运行方法:
dmine_pro [yaml配置文件路径]
若不写yaml配置文件，默认配置文件为./dmine_pro.yaml
yaml配置文件格式如下：

NodeFile: _v的csv
EdgeFile: _e的csv
OutputDir: TopK的GPAR的输出目录
NodeXLabel: q(x,y)的x
NodeYLabel: q(x,y)的y
EdgeQLabel: q(x,y)的q
SuppRLimit: 若supp_r<SuppRLimit,则不进入TopK计算以及拓展
Radius: GPAR的最大边数
TopK: TopK GPAR的数目

yaml文件中可选择配置的内容：
Root:   自定义初始的GPAR，可以有多个
 -
  name: 名字
  NodeFile:点文件
  EdgeFile:边文件
  XID:x的ID
  YID:y的ID

运行方法:
dmine_origin [yaml配置文件路径]
若不写yaml配置文件，默认配置文件为./dmine_origin.yaml
yaml配置文件格式如下：

NodeFile: _v的csv
EdgeFile: _e的csv
OutputDir: TopK的GPAR的输出目录
NodeXLabel: q(x,y)的x
NodeYLabel: q(x,y)的y
EdgeQLabel: q(x,y)的q
SuppRLimit: 若supp_r<SuppRLimit,则不进入TopK计算以及拓展
Radius: GPAR的最大边数
TopK: TopK GPAR的数目

运行方法:
./gar_match.exe 或者 ./gar_match.exe 配置文件路径
若不写配置文件路径，默认该配置文件位于config文件夹内且名字为gar_match_config.txt
配置文件内容共7行，内容如下：    
gar的pattern .v的csv文件路径
gar的pattern .e的csv文件路径
gar的literal  X的csv文件路径
gar的literal  Y的csv文件路径
datagraph    .v的csv文件路径
datagraph    .e的csv文件路径
输出结果的文件路径

运行方法:
./gar_match_using_yaml 或者 ./gar_match_using_yaml yaml文件路径
若不写yaml文件路径，默认该yaml文件与gar_match_using_yaml在同一目录下，且文件名为gar_match_config.yaml
yaml文件内容如下：
Graph:  
Name: 图名字
Dir: 图所在文件夹
VertexFile:
    - 点文件csv
EdgeFile:
    - 边文件csv

GAR:
    Name: GAR名字
    Dir: GAR所在目录
    VertexFile: 点文件csv
    EdgeFile: 边文件csv
    LiteralX: LiteralX文件csv
    LiteralY: LiteralY文件csv

ResultDir: 匹配结果存储目录
所有匹配结果写在一个csv，名字为Name_match.csv，格式如下：
match_id,query id1,query id2,....
1,target id1,target id2.....
2,target id1,target id2.....

以GAR为例，其literal.csv的格式如下所示：
type,x_id,x_attr,y_id,y_attr,edge_label,c
Edge,1,,5,,2,
其中第一行是表头，每一行代表一个literal
type表示该literal的类型，目前支持的类型有"Attribute","Edge","Constant","Variable"
其中每个类型代表的意义可参考论文
x_id表示literal中x对应的id
x_attr表示的是x节点对应的属性的key，其只会在"Attribute","Constant","Variable"出现，相当于x.A的A
y_id表示"Edge"，"Variable" Literal中 y的id
y_attr表示"Variable" Literal中 y.B的B
edge_label表示"Edge" Literal中加边的label
c表示的是"Constant" Literal中的c，其格式为value;类型 比如可以写成3.1415926;double或者
Tom;string

运行方法:
./gar_match_with_pivot.exe 或者 ./gar_match_with_pivot.exe 配置文件路径
若不写配置文件路径，默认该配置文件位于config文件夹内且名字为gar_match_with_pivot_config.txt
配置文件内容共9行，内容如下：    
gar的pattern .v的csv文件路径
gar的pattern .e的csv文件路径
gar的literal  X的csv文件路径
gar的literal  Y的csv文件路径
datagraph    .v的csv文件路径
datagraph    .e的csv文件路径
输出结果的文件路径
pivot的数量
全部的pivot，用空格隔开

运行方法:
gar_chase [yaml配置文件路径]    
若不写yaml配置文件，默认配置文件为./gar_chase.yaml
yaml文件内容如下：
Graph:  
Name: 图名字
Dir: 图所在文件夹
VertexFile:
    - 点文件csv
EdgeFile:
    - 边文件csv

GAR:
   -
    Name: GAR名字
    Dir: GAR所在目录
    VertexFile: 点文件csv
    EdgeFile: 边文件csv
    LiteralX: LiteralX文件csv
    LiteralY: LiteralY文件csv
   -
   .....

