图中树的挖掘是NP完全的
Mining for trees in a graph is NP-complete
Universiteit Hasselt（哈塞尔特大学）
摘要：
图中树的挖掘是NP完全的。
英文摘要：
Mining for trees in a graph is shown to be NP-complete.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
相关论文
挖掘图中的树查询关联
Mining tree-query associations in graphs
Hasselt University（哈瑟尔特大学）；transnational University of Limburg（跨国林堡大学）
数据采掘的新应用，如在生物学、生物信息学或社会学中，都面临着以图的形式构造的大型数据集。我们介绍了一类新的树形模式称为树查询，并提出了算法挖掘树查询和树查询关联在一个大的数据图。我们的模式类的新颖之处在于，它们可以包含常量，并且可以包含在确定模式在数据图中出现的次数时不计数的存在节点。我们的算法有一些probableoptimality属性，这是基于合取数据库查询的理论。我们提出了一个实用的，面向数据库的SQL实现，并表明该方法在实践中的工作原理，通过实验的数据有关的食物网，蛋白质相互作用，和引文分析。
cs.AIcs.DB
一种基于FP树的强相关对挖掘方法
A FP-Tree Based Approach for Mining All Strongly Correlated Pairs without Candidate Generation
给定用户指定的最小相关阈值和事务数据库，挖掘所有强相关对的问题是找到Pearson相关系数大于阈值的所有项目对。尽管在Taper算法中使用了基于上界的剪枝技术[1]，但当项目和事务的数量非常大时，候选对的生成和测试仍然是昂贵的。为了避免对大量候选项对进行代价高昂的测试，本文基于著名的FP-树数据结构，提出了一种高效的挖掘全强相关项对完备集的算法Tcp。我们在合成数据集和真实数据集上的实验结果表明，在相关阈值规格的实际范围内，Tcp的性能明显优于先前开发的Taper算法。
cs.AIcs.DB
CRDT：基于相关比的决策树医疗保健数据采掘模型
CRDT: Correlation Ratio Based Decision Tree Model for Healthcare Data Mining
Central University of Bihar（比哈尔中央大学）；Indian Institute of Technology Patna（印度理工学院巴特那分校）
医疗保健数据的惊人增长激励我们研究用于数据采掘的健壮且可扩展的模型。对于分类问题，基于信息增益的决策树是一种流行的选择。然而，根据数据集的性质，基于IG的决策树可能并不总是表现良好，因为它更喜欢具有更多数量的不同值的属性作为分裂属性。医疗保健数据集通常具有许多属性，并且每个属性通常具有许多不同的值。在本文中，我们试图专注于这个特点的数据集，同时分析我们提出的方法，这是一个变种的决策树模型，并使用相关比（CR）的概念的性能。与基于IG的方法不同，这种基于CR的方法对具有更多不同值的属性没有偏见。我们已经将我们的模型应用于一些基准医疗数据集，以显示所提出的技术的有效性。
cs.AIcs.DB
一种改进的基于频繁模式树的关联规则挖掘技术
An Improvised Frequent Pattern Tree Based Association Rule Mining Technique with Mining Frequent Item Sets Algorithm and a Modified Header Table
在今天的世界中，有大量的数据广泛可用，因此需要将这些数据转化为有用的信息，即知识。这种对知识发现过程的需求导致了许多用于确定关联规则的算法的发展。这些算法面临的主要问题之一是候选集的生成。FP树算法是关联规则挖掘的首选算法之一，因为它给出关联规则而不产生候选集。但是在这个过程中，产生了大量的CP树，降低了效率。本文提出了一种改进的FP树算法，该算法通过修改头表、备用表和MFI算法来进行关联规则挖掘。该算法不使用候选集和CP树来生成频繁项集。
cs.DB
基于模式增长和残差树的最小不频繁项集挖掘
Minimally Infrequent Itemset Mining using Pattern-Growth Paradigm and Residual Trees
