2018 Fiscal Year Final Research Report
Revised Algorithm for Maximal Analogies
| Project/Area Number |
16K00291
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Research Field |
Intelligent informatics
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大久保 好章 北海道大学, 情報科学研究科, 助教 (40271639)
吉岡 真治 北海道大学, 情報科学研究科, 教授 (40290879)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 極大類比 / 疑似クリーク / 局所相関推論 / 非負行列分解 / グラフ正則化 / アナロジカルヒント / クロスクラスター |
|---|
| Outline of Final Research Achievements |
When we read several stories or legal cases, we often find relational similarities between objects in spite of the difference of stories they belong to. The goal of this research is to design and implement an efficient algorithm for finding those structural similarities among more than two domains. For this purpose, we have designed such an algorithm making use of Non-Negative Matrix Factorization and Graph Mining techniques. The algorithm we have obtained is effective not only for text analysis but also for mining similar structure among databases as data warehouses.
|
| Free Research Field |
データマイニング
|
| Academic Significance and Societal Importance of the Research Achievements |
構造類似性抽出タスクは，関係を構成する個体のマッチングとそれに基づく関係のマッチングという２重のマッチング問題を含んでおり，一般論として述べれば高度に組み合わせ論的な問題を内包していた．本研究では，行列非負分解によるデータ圧縮により得られるクラスタリングとクラスターを記述要素とするグラフに対するグラフマインニング技法を併せて考えることにより，現実的な計算時間で構造類似性を検出可能な道を拓いた点が学術的意義である．さらには，様々な物語のインデックスとして構造類似性を付与した物語データベースなど，応用面での基礎を与えたとの意味で社会的意義を持つであろう．
|
