| Project/Area Number |
19K12102
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Hiroshima City University |
|---|
Principal Investigator |
Suzuki Yusuke 広島市立大学, 情報科学研究科, 助教 (10398464)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
内田 智之 広島市立大学, 情報科学研究科, 准教授 (70264934)
正代 隆義 福岡工業大学, 情報工学部, 教授 (50226304)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2019: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | グラフアルゴリズム / 機械学習 / グラフマイニング / グラフ構造データ / 計算論的学習 |
|---|
| Outline of Research at the Start |
グラフ構造を持つデータは，要素間の接続関係だけでなく，方角，向き，距離，時系列など多種多様な付加情報を持っている．本研究では，グラフ構造を持つデータに対して，接続関係のみを考慮するのではなく，多種多様な付加情報に着目し，接続情報と付加情報の両方の情報をグラフで表現する．さらに付加情報を活用したグラフマイニングアルゴリズムの開発を行う．
多種多様な付加情報を用いることで，データが持つ情報をより正確に表現できるようになり，従来より詳細なグラフマイニングが可能となる．さらに付加情報を活用することで，従来より高速なグラフマイニングアルゴリズムの開発が可能になると考えられる．
|
| Outline of Final Research Achievements |
The purpose of this research is to development high-performance graph mining methods for graph structured data using various additional information.
In this research, we proposed one-variable term tree patterns as tree structured patterns suitable for representing a graph structure data in which the same structure appears repeatedly. And we proposed efficient graph mining algorithms for one-variable term tree patterns. Moreover, we developed graph mining algorithms for graph structured data using a query leaning model or an evolutionary learning method. Furthermore, based on computational learning theory, we considered the PAC learnability of a subclass of graph languages defined by parameterized Formal Graph Systems.
|
| Academic Significance and Societal Importance of the Research Achievements |
情報技術の発展に伴い，グラフ構造データは大規模化かつ増大している．これらの大規模なグラフ構造データからのデータマイニングには膨大な計算資源を必要とする．一般的なグラフ構造データに対する効率の良いグラフマイニングアルゴリズムの開発は困難である．
本研究課題では，データの持つ付加情報を用いることで，データの持つ情報を活かしつつ，グラフ構造に制限を加える．これにより，ある種のグラフ構造データに対する効率的なグラフマイニングアルゴリズムを提案した．
本研究成果は，大規模なグラフ構造データからのデータマイニングにおける更なる知識の獲得と計算時間の削減に寄与するものである．
|
