2. Strategy for finding Frequent Su

2. Strategy for finding Frequent Subgraphs
As stated earlier, frequent sub graphs are more useful in classification tasks, graph clustering and characterization of graph sets. As the sub graph size decreases drastically, the graph pattern size grows exponentially. This may tend to drag some serious issues like
i. Identification of frequent sub graphs may take more time.
ii. More sub graphs information may possibly hinder the task of identifying graphs which are more interesting but not frequent and which are not but still frequent.

To effectively solve the first task, scalable algorithms are recommended which generate frequent sub graphs in a search space [9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19 and 21]. The second task can be solved by preciously identifying significant graphs / patterns in a given graph database or in a single large graph and how frequently they occur [22, 24, 25, 26]. It is also to be noted that, finding frequently occurring sub graphs in a graph directly implies to the problem of enumerating sub graphs in a given graph which is a NP-Hard Problem [8].

Kết quả (Việt) 1:

2. chiến lược cho việc tìm kiếm thường xuyên SubgraphsNhư đã nêu trước đó, thường xuyên phụ đồ thị là hữu ích hơn trong phân loại nhiệm vụ, đồ thị clustering và đặc tính của đồ thị bộ. Như kích thước đồ thị tiểu giảm mạnh, kích thước mô hình biểu đồ phát triển theo cấp số nhân. Điều này có thể có xu hướng để kéo một số vấn đề nghiêm trọng nhưi. nhận dạng đồ thị tiểu thường xuyên có thể mất nhiều thời gian hơn.II. phụ đồ thị thông tin thêm có thể có thể cản trở việc xác định các đồ thị đó là thú vị hơn, nhưng không thường xuyên và không nhưng vẫn thường xuyên.Để có hiệu quả giải quyết nhiệm vụ đầu tiên, khả năng mở rộng các thuật toán được đề nghị mà tạo ra các đồ thị phụ thường xuyên trong một không gian tìm kiếm [9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19 và 21]. Nhiệm vụ thứ hai có thể được giải quyết bằng preciously nhận dạng đồ thị quan trọng / mô hình trong cơ sở dữ liệu cho biểu đồ hoặc đồ thị đơn lớn và mức độ thường xuyên chúng xảy ra [22, 24, 25, 26]. Nó cũng là cần chú ý rằng, trong việc tìm kiếm thường xuyên xảy ra tiểu đồ thị đồ thị trực tiếp ngụ ý cho vấn đề liệt kê tiểu đồ thị trong biểu đồ nhất định mà là một vấn đề khó NP [8].

Kết quả (Việt) 2:

2. Chiến lược cho việc tìm kiếm đồ thị con phổ
Như đã nêu trước đó, thường xuyên biểu đồ phụ là hữu ích hơn trong việc phân loại, đồ thị phân nhóm và đặc tính của bộ đồ. Khi kích thước đồ thị phụ giảm mạnh, kích thước đồ thị mô hình tăng trưởng theo cấp số nhân. Điều này có thể có xu hướng di chuyển một số vấn đề nghiêm trọng như
tôi. Xác định các đồ thị phụ thường xuyên có thể mất nhiều thời gian hơn.
Ii. Con Thêm thông tin đồ thị có thể có thể gây trở ngại cho các nhiệm vụ xác định các đồ thị đó là thú vị hơn, nhưng không thường xuyên và không được nhưng vẫn thường xuyên.

Để giải quyết có hiệu quả những nhiệm vụ đầu tiên, thuật toán mở rộng được đề nghị mà tạo ra các đồ thị phụ thường xuyên trong một không gian tìm kiếm [9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 21]. Nhiệm vụ thứ hai có thể được giải quyết bằng cách tỉ mỉ chính xác đồ thị quan trọng / mẫu trong một cơ sở dữ liệu đồ thị nhất định hoặc trong một đồ thị lớn duy nhất và thường xuyên như thế nào khi chúng xảy ra [22, 24, 25, 26]. Nó cũng cần lưu ý rằng, việc tìm kiếm thường xuyên xảy ra các đồ thị phụ trong một đồ thị hàm ý trực tiếp đến vấn đề liệt kê các đồ thị phụ trong một đồ thị cho đó là một vấn đề NP-Hard [8].