ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Technique et Science Informatiques

0752-4072
Revue des sciences et technologies de l'information
 

 ARTICLE VOL 33/9-10 - 2014  - pp.711-737  - doi:10.3166/tsi.33.711-737
TITRE
Un partitionnement basé sur la densité de graphe pour approcher la fouille distribuée de sous-graphes fréquents

TITLE
Distributed mining of frequent subgraphs using a density-based graph partitioning approach

RÉSUMÉ

Durant ces dernières années, l’utilisation de graphes a fait l’objet de nombreux travaux, notamment en bases de données, apprentissage automatique, bioinformatique et en analyse des réseaux sociaux. La fouille de sous-graphes fréquents constitue un défi majeur dans le contexte de très grandes bases de graphes. Dans ce papier, nous présentons une nouvelle approche basée sur le paradigme MapReduce pour la fouille de sous-graphes fréquents à grande échelle. L’approche proposée offre une nouvelle technique de partitionnement qui tient compte des caractéristiques des données et qui améliore le partitionnement par défaut de MapReduce. L’étude des performances de notre approche réalisée en utilisant un nuage privé a montré son efficacité.



ABSTRACT

In recent years, graph mining approaches have become very popular, especially in domains such as databases, machine learning, bioinformatics, chemoinformatics and social networks. A challenging tasks in this context is frequent subgraph discovery which has been highly motivated by the tremendously increasing size of existing graph databases. Consequently, there is an urgent need of efficient and scaling approaches for frequent subgraph mining. In this paper, we propose a MapReduce-based approach for large-scale subgraph mining. The proposed approach provides a density-based partitioning technique that take into account data characteristics and enhances the default data partitioning technique of MapReduce. Our experiments show that the proposed approach decreases significantly the runtime and scales the subgraph discovery process to large graph databases.



AUTEUR(S)
Sabeur ARIDHI, Laurent D'ORAZIO, Mondher MADDOURI, Engelbert MEPHU-NGUIFO

MOTS-CLÉS
fouille de sous-graphes, partitionnement de graphes, densité de graphe, MapReduce, échantillonnage

KEYWORDS
subgraph mining, graph partitioning, graph density, MapReduce, sampling

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (1,20 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier