Pattern Mining in Dynamic Graphs

Mgr. Karel Vaculík

Advanced ('rigorózní') thesis

Anotácia:

Komplexní vztahy v datech jsou typicky reprezentovány pomocí grafových struktur. Dynamické grafy mohou dokonce zachytit i dynamiku a vývoj takových vztahů. Tyto teze dizertační práce, s tématem dolování vzorů v dynamických grafech, se zabývají právě dynamickými grafy a hledáním speciálního typů vzorů na lokální úrovni grafů – grafovými pravidly. Grafová pravidla jsou užitečná např. pro popis dynamických grafů a pro predikci v těchto grafech. V první části těchto tezí se nachází přehled soudobého stavu v oblasti dolování grafových pravidel v dynamických grafech a také v souvisejících oblastech. Souhrn existujících metod a jejich nedostatků je také součástí popisu každé oblasti. Dále jsou popsány cíle dizertační práce. Mezi tyto cíle patří v první řadě návrh univerzálního algoritmu pro dolování grafových pravidel. Dále budou vytvořeny nové metody pro abstrakci a generalizaci pro tento algoritmus. Účelem těchto metod je redukce nadměrného množství dolovaných pravidel, přičemž důležité informace budou zachovány. Mezi cíle dizertační práce patří také prozkoumání a návrh vhodných měr důležitosti pro grafová pravidla, dále také adaptace navrženého algoritmu pro účely dalších úloh dolování z dat, a to např. klasifikace, shlukování a detekce odlehlých bodů. Poslední kapitola poskytuje přehled dosud dosažených výsledků autora a jeho publikační činnosti.

Abstract:

Complex relationships in data are typically represented by graph structures. Furthermore, dynamic graphs are able to capture the dynamics or evolution of such relationships. The topic of this thesis proposal, pattern mining in dynamic graphs, deals with such dynamic graphs and aims at finding special local-level patterns: graph rule patterns. Graph rules are useful for tasks such as description of dynamic graphs or prediction in dynamic graphs. First, this thesis proposal gives an overview of the state of the art in the area of rule mining in dynamic graphs as well as in similar areas. The summary of existing methods and their shortages is also provided for each area. Next, the aims of the thesis are outlined. In particular, a new versatile graph rule mining algorithm will be developed. New abstraction and generalization methods for this algorithm will also be created. The purpose of these methods is to reduce the number of mined rules while preserving the important information. The aims also include investigation and proposal of appropriate measures of significance for rules and adaptation of the new rule mining algorithm for other data mining tasks, such as classification, clustering, and anomaly detection. Finally, the last chapter provides author’s already achieved results as well as list of publications.

Keywords

data mining, graph mining, dynamic graphs, predictive rules, frequent patterns

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 25. 2. 2015

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 5. 2015
• Oponent: prof. RNDr. Petr Hliněný, Ph.D., Tomáš Horváth, Ph.D.

Masaryk University

Faculty of Informatics

Advanced ('rigorózní řízení') programme / odbor:
Informatics / Artificial Intelligence and Natural Language Processing