Big Graph Mining: Frameworks and Techniques

معدنکاری بزرگ یک منطقه تحقیقاتی مهم است و توجه زیادی را به خود جلب کرده است. این اجازه می دهد تا اطلاعات معنی دار را از مقادیر زیاد داده های گراف، پردازش، تجزیه و تحلیل و استخراج کنیم. معدن گراف بزرگ، نه تنها به واسطه افزایش قابل توجهی از نمودارها، بلکه همچنین تعداد زیادی از برنامه های کاربردی آن، به شدت متقاعد شده است. چنین برنامه هایی عبارتند از بیوانفورماتیک، شیمی درمانی و شبکه های اجتماعی. یکی از وظایف چالش برانگیز در زمینه معدن گراف بزرگ، استخراج الگو در نمودارهای بزرگ است. این وظیفه شامل استفاده از الگوریتم های داده کاوی برای کشف الگوهای جالب، غیر منتظره و مفید در مقادیر زیاد داده های گراف است. همچنین هدف این است که درک عمیق تر از داده های گراف داده شود. در این زمینه، برای پردازش نمودارهای بسیار بزرگ، چندین چارچوب پردازش گراف و مقیاس داده کاوی / روش های استخراج معادله پیشنهاد شده است. این مقاله خلاصه ای از چارچوب های پردازش پردازش داده ها و معادلات موجود را که با نمودار های بسیار بزرگ مقابله می کند، ارائه می دهد. سپس آن را به بررسی تحقیقات در حال حاضر در زمینه معدن داده / معدن الگو در نمودار بزرگ ارائه می دهد و بحث در مورد مسائل اصلی تحقیق مربوط به این زمینه است. همچنین طبقه بندی داده کاوی داده ها و تکنیک های یادگیری ماشین، چارچوب پردازش گراف و روش های استخراج معادالت الگوی بزرگ را طبقه بندی می کند.