项集挖掘由于其在各种数据采掘场景中的成功应用，包括关联规则的发现，一直是一个活跃的研究领域。虽然过去的工作主要集中在频繁项集的发现上，但非频繁项集挖掘在Web挖掘、生物信息学等领域已显示出其实用性。在本文中，我们提出了一个新的算法的基础上的模式增长范式，以寻找最小的不频繁项集。一个最小不频繁项集没有子集也是不频繁的。我们还介绍了新的概念，剩余树。我们进一步利用残差树挖掘多层次的最小支持度项目集，其中不同的阈值被用来寻找频繁项目集的不同长度的项目集。最后，我们分析了我们的算法相对于不同参数的行为，并通过实验表明，它优于竞争的。
cs.DB
一种改进的UP增长高效用项集挖掘算法
An Improved UP-Growth High Utility Itemset Mining
在大数据集中有效地发现频繁项集是数据采掘的一项重要任务。近年来，人们提出了一些高效用模式的挖掘方法，但这些方法都存在产生大量高效用项目集的候选项目集的问题，并可能在速度和空间方面降低挖掘性能。最近提出的紧凑树结构，即，UP树维护了事务和项集的信息，提高了挖掘性能，避免了对原始数据库的重复扫描。本文采用了实用模式树（UP Tree，Utility Pattern Tree），它只需扫描数据库两次，就可以得到候选项，并以一种高效的数据结构化方式进行管理。将UP树应用于UP增长对于第二阶段需要更多的执行时间。因此，本文提出了改进的算法，旨在通过有效地识别高效用的项目集，以减少执行时间。
cs.DB
更多相关论文收起更多论文
基于子树同胚的有根有序树挖掘
Mining Rooted Ordered Trees under Subtree Homeomorphism
频繁树模式挖掘在XML数据、生物信息学和万维网等领域有着广泛的应用。频繁模式挖掘中的关键步骤是频率计数，它涉及到一个匹配操作符，用于在给定的树集合中找到树模式的出现（实例）。树结构数据的一种广泛使用的匹配算子是子树同胚，其中树模式中的边被映射到给定树中的祖先-后代关系。在子树同胚下频繁出现的树模式通常称为嵌入模式。本文提出了一种有效的子树同胚算法，并将其应用于频繁模式挖掘。我们提出了一个紧凑的数据结构，称为occ，它只存储信息的最右边的路径出现，因此可以编码和表示几个出现的树模式。然后，我们定义了有效的连接操作的occ数据结构，这有助于我们计数出现的树模式，根据其正确的子树的出现。基于提出的子树同胚方法，我们开发了一个有效的模式挖掘算法，称为TPMiner。我们在几个真实世界和合成数据集上评估了TPMiner的效率。我们广泛的实验证实，TPMiner总是优于已知的现有算法，在某些情况下，相对于现有算法的改进是显着的。
cs.DBcs.DS
基于差分私有树的重描述挖掘
Differentially Private Tree-Based Redescription Mining
差分隐私提供了一种强大的隐私形式，并允许保留数据集的大部分原始特征。利用这些好处需要设计特定的差异隐私数据分析算法。在这项工作中，我们提出了三个基于树的算法挖掘重描述，同时保持差分隐私。重描述挖掘是一种探索性的数据分析方法，用于发现相同实体上的两个视图之间的联系，例如医学患者的表型和基因型。它在许多领域都有应用，包括一些领域，如医疗保健信息学，其中需要保护隐私的数据访问。我们的算法是第一个差分隐私重描述挖掘算法，我们通过实验表明，尽管固有的噪音在差分隐私，它可以返回值得信赖的结果，即使在较小的数据集，噪音通常有更强的影响。
cs.CRcs.DB
TargetUM：有针对性的高效用项目集查询
TargetUM: Targeted High-Utility Itemset Querying
Jinan University（暨南大学）；Guangdong University of Technology（广东工业大学）
传统的高效用项集挖掘（HUIM）旨在确定事务数据库中所有满足最小效用阈值（\textit{minUtil}）的高效用项集（HUI）。然而，在大多数应用程序中，并不是所有的UI都是有趣的，因为只需要特定的部分。因此，基于用户偏好的目标挖掘比传统的挖掘任务更重要。本文首次提出了一个基于目标的HUIM问题，并在定量交易数据库中提供了一个明确的目标效用挖掘任务。提出了一种基于树的高效用目标查询算法TargetUM。该算法使用一棵字典式查询树和三种有效的剪枝策略来提高挖掘效率。我们在几个真实数据库和合成数据库上进行了实验验证，结果表明，\textbf{TargetUM}的性能是令人满意的，完整的，正确的。最后，由于字典查询树，数据库不再需要重复扫描多个查询。
cs.AIcs.DB
基于关系视图的决策树建模
Decision tree modeling with relational views
