使用了类似于gSpan算法的方法，并将其扩展用于CRM挖掘。

2.1 gSpan算法基础

gSpan以深度优先的方式探索频繁模式格。模式格是一个分层搜索空间，每个节点对应一个连通的频繁模式，最高节点为空模式（即单个顶点），下一级节点表示单边模式，依此类推。第 $n$ 级节点（表示 $n$ 边模式）比对应的 $(n - 1)$ 级节点多一条边。为确保模式格中的每个频繁模式只被访问一次，gSpan