DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/14294

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
p591-bifet.pdf585,24 kBAdobe PDF Accés restringit

Citació: Bifet, A. [et al.]. Mining frequent closed graphs on evolving data streams.. A: ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. "KDD '11 Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining". San Diego: ACM Press, NY, 2011, p. 591-599.
Títol: Mining frequent closed graphs on evolving data streams.
Autor: Bifet Figuerol, Albert Carles Veure Producció científica UPC; Holmes, Geoff; Pfahringer, Bernhard; Gavaldà Mestre, Ricard Veure Producció científica UPC
Editorial: ACM Press, NY
Data: 2011
Tipus de document: Conference report
Resum: Graph mining is a challenging task by itself, and even more so when processing data streams which evolve in real-time. Data stream mining faces hard constraints regarding time and space for processing, and also needs to provide for concept drift detection. In this paper we present a framework for studying graph pattern mining on time-varying streams. Three new methods for mining frequent closed subgraphs are presented. All methods work on coresets of closed subgraphs, compressed representations of graph sets, and maintain these sets in a batch-incremental manner, but use different approaches to address potential concept drift. An evaluation study on datasets comprising up to four million graphs explores the strength and limitations of the proposed methods. To the best of our knowledge this is the first work on mining frequent closed subgraphs in non-stationary data streams.
ISBN: 978-1-4503-0813-7
URI: http://hdl.handle.net/2117/14294
DOI: 2020408.2020501
Versió de l'editor: http://dl.acm.org/citation.cfm?doid=2020408.2020501
Apareix a les col·leccions:Altres. Enviament des de DRAC
LARCA - Laboratori d'Algorísmia Relacional, Complexitat i Aprenentatge. Ponències/Comunicacions de congressos
Departament de Ciències de la Computació. Ponències/Comunicacions de congressos
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius