頻繁模式挖掘（Frequent Pattern Mining ）最早在挖掘關(guān)聯(lián)規(guī)則時(shí)被提出，后來(lái)被拓展用于挖掘頻繁子序列和子結(jié)構(gòu)。在圖上的頻繁集挖掘即為頻繁子圖挖掘。圖匹配的一個(gè)重要應(yīng)用就是頻繁子圖挖掘(Frequent Subgraph Mining)。
圖數(shù)據(jù)集分為兩種
- 多張圖構(gòu)成的圖數(shù)據(jù)集 - Transnational Graph Datasets。容易定義support
- 單張圖構(gòu)成的圖數(shù)據(jù)集 - Single Graph Datasets。不容易定義support
頻繁子圖挖掘的算法主要包括兩種
- Apriori-based
- Pattern-growth
