计算机工程与科学

作者：沈玲珍, 王欣, 石俊豪, 王璐

单位：（西南石油大学计算机与软件学院，四川 成都 610500）

关键词：图采样,频繁模式挖掘,聚合,图属性,

基金：国家自然科学基金（62172102）；四川省科技创新人才基金(2022JDRC009)

图数据规模的迅速膨胀，传统分析技术难以应对，尤其在频繁模式挖掘任务中，传统算法往往面临计算资源崩溃的风险。图采样技术能够有效减小数据体量，并进而降低计算开销，已成为图数据分析任务重要的研究方向。然而，现有的图采样算法对频繁模式挖掘任务的支持存在局限，其原因是这些算法未能充分将图数据的关键属性融入结构特征，从而导致采样质量较低。为此，提出了兼顾图的高频结构与关键属性的模式感知采样PAS算法。PAS依托邻域（局部特征）和高频单边模式（全局特征）对图中节点和边进行加权，随后通过在加权图上的有偏游走，完成采样任务。实验表明，PAS在多项指标上优于基线算法，并且能在采样图上挖掘出与原图高度一致的前B个频繁模式，在采样率仅为0.20的设定下，准确率最高达到94%。

来源：2025年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第4期