1、數據挖掘（Data Mining，DM）是從大型數據庫或數據倉庫中提取隱含的、未知的、非平凡的及有潛在價值的信息或者模式。在數據挖掘概念提出以來十幾年間，數據挖掘技術得到日益的重視和廣泛的應用、研究。因此，作為數據挖掘重要分支的頻繁項目集和關聯規(guī)則的挖掘，更是引起了廣泛的關注且得到的較大的研究、發(fā)展。
　　隨著數據挖掘應用領域的不斷擴大和涉及到的數據種類的增多，特別是網絡技術的發(fā)展，面向傳統領域的結構化關系數據庫和事務數據庫的挖掘

2、技術，不能滿足非傳統領域的數據挖掘技術的要求，比如：半結構化數據類型和非結構化數據類型。而這些數據類型在生物信息學、Web挖掘、化合物結構分析等領域有著廣泛的應用。本文對面向非結構化數據——樹和無環(huán)圖的挖掘技術進行了深入的研究和分析。主要工作包括：
　　首先，對數據挖掘技術的相關背景知識進行深入的介紹和分析。其中，重點闡述數據挖掘技術的一個重要分支——關聯規(guī)則挖掘。綜述關聯規(guī)則挖掘的不同種類，并對其中的頻繁項集挖掘做了全面深入的介

3、紹。
　　其次，對面向樹結構的挖掘技術主要算法作了歸類，并比較兩大類算法的效率，得出結論深度優(yōu)先的算法效率較高。這樣為本文的研究方向找準了的切入點，在后面作者的算法采用的是面向深度優(yōu)先，垂直搜索的方式。然后，分析當前采用深度優(yōu)先算法中效率較高的兩個經典算法，TreeMiner和FreeTreeMiner，總結和分析它們的優(yōu)缺點，并為作者后續(xù)算法所用。
　　然后，對面向無環(huán)圖(自由樹)類型的算法作了規(guī)劃，共分4個步驟：(1)尋

4、找自由樹的中心點，對此，作者提出高效的LWA(Longest Way Algorithm)算法，并證明該算法的正確性和高效性。(2)對有根無序樹作規(guī)范化，作者在這里提出規(guī)范化算法 Canonicalization，并分析此算法的時間復雜度，證明其時間復雜度與當前效率最高的同類算法相當。(3)挖掘頻繁序列模式，作者把“同分異構”的思想引入頻繁序列挖掘，較大幅度的提高算法的速度效率。(4)引入索引的方法挖掘具有相同序列的不同結構的頻繁子樹。