OutputGraph:
    Name: 输出图名字
    Dir: 输出图路径
    VertexFile: 点文件名称
    EdgeFile: 边文件名称

简介: 时序图关联规则(TGR)的发现算法(TGRD)
运行方法:
./tgraph_discover discover.yaml配置文件路径 [time_window.yaml配置文件路径]
discover.yaml配置文件格式如下：
Graph:
  Name: 时序图名字
  Dir: 时序图所在文件夹
  VertexFile: 点文件csv
  EdgeFile: 边文件csv
OutputGraph:
  Name: 发现的TGR名字
  Dir: 发现的Top-K个TGR所在文件夹
Settings:
  NodeXLabel: q(x,y)的x
  NodeYLabel: q(x,y)的y
  EdgeQLabel: q(x,y)的q
  EdgeQHasOrder: 预测边是否有次序
  SuppRLimit: 若supp_r<SuppRLimit，则不进入TopK计算以及拓展
  TopK: TopK TGR的数目
  Radius: TGR的最大边数
  EdgeFrequency: 边扩展时，增加的边标签需要满足的最小频率
  ThreadNum: 使用的线程数量

若不写time_window.yaml配置文件，默认采用一个时序图分区
time_window.yaml配置文件格式如下：
TimeWindowNumber: 按照给定时间窗口数目划分(优先考虑)
TimeWindowSize: 按照给定时间窗口大小划分
UsePartition: 是否使用时间窗口对时序图进行划分

简介: 基于时序图关联规则的事件预测算法(TGREP)
运行方法:
mpirun -n ProcessNum ./tgraph_apply apply.yaml配置文件路径 [time_window.yaml配置文件路径]
apply.yaml文件内容如下：
Graph:  
  Name: 时序图名字
  Dir: 时序图所在文件夹
  VertexFile: 点文件csv
  EdgeFile: 边文件csv

TGR:
- Name: TGR名字
  Dir: TGR所在目录
  VertexFile: 点文件csv
  EdgeFile: 边文件csv
  LiteralX: LiteralX文件csv，此处为空
  LiteralY: LiteralY文件csv，包含预测边

OutputGraph: 匹配结果存储目录
  Name: 匹配结果文件名字
  Dir: 匹配结果所在目录
所有匹配结果写在一个csv，名字为Name_match.csv，格式如下：
match_id,query id1,query id2,....
1,target id1,target id2.....
2,target id1,target id2.....

简介: 基于MCTS的GPAR挖掘算法
运行方法:
./bin/app/mgm mgm.yaml
若不写yaml配置文件路径，默认配置文件为./mgm.yaml
yaml配置文件格式如下：

Graph:
    Name: 输入图数据的名称
    Dir: 输入图数据路径
    VertexFile: 输入图数据的点文件
    EdgeFile: 输入图数据的边文件

MGM:
    Supp: 支持度阈值
    Conf: 置信度阈值
    EdgeSize: 边集规模阈值
    TopK: conf Top-K GPAR数量
    SrcNodeLabel: 预测边的源点标签
    DstNodeLabel: 预测边的目的点标签
    EdgeLabel: 预测边标签

OutputGraph:
    Dir: 输出GPAR的路径

简介: 基于MCTS的GPAR并行挖掘算法
运行方法:
mpirun -np ProcessNum ./bin/app/multimgm multimgm.yaml
若不写yaml配置文件，默认配置文件为./multimgm.yaml
yaml配置文件格式如下：

Graph:
    Name: 输入图数据的名称
    Dir: 输入图数据路径
    VertexFile: 输入图数据的点文件
    EdgeFile: 输入图数据的边文件

MGM:
    Supp: 支持度阈值
    Conf: 置信度阈值
    EdgeSize: 边集规模阈值
    TopK: conf Top-K GPAR数量
    SrcNodeLabel: 预测边的源点标签
    DstNodeLabel: 预测边的目的点标签
    EdgeLabel: 预测边标签

OutputGraph:
    Dir: 输出GPAR的路径