声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：37-1391/T
国际刊号：1672-3961
发布日期:
作者：黄芳,王欣,高国海,沈玲珍,付勋,方宇
单位：西南石油大学计算机与软件学院, 四川 成都 610500
关键词：孪生神经网络,频繁模式挖掘,兴趣度评价函数,
基金：国家自然科学基金资助项目(62172102);四川省科技创新人才基金资助项目(2022JDRC0009)
为解决传统Top-k模式挖掘结果难以满足用户实际需求的问题,提出一种融合主客观评价的图数据Top-k频繁模式挖掘。通过基于最小DFS编码的模式表征技术,实现对模式的编码;搭建基于孪生神经网络的图模式评价模型(graph patterns evaluation model, GPEM),学习模式对之间的偏好关系,实现对模式的主观偏好预测;设计融合主客观的模式兴趣度评价函数,指导Top-k模式挖掘。在6个真实图数据集上的试验结果表明,GPEM在多项指标上优于其他模型,准确率最高可达93%。
来源：2025年第6期
《山东大学学报(工学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。