Discovering Frequent Substructures in Large Unordered Trees

Asai, Tetsuya; Arimura, Hiroki; Uno, Takeaki; Nakano, Shin

doi:10.1007/978-3-540-39644-4_6

Cited by 126 publications

(106 citation statements)

References 16 publications

Supporting

Mentioning

103

Contrasting

Unclassified

Order By: Relevance

“…Một số tác giả sử dụng cơ sở dữ liệu cây weblogs CS-LOG [25,26,28]. Các thuật toán của các nhóm tác giả này đều có những điểm mạnh và điểm yếu vì vậy việc so sánh hiệu suất thực hiện chỉ mang tính chất tương đối.…”

Section: Giới Thiệuunclassified

“…Dựa theo biểu diễn cây của T.Asai và cộng sự. Một số định nghĩa được phát biểu lại trong thuật toán của T.Asai [26].…”

Section: Một Số địNh Nghĩaunclassified

“…Tập ứng viên được sinh ra phải không dư thừa, nghĩa là mỗi cây con ứng viên chỉ được sinh ra nhiều nhất một lần. Cây được biểu diễn dưới dạng mã chuỗi ký tự, cây T được sinh ra theo cách: thêm một đỉnh được gắn nhãn vào cây T theo phương pháp duyệt trước cây theo độ sâu (preorder depth first search) và thêm một ký tự duy nhất -1 không thuộc vào tập nhãn của cây (hoặc # hoặc $, …) khi xảy ra một quay lui từ đỉnh con lên đỉnh cha trong cây T [26]. ất phản đơn đi ì tính chất phả ập không thườ n, cây cha của ứng viên mứ thường xuyên t cả các cây c ng pháp duyệt g hai phương p ] sử dụng một ứ tự trong cây ức của cây T t , ví dụ cây t1 v on P là con củ iền tố chung không thể thự n tố chung mứ phism), nếu kh WEBLOGS eo đó, mỗi mã chuỗi là c nhãn của 1 -1 2 -1 -1 iệu để tăng ản đơn điệu ờng xuyên.…”

Section: Sinh Tập ứNg Viênunclassified

See 2 more Smart Citations

Khai Phá Cây Con Thường Xuyên Trên Cơ Sở Dữ Liệu Weblogs

Quang¹,

Thi²,

Thuỷ³

et al. 2016

Fair - Nghiên Cứu Cơ Bản Và Ứng Dụng Công Nghệ Thông Tin 2015

View full text Add to dashboard Cite

Section: Giới Thiệuunclassified

“…Dựa theo biểu diễn cây của T.Asai và cộng sự. Một số định nghĩa được phát biểu lại trong thuật toán của T.Asai [26].…”

Section: Một Số địNh Nghĩaunclassified

Section: Sinh Tập ứNg Viênunclassified

See 1 more Smart Citation

Khai Phá Cây Con Thường Xuyên Trên Cơ Sở Dữ Liệu Weblogs

Quang¹,

Thi²,

Thuỷ³

et al. 2016

Fair - Nghiên Cứu Cơ Bản Và Ứng Dụng Công Nghệ Thông Tin 2015

View full text Add to dashboard Cite

“…A sorted pre-order string canonical form that can be obtained in linear time was first defined by [10]. A few more similar canonical representations based on depth-first traversal and breadth-first traversal have been defined [11][12][13]. The proposed method BEST uses the optimal traversal based canonical form (BOCF) that is robust to isomorphism problem due to its order independence and use of optimization.…”

Section: Related Workmentioning

confidence: 99%

BEST: An Efficient Algorithm for Mining Frequent Unordered Embedded Subtrees

Chowdhury

Nayak

2014

Lecture Notes in Computer Science

View full text Add to dashboard Cite

Abstract. This paper presents an algorithm for mining unordered embedded subtrees using the balanced-optimal-search canonical form (BOCF). A tree structure guided scheme based enumeration approach is defined using BOCF for systematically enumerating the valid subtrees only. Based on this canonical form and enumeration technique, the balanced optimal search embedded subtree mining algorithm (BEST) is introduced for mining embedded subtrees from a database of labelled rooted unordered trees. The extensive experiments on both synthetic and real datasets demonstrate the efficiency of BEST over the two state-of-the-art algorithms for mining embedded unordered subtrees, SLEUTH and U3.

show abstract

“…Table 1 summarizes some of the proposed approaches. Based on the type of tree, tree mining tasks can be classified as ordered (TreeMiner [87], FREQT [5], Chopper and XSpanner [79]) or unordered (Unot [6], uFreqt [60], [10]), rooted [10] or unrooted (CMTreeMiner [18], DRYADE [78]). Based on the type of subtree, they can be classified as induced [5], embedded [87,54], or bottom-up.…”

Section: Tree Miningmentioning

confidence: 99%

EvoMiner: frequent subtree mining in phylogenetic databases

et al. 2013

View full text Add to dashboard Cite

The problem of mining collections of trees to identify common patterns, called frequent subtrees (FSTs), arises often when trying to interpret the results of phylogenetic analysis. FST mining generalizes the wellknown maximum agreement subtree problem. Here we present EvoMiner, a new algorithm for mining frequent subtrees in collections of phylogenetic trees. EvoMiner is an Apriori-like level-wise method, which uses a novel phylogeny-specific constant-time candidate generation scheme, an efficient fingerprinting-based technique for downward closure, and a lowest common ancestor based support counting step that requires neither costly subtree operations nor database traversal. Our algorithm achieves speed-ups of up to 100 times or more over Phylominer, the current state-of-the-art algorithm for mining phylogenetic trees. EvoMiner can also work in depth first enumeration mode, to use less memory at the expense of speed. We demonstrate the utility of FST mining as a way to extract meaningful phylogenetic information from collections of trees when compared to maximum agreement subtrees and majority rule trees ---two commonly used approaches in phylogenetic analysis for extracting consensus information from a collection of trees over a common leaf set. Disciplines Theory and AlgorithmsThis article is available at Iowa State University Digital Repository: http://lib.dr.iastate.edu/cs_techreports/11Noname manuscript No. The final publication is available at http://link.springer.com Abstract The problem of mining collections of trees to identify common patterns, called frequent subtrees (FSTs), arises often when trying to interpret the results of phylogenetic analysis. FST mining generalizes the well-known maximum agreement subtree problem. Here we present EvoMiner, a new algorithm for mining frequent subtrees in collections of phylogenetic trees. EvoMiner is an Apriori-like level-wise method, which uses a novel phylogeny-specific constant-time candidate generation scheme, an efficient fingerprinting-based technique for downward closure, and a lowest common ancestor based support counting step that requires neither costly subtree operations nor database traversal. Our algorithm achieves speed-ups of up to 100 times or more over Phylominer, the current state-of-the-art algorithm for mining phylogenetic trees. EvoMiner can also work in depth first enumeration mode, to use less memory at the expense of speed. We demonstrate the utility of FST mining as a way to extract meaningful phylogenetic information from collections of trees when compared to maximum agreement subtrees and majority rule trees -two commonly used approaches in phylogenetic analysis for extracting consensus information from a collection of trees over a common leaf set.

show abstract

Discovering Frequent Substructures in Large Unordered Trees

Cited by 126 publications

References 16 publications

Khai Phá Cây Con Thường Xuyên Trên Cơ Sở Dữ Liệu Weblogs

Khai Phá Cây Con Thường Xuyên Trên Cơ Sở Dữ Liệu Weblogs

BEST: An Efficient Algorithm for Mining Frequent Unordered Embedded Subtrees

EvoMiner: frequent subtree mining in phylogenetic databases

Contact Info

Product

Resources

About