深層グラフマイニングによる精度と解釈性に優れたグラフデータ解析法の構築

• Project/Area Number: 25K03182
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related; Basic Section 60030:Statistical science-related; Sections That Are Subject to Joint Review: Basic Section60030:Statistical science-related , Basic Section61030:Intelligent informatics-related
• Research Institution: Nagoya Institute of Technology
• Principal Investigator: 烏山 昌幸 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (40628640)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000); Fiscal Year 2028: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000); Fiscal Year 2027: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000); Fiscal Year 2026: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000); Fiscal Year 2025: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
• Keywords: 機械学習 / グラフマイニング

Outline of Research at the Start

本研究ではグラフマイニングと深層学習を融合した新たな機械学習の枠組みを提案する．グラフデータは表形式データと比べ扱いが難しく，グラフデータ分析は機械学習において着目度の高い話題となっている．しかし，グラフの持つ組み合わせ的性質により，現実的な時間でグラフ構造を仔細に表現できるモデルの構築は未だに困難である．また，化合物のような科学データが対象になる場合，解釈性も重要となるが，グラフニューラルネットワークのようなモデルでは解釈性を付与することは容易ではない．本研究ではグラフ構造を詳細に判別するために全部分グラフ列挙に基づく深層学習モデルを構築し，さらに，スパース正則化による解釈性の付与を目指す．