[发明专利]一种改进传统处理方式的子图匹配方法

说明书

本发明提供一种改进传统处理方式的子图匹配方法，包括以下步骤：S1：输入图数据：选择并确定的数据图与查询图，在格式上对于图数据进行的预处理，读取正确的数据，并将数据存储；S2：处理查询图：选定根节点，采用DFS的方式构造有向无环图，记录其中的非数边关系；S3：构建新索引结构：根据处理之后的查询图建立合理的索引结构，而且进行两重的优化。本发明提供的改进传统处理方式的子图匹配方法，本方法对于查询图的处理采用了构造有向无环图的方式，而不是采用传统的利用生成树方式，这样在我们生成的辅助数据结构中我们保留了所有边的约束关系，就不需要再去数据图中频繁的验证正确性，很大程度上减少了计算的冗余性。

技术领域

本发明涉及子图匹配方法领域，尤其涉及一种改进传统处理方式的子图匹配方法。

背景技术

近些年来，图在不同的领域中扮演着越来越重要的角色，图是一种众所周知的非线性数据结构，在化学、生物、网络科学和模式识别等许多应用领域中都有应用，即使寻找子图同构的过程需要付出昂贵代价的计算，查询子图同构仍然成为一个不可避免的任务。子图同构问题在图形数据库、程序相似度比较、编译器设计、生物信息学、智能分析、模式识别等领域有着广泛的应用。

从理论上讲，寻找子图同构问题是指在给定的数据图中识别出一个模式图的所有实例的大小，与数据图的大小相比，模式图(顶点数)是非常小的，也称之为查询图，子图同构发现问题有许多变体，其中隐藏式的子图同构和非诱导式的子图同构更为普遍。

解决诱导子图同构的目的是寻找数据图中模式图的精确同构图像，另一方面，非诱导子图同构求解器的目标是寻找具有一些额外边的模式图的同构象。在本项技术中，主要考虑前一种方式的子图同构问题。

目前比较先进的算法，比如CFL-Match[4]方法、Turbo-iso[5]、CECI[6]和DP-iso[7]方法等。

生成树具有局限性，尽管生成树具有以上一些优势，但是同时也存在一些局限，比如生成树并不能包含查询图所有的边，最终辅助数据结构中会存在假阳性，对于匹配顺序而言，目前的解决办法主要在局部的匹配顺序上进行了优化，只有DP-iso方法运用了动态的匹配顺序生成方法，枚举过程中存在大量的冗余计算，冗余笛卡尔积的存在使得整个计算过程非常耗时；

具体原因包括：在处理查询图时，一般利用DFS或者BFS顺序建立生成树，所以在生成过程中会去掉一些边(非树边)，这在匹配过程就需要去原图中频繁的验证这些非树边的合理性，比如可能存在50x100种可能性，但是大部分不会形成最终的结果，由于没有这些边去验证，所以在回溯过程中验证这些边是非常耗时的，因此导致了生成树的局限性。

CFL-Match方法与Turbo-iso方法使用的是路径优先的方法，他们利用生成树采用从根到叶子的顺序来进行匹配，然后在实际查找过程中全局固定的匹配顺序不一定就是最优的顺序，这使得整体方法还有待优化。

在回溯过程中，一定会存在一定的冗余计算问题，而且有些冗余的计算是存在共同点的，比如他们是由于相同的前驱结构导致他们的匹配失败的，从而有了进一步优化的空间。

因此，有必要提供一种改进传统处理方式的子图匹配方法解决上述技术问题。

发明内容

本发明提供一种改进传统处理方式的子图匹配方法，解决了目前子图匹配方法枚举过程中存在大量的冗余计算，冗余笛卡尔积的存在使得整个计算过程非常耗时的问题。

为解决上述技术问题，本发明提供的改进传统处理方式的子图匹配方法，包括以下步骤：

S1：输入图数据：选择并确定的数据图与查询图，在格式上对于图数据进行的预处理，读取正确的数据，并将数据存储；

S2：处理查询图：选定根节点，采用DFS的方式构造有向无环图，记录其中的非数边关系；