频繁子图挖掘算法gSpan的实现

频繁子图挖掘算法gSpan的实现

项目地址：https://github.com/betterenvi/gSpan

gSpan算法简介

频繁子图挖掘是数据挖掘中一个非常广泛的应用。频繁子图挖掘是指从大量的图中挖掘出满足给定支持度的频繁子图，同时算法需要保证这些频繁图不能重复。频繁模式挖掘主要就是应用两种策略（这里不讨论基于垂直增长的方法）——Apriori和Growth。最早的AGM和FSG就分别实现了这两重策略的基本思想。gSpan是一个非常高效的算法，它利用dfs-code序列对搜索树进行编码，并且制定一系列比较规则，从而保证最后只得到序列“最小”的频繁图集合。

我用Python实现了面向无向图、有向图的GSpan，在实现时，参考了gboost，一个gSpan的C++实现。在挖掘无向图的频繁子图时，经过多轮比较，我的实现和gboost的输出一致。

当前（时间：2016-10-29），gboost还不支持有向图的频繁子图挖掘。在我的实现中，支持面向有向图的频繁子图挖掘，可以挖掘那些至少有一个点能够到达其他任一点的频繁子图，但是还没有全面测试过，正确性不敢保证。只在两个简单的数据集上，运行了数次，暂时还未发现错误。欢迎大家访问我的项目https://github.com/betterenvi/gSpan，如果能够帮忙看看面向有向图的挖掘是否正确，将十分感谢！