戴安·库克。（编辑）;劳伦斯·B·霍尔德。（编辑） 挖掘图形数据。 （英语） Zbl 1116.68028号 威利-国际科学。新泽西州霍博肯：John Wiley&Sons出版社（ISBN 978-0-471-73190-0/hbk；0-470-07304-7/电子书）。xix，第479页。(2007). 出版商说明：本卷的文章不会单独编入索引。本文重点全面地研究了以图形表示的挖掘数据，并提供了理论和实践中的最新发现和应用。即使您在分析图形数据方面的背景知识很少，使用本书，您也可以将数据表示为图形，从数据中提取模式和概念，并将文本中介绍的方法应用于实际数据集。这本书附带网页的链接有误。对于那些想尝试本书中的技术或在图形数据上测试自己想法的读者，本书的网页应该是http://www.eecs.wsu.edu/MGD（英语）.目录：1引言（Lawrence B.Holder和Diane J.Cook）。1.1术语。1.2图形数据库。1.3书籍概述。参考文献。第一部分图表。2图形匹配-精确和容错的方法以及编辑成本的自动学习（霍斯特·邦克和米歇尔·纽豪斯）。2.1简介。2.2定义和图形匹配方法。2.3学习编辑成本。2.4实验评估。2.5讨论和结论。参考文献。3图形可视化和数据挖掘（Walter Didimo和Giuseppe Liotta）。3.1简介。3.2图形绘制技术。3.3可视化系统示例。3.4结论。参考文献。4图形模式和R-MAT生成器（Deepayan Chakrabarti和Christos Faloutsos）。4.1简介。4.2背景和相关工作。4.3 NetMine和R-MAT。4.4实验。4.5结论。参考文献。第二部分采矿技术。5频繁子结构的发现（西凤燕和韩嘉伟）。5.1引言。5.2初步概念。5.3基于Apriori的方法。5.4模式增长方法。5.5变型子结构模式。5.6实验和性能研究。5.7结论。参考文献。6从图数据集中寻找拓扑频繁模式（Michihiro Kuramochi和George Karypis）。6.1引言。6.2背景定义和符号。6.3从图形数据集频繁发现模式-问题定义。6.4图形事务设置的FSG。6.5 SIGRAM用于单图形设置。6.6 GREW–可扩展频繁子图发现算法。6.7相关研究。6.8结论。参考文献。7图数据中的非监督和监督模式学习（Diane J.Cook、Lawrence B.Holder和Nikhil Ketkar）。7.1简介。7.2使用subze挖掘图形数据。7.3与其他基于图形的挖掘算法的比较。7.4与常见下部结构采矿方法的比较。7.5与ILP方法的比较。7.6结论。参考文献。8图形语法学习（Istvan Jonyer）。8.1引言。8.2相关工作。8.3图形语法学习。8.4实证评估。8.5结论。参考文献。9基于无块图归纳法构建决策树（Kouzou Ohara、Phu Chien Nguyen、Akira Mogi、Hiroshi Motoda和Takashi Washio）。9.1简介。9.2重新审视基于图形的归纳法。9.3 B-GBI中的分块引起的问题。9.4基于图的无分块归纳法（Cl-GBI）。9.5决策树无分块图基归纳法（DT-ClGBI）。9.6结论。参考文献。10形式概念分析和图挖掘之间的一些联系（米歇尔·利基埃）。10.1演示。10.2基本概念和符号。10.3形式概念分析。10.4扩展格和描述格给出了概念格。10.5图形描述和Galois格。10.6图形挖掘和形式命题化。10.7结论。参考文献。11图的内核方法（托马斯·加特纳、塔马斯·霍瓦思、奎克·勒·斯莫拉、亚历克斯·斯莫拉和斯特凡·罗贝尔）。11.1简介。11.2图形分类。11.3顶点分类。11.4结论和未来工作。参考文献。12核作为链接分析措施（Masashi Shimbo和Takahiko Ito）。12.1简介。12.2准备工作。12.3基于内核的重要性和相关性统一框架。12.4拉普拉斯核作为相关性度量。12.5实际问题。12.6相关工作。12.7利用书目引用数据进行评估。12.8总结。参考文献。13图形中的实体分辨率（Indrajit Bhattacharya和Lise Getoor）。13.1简介。13.2相关工作。13.3基于图形的实体解析的激励示例。13.4基于图形的实体解析：问题公式化。13.5实体处置的相似性度量。13.6基于图形的实体解析聚类。13.7实验评估。13.8结论。参考文献。第三部分申请。14从化学图中挖掘（冈田隆）。14.1分子的介绍和表示。14.2采矿问题。14.3案例：化学采矿系统原型。14.4使用图挖掘进行定量估计。14.5线性片段到图的扩展。14.6条件组合。14.7结束语。参考文献。15根树挖掘的统一方法：算法和应用（Mohammed Zaki）。15.1引言。15.2准备工作。15.3相关工作。15.4生成候选子树。15.5频率计算。15.6统计不同事件。15.7 SLEUTH算法。15.8实验结果。15.9树木挖掘在生物信息学中的应用。15.10结论。参考文献。16密集子图提取（Andrew Tomkins和Ravi Kumar）。16.1引言。16.2相关工作。16.3寻找最稠密的子图。16.4拖网。16.5图形木瓦。16.6连接子图。16.7结论。参考文献。17社交网络分析（Sherry E.Marcus、Melanie Moy和Thayne Coffman）。17.1引言。17.2社交网络分析。17.3分组检测。17.4恐怖分子作案手法检测系统。17.5计算实验。17.6结论。参考文献。索引。 引用于22文件 MSC公司： 68个P01 数据理论的一般主题 68T05型 人工智能中的学习和自适应系统 68兰特 计算机科学中的图论（包括图形绘制） 68-06 与计算机科学有关的会议记录、会议、收藏等 00B15号机组 杂项特定利益物品的收集 关键词：图形匹配;图形可视化;数据挖掘;图形模式;R-Mat发电机 软件：侦探;戴恩;阿克拉 PDF格式BibTeX公司 XML格式引用 \textit{D.J.Cook}（编辑）和\textit{L.B.Holder}（编），挖掘图形数据。新泽西州霍博肯：约翰·威利父子公司（2007；Zbl 1116.68028） 全文： 内政部