版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、分類號(hào)——UDC密級(jí)學(xué)校代碼劣海程歹大穿學(xué)位論文10497題目基壬墜p:墾壬圖模式匹配的漁量數(shù)握揎握箕法的研究英文ResearchonBigDataMiningAlgorithmBasedonTopk題目S迪g!箜hP煎星坐叢叢魚h也g研究生姓名何健指導(dǎo)教師姓名—』王jL職稱—j虹』受一學(xué)位—砸—士一430070申請(qǐng)學(xué)位級(jí)別砸士學(xué)科專業(yè)名稱通信皇信息丕統(tǒng)論文提交日期2Q!三笙三且論文答辯日期2Q!三生3且學(xué)位授予單位武這理王太堂學(xué)位授予
2、日期答辯委員會(huì)主席劉基教授評(píng)閱人劉基數(shù)授奎左斂教授2013年3月武漢理工大學(xué)碩士學(xué)位論文摘要在互聯(lián)網(wǎng)行業(yè)中隨著大數(shù)據(jù)時(shí)代的提前到來(lái),一系列專門針對(duì)海量數(shù)據(jù)挖掘的新興且有效的信息提取技術(shù)開始引起科研人員的普遍關(guān)注與研究。但如今所產(chǎn)生的數(shù)據(jù)信息量逐年呈現(xiàn)出爆炸式增長(zhǎng)的現(xiàn)象,數(shù)據(jù)在量變上除了呈現(xiàn)變大的趨勢(shì)之外,同時(shí)也伴隨著質(zhì)的變化;然而傳統(tǒng)的數(shù)據(jù)挖掘方法在很大程度上都是基于關(guān)系型數(shù)據(jù)庫(kù)的基礎(chǔ)上開發(fā)的,因此在一定程度上難以勝任數(shù)據(jù)類型更加多樣化
3、且數(shù)據(jù)結(jié)構(gòu)關(guān)系更加復(fù)雜化等情況,需結(jié)合圖查詢、圖遍歷、圖同構(gòu)等圖論方法,將圖挖掘技術(shù)應(yīng)用于海量數(shù)據(jù)的建模與挖掘操作過(guò)程當(dāng)中,主要的應(yīng)用領(lǐng)域包括圖書管理系統(tǒng)(如圖書資源檢索)、社交網(wǎng)絡(luò)(如人物關(guān)系匹配)、生物信息工程(如PPI、基因工程)等。本文提出的Topk子圖模式匹配(GPM)算法屬于圖數(shù)據(jù)挖掘當(dāng)中一項(xiàng)典型的海量數(shù)據(jù)挖掘技術(shù),基于圖論中的圖同構(gòu)原理而提出的一種專門針對(duì)附帶標(biāo)簽屬性的單原數(shù)據(jù)圖(有向或無(wú)向均適用)的圖挖掘算法,即從海量原
4、數(shù)據(jù)圖當(dāng)中匹配出同時(shí)滿足查詢圖標(biāo)簽條件與結(jié)構(gòu)條件(基于路徑)的大量匹配結(jié)果來(lái),適用的主要數(shù)據(jù)類型為RDF圖數(shù)據(jù)。作者的主要研究工作如下。(1)介紹了關(guān)于海量圖數(shù)據(jù)挖掘中圖模式匹配的一些基本概念與相關(guān)算法,其中重點(diǎn)介紹了比較具有參考對(duì)比價(jià)值的Topk子圖模式匹配連接算法。(2)在論文中本人提出了一種高效且通用的Topk子圖模式匹配方案,在適用性方面該方案對(duì)于各種帶環(huán)或不帶環(huán)復(fù)雜結(jié)構(gòu)的連通查詢圖均能得到正確的Topk匹配結(jié)果;其中對(duì)于帶環(huán)結(jié)
5、構(gòu)的查詢圖匹配方案是通過(guò)生成樹代價(jià)預(yù)估匹配方案來(lái)選取最優(yōu)生成樹,并將其作為查詢子樹來(lái)拓展得到匹配結(jié)果的。(3)在算法性能測(cè)試階段,采用的RDF圖數(shù)據(jù)來(lái)源于DBLP的真實(shí)實(shí)驗(yàn)數(shù)據(jù),本文提出的匹配方案基于該圖數(shù)據(jù)不僅準(zhǔn)確地得到了Topk匹配結(jié)果,同時(shí)也驗(yàn)證了通過(guò)生成樹代價(jià)預(yù)估匹配方案來(lái)選取最優(yōu)生成樹進(jìn)行拓展匹配的可行性;其次通過(guò)與已有的Top—kGPM連接算法在時(shí)間與空間性能上進(jìn)行綜合對(duì)比,測(cè)試結(jié)果表明在消耗一定內(nèi)存空間的基礎(chǔ)之上其時(shí)間性能
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)據(jù)流top-K頻繁模式挖掘算法研究.pdf
- 挖掘Top-K頻繁模式的算法研究.pdf
- 基于雙索引的Top-k子圖查詢算法研究.pdf
- 縮小候選集的Top-k高效模式挖掘算法研究.pdf
- 不確定圖數(shù)據(jù)TOP-K查詢算法研究.pdf
- 基于星型模式的top-k join算法研究.pdf
- 基于Top-k高維檢索算法的海量數(shù)據(jù)存儲(chǔ)及調(diào)度方法研究.pdf
- 基于數(shù)據(jù)流的Top-K頻繁閉項(xiàng)集挖掘算法研究.pdf
- 基于GoogleMap和Top-k排序算法的數(shù)據(jù)Mashup研究.pdf
- ToP-K頻繁項(xiàng)集挖掘算法研究.pdf
- 數(shù)據(jù)流中top-k項(xiàng)頻繁閉合模式挖掘研究.pdf
- 面向數(shù)據(jù)流的ToP-k頻繁閉項(xiàng)集挖掘算法研究.pdf
- 基于MapReduce的top-k查詢算法研究.pdf
- Top-k本體匹配方法.pdf
- 海量數(shù)據(jù)中基于關(guān)鍵字的Top-k查詢技術(shù)研究.pdf
- 軟件網(wǎng)絡(luò)Top-k重要節(jié)點(diǎn)挖掘算法研究.pdf
- 基于Spark的RDF數(shù)據(jù)toP-k查詢計(jì)算研究.pdf
- 基于投影表結(jié)構(gòu)的ToP-k高效用模式挖掘算法的研究及并行化處理.pdf
- Top-k中心度查詢算法研究.pdf
- 基于SPARK的海量數(shù)據(jù)頻繁模式挖掘算法研究.pdf
評(píng)論
0/150
提交評(píng)論