10.18453/rosdok_id00002286 Fenske, Ole Ole Fenske Universität Rostock 2018 004 Data processing Computer sciences 2018 de http://purl.uni-rostock.de/rosdok/id00002286 urn:nbn:de:gbv:28-thesis2018-0001-0 Neben dem Feld Data-Mining nimmt auch das Graph-Mining eine immer zentralere Stellung in Forschung und Wirtschaft ein. Durch die Speicherung der Daten als Graph ergeben sich neue Möglichkeiten in der Datenanalyse. Diese Arbeit beschäftigt sich mit eben diesen Algorithmen zur Auswertung von Graph- und Hypergraph-Strukturen. Neben den verschiedenen Algorithmen des Graph-Mining, wird zusätzlich auch die Parallelisierbarkeit dieser untersucht. Mit PaSiGraM wird ein eigener Algorithmus vorgestellt, der es ermöglicht, die für das Frequent-Subgraph-Mining benötigten Berechnungen zu parallelisieren.