A Versatile Algorithm for Predictive Graph Rule Mining

VACULÍK, Karel. A Versatile Algorithm for Predictive Graph Rule Mining. Online. In Jakub Yaghob. Proceedings ITAT 2015: Information Technologies - Applications and Theory. 1. vydání. Praha: CEUR-WS.org, 2015, s. 51-58. ISBN 978-1-5151-2065-0.

Základní údaje

Originální název

A Versatile Algorithm for Predictive Graph Rule Mining

Autoři

VACULÍK, Karel (203 Česká republika, garant, domácí)

Vydání

1. vydání. Praha, Proceedings ITAT 2015: Information Technologies - Applications and Theory, od s. 51-58, 8 s. 2015

Nakladatel

CEUR-WS.org

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Kód RIV

RIV/00216224:14330/15:00084898

Organizační jednotka

Fakulta informatiky

ISBN

978-1-5151-2065-0

ISSN

Klíčová slova česky

dolování z grafů; dolování z dat; dynamické grafy; dolování pravidel; časté vzory; predikce

Klíčová slova anglicky

graph mining; data mining; dynamic graphs; rule mining; frequent patterns; prediction

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

Pattern mining in dynamic graphs has received a lot of attention in recent years. However, proposed methods are typically limited to specific classes of patterns expressing only a specific types of changes. In this paper, we propose a new algorithm, DGRMiner, which is able to mine patterns in the form of graph rules capturing various types of changes, i.e. addition and deletion of vertices and edges, and relabeling of vertices and edges. This algorithm works both with directed and undirected dynamic graphs with multiedges. It is designed both for the single-dynamic-graph and the set-of-dynamic-graphs scenarios. The performance of the algorithm has been evaluated by using two real-world and two synthetic datasets.