数据采掘是一种有用的决策支持技术，可用于发现仓库或公司数据中的产生式规则。数据采掘研究致力于在大型数据库上有效地应用各种挖掘算法。然而，在其实际应用中的一个严重的问题是这些算法的处理时间长。目前，一个关键的挑战是如何将数据采掘方法集成到传统的数据库系统框架中。实际上，这样的实现可以利用SQL引擎提供的效率。在本文中，我们提出了一个集成的方法，决策树在一个经典的数据库系统。换句话说，我们试图通过嵌入SQL查询的过程，以产生式规则的形式从关系数据库中发现知识。所获得的决策树由连续的、相关的关系视图定义。每个视图对应于基础决策树中的给定总体。我们选择了经典的归纳决策树（ID3）算法来构建决策树。为了证明我们的ID3的实现工作正常，我们成功地比较了我们的程序与现有的和验证的数据采掘软件，SIPINA的输出。此外，由于我们的方法是可调的，它可以推广到任何其他类似的决策树为基础的方法。
cs.DB
挖掘Top-K同现项
Mining Top-K Co-Occurrence Items
频繁项集挖掘是数据采掘中的一个基本问题，在关联分析、分类等数据采掘任务中发挥着重要作用。然而，在一些应用中，例如推荐系统和社交网络，人们更感兴趣的是找出数据库中与某些用户指定的项集（查询项集）一起出现最频繁的项。在本文中，我们解决这个问题，提出了一个新的挖掘任务命名为top-k共现项目挖掘，其中k是所需的项目数被发现。然后，我们引入了一种特殊的数据结构Pi-Tree（Prefix itemset Tree）来维护项目集的信息。基于Pi-Tree，提出了两种挖掘top-k共现项的算法：PT（Pi-Tree-based algorithm）和PT-TA（Pi-Tree-based algorithm with TA pruning），并结合了几种新的搜索空间修剪策略以提高挖掘效率。PT和PT-TA的性能进行了评估，对四个建议的基线算法在合成和真实的数据库。大量的实验表明，PT不仅在执行时间上大大优于其他算法，而且具有良好的可扩展性。
cs.DBcs.DS
从事务数据库中挖掘高效用项集的一阶段树算法
A one-phase tree-based algorithm for mining high-utility itemsets from a transaction database
高效用项集挖掘从事务数据库中发现效用不低于用户定义的固定阈值的项集。项集的效用被定义为其项的效用之和。提出了几种挖掘高效用项集的算法。然而，没有最先进的算法在密集和稀疏数据集上表现一致。在本文中，我们提出了一种新的数据结构称为Utility-Tree，和基于树的算法称为UT-Miner，挖掘高效用项目集在一个阶段，而不产生任何候选人，并使用一个轻量级的建设方法，以减少成本创建投影数据库在搜索空间探索。该算法将事务信息与效用树的每一个节点存储在一起，并在递归调用过程中有效地计算事务信息。在几个真实的密集和稀疏数据集上的实验结果表明，UT-Miner是跨不同数据集的最佳高效算法之一。
cs.DBcs.DS
基于差分隐私的决策树分类研究综述
Decision Tree Classification with Differential Privacy: A Survey
Charles Sturt University（查尔斯特大学）
数据采掘有关人的信息在21世纪的数据驱动社会中变得越来越重要。不幸的是，有时候现实世界中的考虑因素与数据采掘的目标相冲突;有时候需要考虑被数据挖掘的人的隐私。这需要修改数据采掘算法的输出以保护隐私，同时不破坏输出模型的预测能力。差分隐私是一个强有力的、可执行的隐私定义，可用于数据采掘算法，保证不会了解数据中的人，如果没有他们的参与，就无法发现。在本综述中，我们将重点介绍一种特定的数据采掘算法--决策树--以及差分隐私如何与构成决策树算法的每个组件进行交互。我们分析了贪婪和随机决策树，以及在试图平衡隐私要求与模型准确性时出现的冲突。
cs.DBcs.LG
基于频繁模式树的改进Apriori算法在数据采掘中的实时的应用
Improvised Apriori Algorithm using frequent pattern tree for real time applications in data mining
Apriori算法是从大型数据库中提取频繁项集并获取关联规则的重要算法之一。它基本上需要两个重要的东西：最低限度的支持和最低限度的信任。首先，我们检查项目是否大于或等于最小支持度，我们分别找到频繁项目集。其次，利用最小置信度约束形成关联规则。在此基础上，指出了原Apriori算法在频繁项集上扫描整个数据库搜索时浪费时间和空间的局限性，并提出了一种改进的Apriori算法。
cs.DB
