グラフ構造表現された知識の高精度構造的補完手法の探究

• Project/Area Number: 24K15090
• 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: 内田 智之 広島市立大学, 情報科学研究科, 教授 (70264934)
• Co-Investigator(Kenkyū-buntansha): 正代 隆義 福岡工業大学, 情報工学部, 教授 (50226304) ; 松本 哲志 東海大学, 理学部, 教授 (30307235) ; 鈴木 祐介 広島市立大学, 情報科学研究科, 講師 (10398464)
• Project Period (FY): 2024-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2026: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: グラフ構造知識 / 知識補完 / グラフニューラルネットワーク / 計算論的学習理論 / 論理プログラミング

Outline of Research at the Start

グラフ構造表現された知識(グラフ構造知識)には、知識を体系化しネットワークで表現した知識グラフや、グラフ構造データを対象とした深層学習モデルであるグラフニューラルネットワーク(GNN)が学習した構造的特徴などがある。学習データから構築されたグラフ構造知識には構造的特徴が欠落することがある。そこで、グラフを扱える論理プログラミングである形式グラフ体系(FGS)を用いてグラフ構造知識を表し、FGSで表現された知識に対する高精度な構造的補完のための推論手法について理論的に探究する。さらに、知識グラフやGNNが学習したグラフ構造知識に対する構造的補完手法を実装し、実時間実行可能性について評価する。