Geri Dön

Çizge madenciliği ve algoritmaları

Graph mining and algorithms

  1. Tez No: 411338
  2. Yazar: SEMA BODUR
  3. Danışmanlar: DOÇ. DR. VECDİ AYTAÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Veri madenciliği, çizge madenciliği, alt çizge bulma, Subdue, gSpan, Data mining, graph mining, finding frequent subgraph, Subdue, gSpan
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Çizge madenciliği, veri madenciliği ve makine öğrenmesi alanında verileri modelleyerek çalışan yeni bir alandır. Çizge madenciliği ilk kez ortaya çıktığından beri kimyasal bileşikler, DNA yapıları, ilaç etkileşimleri, sosyal ağlar ve bilgisayar ağları gibi birçok alanda uygulama olarak çalışılmıştır. Günümüzde de gittikçe artan ve karmaşık olan yapıları çizge olarak temsil etmek uygulama açısından daha kolaydır. Çizge madenciliğinin önemli kavramlarından biri verilen çizgede sık geçen alt çizgeleri bulmaktır. Sık alt çizgeler ortak protein yapıları, nesne tanımada paylaşılan örüntüler, sahtekarlık tespiti vb. etkin bilgiler sunar. Sık alt çizge bulmak mevcut temel verileri işleme zamanını azaltmak ve anlamlı çizge parçalarını bulabilmektir. Bu tez çalışmasında öncelikle veri madenciliği ile ilgili genel bilgiler sunulmuştur. Sonrasında algoritmalarda kullanılan çizge teorilerinin bilgileri verilmiştir. Daha sonra çizge madenciliği anlatılmış ve bu madenciliğin önemli problemlerinden olan sık alt çizge bulma algoritmaları sınıflandırılmıştır. Çalışmanın son bölümünde ise sık alt çizge algoritmalarından Subdue algoritması terörist ağ verisinde, gSpan algoritması ise Chemical_340 veri seti üzerinde uygulanmıştır. Bu algoritmaların girdi parametreleri değiştirilip çalışma zamanları verilmiş ve yorumlanmıştır.

Özet (Çeviri)

Graph mining which is working by modelling data in data mining and machine learning is a new field. In the recent years, graph mining is becoming an interesting field for various processes such as chemical compounds, DNA structures, drug interactions, social networks and computer networks. With the increasing amount and complexity of today's data represented as graphs which is easier in terms of application. One of the most important concepts in graph mining is to find frequent subgraphs. Frequent subgraph mining delivers effective structured information such as common protein structures, shared patterns in object recognition, fraud detection etc. Finding frequent subgraph can reduce the time for processing data and afford significant parts of the graph. In this study, first general information about data mining is presented. After then information used graph theory of algorithms are given. Then graph mining described and finding frequent subgraphs algorithms which is one of the major problems of graph mining classified. In the last part of this study, Subdue algorithm was performed on the terrorist network data and gSpan algorithm was performed on the Chemical_340 data sets. These algorithms of working time are given and interpreted how input parameters are changed.

Benzer Tezler

  1. Information extraction from news related texts using graph mining techniques

    Çizge madenciliği tekniklerini kullanarak haber ile ilgili metinlerden bilgi çıkarımı

    RECEP FIRAT ÇEKİNEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. PINAR KARAGÖZ

  2. Büyük ontolojilerin eşlenmesi için çizge tabanlı yaklaşımlar geliştirilmesi

    Developing graph-based approaches for to match large ontologies

    FATMANA ŞENTÜRK

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VECDİ AYTAÇ

  3. Doğal dil işlemede çizgesel ve olasılık tabanlı bir otomatik öğrenme uygulaması

    A machine learning application in natural language processing based on probabilistic graph models

    HAYRİ VOLKAN AGUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    YRD. DOÇ. DR. ERDEM UÇAR

    YRD. DOÇ. DR. YILMAZ KILIÇASLAN

  4. Sık alt çizge madenciliği algoritmalarının kullanım alanları ve uygulanabilirliği

    Application areas and usage of frequent subgraph mining algorithms

    MEHMET SERDAR GÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAydın Adnan Menderes Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. MUSTAFA ÇETİN

  5. Development of space and time efficiency improvement methods and appling onto frequent subgraph mining algorithms

    Sık alt çizge madenciliği algoritmalarına uygulanabilir alan ve zaman verimliliği arttıran metotların geliştirilmesi

    MURAT OĞUZ

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TURGAY TUGAY BİLGİN