LDP-FPMiner：基于FP树的局部差分隐私频繁项集挖掘
LDP-FPMiner: FP-Tree Based Frequent Itemset Mining with Local Differential Privacy
本地差分隐私（LDP）设置中的数据聚合通过提供敏感数据的合理可否认性来保证强隐私。现有的工作在这个问题上主要集中在发现重量级人物，离开频繁项集挖掘（频繁项集挖掘）的任务作为一个开放的问题。据我们所知，最先进的LDP解决方案是最近提出的SVSM协议。SVSM协议主要基于基于填充和采样的频率预言（PSFO）协议，将项目集看作独立的项目，而不考虑项目集之间的频率一致性。本文提出了一种基于频繁模式树（FP-tree）的LDP挖掘算法LDP-FPMiner。我们的建议利用项目集之间的频率一致性，通过构建和优化噪声FP树与LDP。具体来说，它的工作原理如下。首先，确定最频繁的项目，并相应地削减项目域。第二，FP-树的最大水平估计。第三，构造噪声FP树，利用项目集频率一致性对噪声FP树进行优化，挖掘出k个最频繁项目集。实验结果表明，LDP-FPMiner显着提高了国家的最先进的方法，SVSM，特别是在高隐私级别的情况下。
cs.CRcs.DB
从大型树数据中发现封闭和最大嵌入模式
Discovering Closed and Maximal Embedded Patterns from Large Tree Data
我们解决的问题，总结嵌入式树模式提取大型数据树。我们这样做，通过定义和挖掘封闭的，最大的嵌入无序树模式从一个单一的大型数据树。我们设计了一个嵌入式频繁模式挖掘算法，扩展了局部封闭性检查技术。该算法被称为{ \em closedEmbTM-prune}，因为它急切地消除非闭合模式。为了减少中间模式的产生，我们设计了模式搜索空间修剪规则，以主动检测和修剪模式搜索空间中不对应于封闭模式的分支。将剪枝规则引入到扩展的嵌入式模式挖掘器中，提出了一种新的挖掘算法{ \em closedEmbTM-prune}，用于挖掘大型数据树中的所有闭合和最大嵌入频繁模式。我们在合成和真实的大型树数据集上进行的大量实验表明，在密集数据集上，{ \em closedEmbTM-prune}不仅生成一个完整的封闭和最大的模式集，它比嵌入式模式挖掘器生成的模式集小得多，而且运行速度更快，模式修剪的开销可以忽略不计。
cs.DB
进程树的对齐近似
Alignment Approximation for Process Trees
将观察到的行为（流程执行过程中生成的事件数据）与建模的行为（流程模型）进行比较，是流程挖掘分析中必不可少的一步。对齐是计算一致性检查统计信息的事实标准技术。然而，比对的计算在计算上是复杂的，因为最短路径问题必须在随着模型的大小和观察到的行为非线性增长的状态空间上求解，导致众所周知的状态空间爆炸问题。在本文中，我们提出了一种新的框架，利用其层次结构的过程树近似对齐。流程树是一种重要的流程模型形式主义，被最先进的流程挖掘技术（如归纳挖掘方法）所使用。我们的方法利用给定的进程树的结构特性，并将对齐计算问题拆分为更小的子问题。最后，将子结果组合以获得对齐。我们的实验表明，我们的方法提供了一个很好的平衡精度和计算时间。
cs.DB
数据采掘在学生成绩预测中的应用
Data Mining Applications: A comparative Study for Predicting Student's performance
知识发现和数据采掘（KDD）是一个多学科领域，重点是从数据中提取有用知识的方法，有几个有用的KDD工具来提取知识。这些知识可以用来提高教育质量。但是教育机构没有对这些数据使用任何知识发现过程方法。数据采掘可以用于教育系统的决策。决策树分类器是基于分而治之技术的用于数据探索的最广泛使用的监督学习方法之一。本文讨论了决策树在教育数据采掘中的应用。运用决策树算法对学生过去的成绩数据进行处理，生成模型，并利用该模型对学生的成绩进行预测。它有助于及早确定辍学者和需要特别关注的学生，并使教师能够提供适当的建议/咨询。
cs.DBcs.IR
一种新的数据采掘数据集分类方法
A New Method for Classification of Datasets for Data Mining
Faculty of Engineering & Technology, Mody Institute of Technology & Science（Mody科技学院工程与技术学院）
