1、該文的工作在關(guān)聯(lián)規(guī)則挖掘的范疇以內(nèi),對從聚集類型數(shù)據(jù)中的頻繁模式挖掘問題進行了研究.該文的主要貢獻在于:●提出了針對有序標號樹的Chopper算法和XSpanner算法.這兩個算法不僅在性能上要優(yōu)于同類算法,更重要的是它提出了樹的序列化表示和先同分后異構(gòu)的思想.通過先區(qū)分出形式上一致的模式,再進行結(jié)構(gòu)上的鑒別的思想就可以縮小需要進行同構(gòu)判定的對象范圍,使同構(gòu)判斷的難題被限制在一定區(qū)域內(nèi),從而改善算法的整體性能.●提出了針對唯一標號圖的A

2、MGM算法和SFP算法.我們可以將唯一標號圖能轉(zhuǎn)換為項集的形式,但是需要在連通性的進一步考慮上.AMGM算法是基于Apriori思想的,而SFP算法則充分利用了FP-Growth的特點.這兩個算法可以高效地挖掘唯一標號圖庫中頻繁出現(xiàn)的連通子圖.●頻繁模式操作對象類型從原來的原子類型數(shù)據(jù)拓廣為聚集類型數(shù)據(jù).對頻繁模式操作對象的推廣將有助于關(guān)聯(lián)規(guī)則分析應(yīng)用的拓展.從最初的購物籃分析到現(xiàn)在的互聯(lián)網(wǎng)、XML等半結(jié)構(gòu)化數(shù)據(jù)、化學(xué)分子結(jié)構(gòu)分析,關(guān)聯(lián)