图挖掘:社会网络分析和多关系数据挖掘
2016-11-20 10:17
260 查看
新兴研究领域介绍:图挖掘和多关系数据挖掘。
一、什么是图挖掘?为什么进行图挖掘
1、图的用途越来越广,包括对互联网、社会化网络、生物、电路、图像的建模。
2、许多图搜索算法已经被开发出来了,并且广泛用在信息检索、计算机视觉等领域;
3、需要进一步开发高效的图挖掘算法,以便从更加复杂的结构化数据中挖掘出有效的知识。
二、挖掘频繁子图
1、Apriori-based 方法:包括AGM,FSG和path-join算法;
2、Pattern growth graphy method;
三、社会网络应用的连接分析(link analysis)
1、基于连接的对象分类(Link based object classification);
2、对象类型预测(object type predication);
3、连接类型预测(link type predication);
4、预测链路扩展(predicate link extension);
5、组探测(Group detection);
7、元数据挖掘(metadata mining)。
四、多关系数据挖掘
1、 关系数据挖掘:从来自关系数据库中的多个表中挖掘有意义的模式;
一、什么是图挖掘?为什么进行图挖掘
1、图的用途越来越广,包括对互联网、社会化网络、生物、电路、图像的建模。
2、许多图搜索算法已经被开发出来了,并且广泛用在信息检索、计算机视觉等领域;
3、需要进一步开发高效的图挖掘算法,以便从更加复杂的结构化数据中挖掘出有效的知识。
二、挖掘频繁子图
1、Apriori-based 方法:包括AGM,FSG和path-join算法;
2、Pattern growth graphy method;
三、社会网络应用的连接分析(link analysis)
1、基于连接的对象分类(Link based object classification);
2、对象类型预测(object type predication);
3、连接类型预测(link type predication);
4、预测链路扩展(predicate link extension);
5、组探测(Group detection);
7、元数据挖掘(metadata mining)。
四、多关系数据挖掘
1、 关系数据挖掘:从来自关系数据库中的多个表中挖掘有意义的模式;
相关文章推荐
- 图挖掘:社会网络分析和多关系数据挖掘
- 图挖掘:社会网络分析和多关系数据挖掘
- KNIMI数据挖掘建模与分析系列_001_利用KNIMI做演员关系网络分析
- 机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别之间的关系是什么?
- 数据分析、数据挖掘、机器学习、神经网络、深度学习和人工智能概念区别(入门级别)
- ADL:社交网络分析与数据挖掘(DAY3)
- 大数据时代:基于微软案例数据库数据挖掘知识点总结(Microsoft 神经网络分析算法原理篇)
- iGraph——图挖掘助力社会网络分析
- 关于 Python 数据抓取 & 分析 & 机器学习 & 挖掘 & 神经网络 内容的分享。
- 基于微软案例数据挖掘之Microsoft 神经网络分析算法
- (移动位置社会网络中)LBSN:好友关系对人类活动的影响分析
- 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics)之间有什么关系?
- 数据仓库、OLAP和 数据挖掘、统计分析的关系和区别分析
- R语言 igraph——图挖掘助力社会网络分析
- python数据挖掘课程】十七.社交网络Networkx库分析人物关系(初识篇)
- 人工智能、机器学习、数据挖掘、神经网络等学科的关系概述
- 机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别,
- 数据仓库、OLAP和 数据挖掘、统计分析的关系和区别分析 .
- 关于java开发、网络爬虫、自然语言处理、数据挖掘简介与关系小结
- 【python数据挖掘课程】十七.社交网络Networkx库分析人物关系(初识篇)