决策树是归纳研究和数据采掘的重要方法，主要用于模型分类和预测。ID 3算法是迄今为止决策树中应用最广泛的算法。针对ID 3算法倾向于选择多值属性的缺点，提出了一种新的决策树算法，该算法是ID 3算法的改进。在我们提出的算法中，属性被分成组，然后我们对这些组应用选择度量5。如果信息增益不好，则再次将属性值分组。完成这些步骤，直到我们获得良好的分类/误分类比率。所提出的算法分类的数据集更准确，更有效。
cs.DBcs.LGstat.ML
GCG：从海量空间数据中挖掘最大完全图模式
GCG: Mining Maximal Complete Graph Patterns from Large Spatial Data
近年来，模式发现的研究已经从挖掘频繁模式和序列发展到挖掘结构化模式，如树和图。图作为一种通用的数据结构，可以对数据之间的复杂关系进行建模，在Web浏览和社交网络中有着广泛的应用。然而，由于大量子图的存在，挖掘大型图模式的过程是一个挑战。在本文中，我们的目标是挖掘频繁的完全图模式。数据库中的图g是完全的，如果每对不同的顶点由唯一的边连接。网格完全图（GCG）是一种挖掘算法，旨在探索有趣的修剪技术，以从Sloan数字巡天（SDSS）数据中提取最大的空间数据集的完整图。使用分而治之的策略，GCG表现出高效率，特别是在大量的模式。在本文中，我们描述了GCG，不仅可以挖掘简单的同位空间模式，但也复杂的。据我们所知，这是第一个用于在大型空间数据集中挖掘复杂同位模式的过程中提取最大完全图的算法。
cs.DB
从视频中挖掘协同运动模式
Co-movement Pattern Mining from Videos
本文首次研究视频中的协同运动模式挖掘问题，定义问题并证明其难度，提出基于TCS-tree索引的序列前置剪枝等优化方法，实验验证其效率优于基线，且视频驱动方法所得模式与真实轨迹结果相近。
cs.DB
基于k-d树的近似k近邻空间聚类
Approximate k-nearest neighbour based spatial clustering using k-d tree
不同的空间对象，如分子生物学和地理学，在他们的特点不同，在空间领域。需要以结构化的方式组织、管理和维护这些对象的方法。数据采掘提出了不同的技术来克服这些要求。数据采掘的主要任务有很多，但最常用的任务是聚类。同一集群内的数据集共享共同的特征，这些特征赋予每个集群其特征。提出了一种基于K-d树的近似kNN空间聚类算法的实现方法。本研究的主要贡献是使用k-d树数据结构进行空间聚类，并将其性能与蛮力方法进行比较。本文所做的工作的结果表明，使用k-d树的性能更好，相比传统的暴力的方法。
cs.DB
Mayura：利用时序共掘中模体的相似性
Mayura: Exploiting Similarities in Motifs for Temporal Co-Mining
Mayura通过模体组树（MG-Tree）和共掘算法统一挖掘多个时序模体，复用公共搜索路径以减少冗余计算，并在CPU和GPU上分别实现2.4倍和1.7倍的平均加速。
cs.DBcs.DCcs.PF
土壤肥力预测的J48算法性能调整
Performance Tuning Of J48 Algorithm For Prediction Of Soil Fertility
College of Engineering, Pune（浦那工程学院）
数据采掘涉及对大数据集的系统分析，农业土壤数据集的数据采掘是一个令人兴奋的现代研究领域。土壤的生产能力取决于土壤的肥力。实现和保持适当的土壤肥力水平，是至关重要的，如果农业用地是保持能够滋养作物生产。本文阐述了建立土壤肥力预测模型的步骤。利用数据采掘中的决策树算法预测土壤肥力等级。在此基础上，重点研究了J48决策树算法在属性选择和Boosting等元技术的帮助下的性能优化。
cs.DBcs.LGcs.PF
DIMSpan -基于分布式内存数据流系统的transmitting频繁子图挖掘
DIMSpan - Transactional Frequent Subgraph Mining with Distributed In-Memory Dataflow Systems
transmitting频繁子图挖掘是在图的集合中识别频繁子图。这个研究问题具有广泛的适用性，并且越来越需要比单机解决方案更高的可扩展性，以满足大数据用例的需求。我们介绍了DIMSpan，一种高级的频繁子图挖掘方法，它利用了Apache Spark或Apache Flink等分布式内存中可扩展系统提供的功能。它确定了频繁子图的完整集合，从任意的字符串标记的有向多重图，因为它们出现在社会，商业和知识网络。DIMSpan针对运行时和最小网络流量进行了优化，但具有内存感知能力。对大型图集合的广泛性能评估显示了DIMSpan的可扩展性及其修剪和优化技术的有效性。
cs.DB
