张春英，张雪

(河北联合大学理学院，河北唐山 063009)

近年来，图挖掘作为复杂结构数据中最具有普遍性和代表性的数据结构，已经引起人们广泛的关注。图结构在多种领域中应用广泛，如蛋白质交互网络、分子化合物、社会网络等。对大量累积的图数据进行挖掘，已经提出多种方法，这些方法多数都是针对确定的图数据(即完整且精确的图数据)给出的挖掘算法。

然而，随着Web2.0的出现，互联网的普及使人类的活动以前所未有的广度和深度被及时记录、传输和存储，采用传统图不能真正表述网络中各结点及其之间关系的属性特征，因为在传统图中一般只是标号图，结点只是一个标示，连接最多给出方向、权重属性。为此，张春英教授提出了属性图概念，是在图中同时表示结点和边的属性特征，它是传统图的扩展。在不考虑属性的情况下，属性图退化为传统图，所以传统图是属性图的特例。

目前，已有研究者针对不确定图数据管理进行了一些研究工作。不确定图是在传统图基础上考虑边的不确定性而提出来的，针对不确定图的研究主要包括:在不确定图中计算可靠子图［1，2］以及在不确定图中挖掘频繁子图模式［3］。关于不确定图的研究只关注到结点之间关系的不确定性，未考虑到边和结点的属性特征以及这些属性的不确定性。实际上，Web社会网络中的数据往往存在着大量的不确定性，包括边不确定、结点不确定、属性不确定等。比如:在Web社会网络中，各成员之间的关系是复杂的，在建立一种关系是，每个成员对其他成员的要求不同，这就构成定点的不确定性和顶点属性的不确定性，两个成员之间建立何种关系就够成立关系的不确定性。……