2022 Fiscal Year Annual Research Report
多様な付加情報を活用したグラフ構造データに対する高性能グラフマイニング手法の開発
| Project/Area Number |
19K12102
|
|---|
| Research Institution | Hiroshima City University |
|---|
Principal Investigator |
鈴木 祐介 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
|
| Keywords | 機械学習 / グラフマイニング / グラフアルゴリズム |
|---|
| Outline of Annual Research Achievements |
本研究課題は，項グラフパターンを用いて，データの持つ多様な付加情報を活用した高性能グラフマイニング手法の開発を目的とする．2022年度は，主に以下の４テーマについて研究を行った．
形式グラフ体系のPAC学習可能性：形式グラフ体系とは，一階述語論理における項として項グラフパターンを用いる論理プログラミングの一種である．各種パラメータを制限した形式グラフ体系のクラスが多項式時間PAC学習可能であることを示した．
1変数項木パターンの枚挙アルゴリズムの高速化：1変数項木パターンとは，全ての変数に同一の順序木が代入される制限を持つ項木パターンである．項木パターンに対する新しいマッチングアルゴリズムを提案し，これを用いて1変数項木パターンの枚挙アルゴリズムの高速化を行った．
質問学習を用いたGCNの予測根拠の可視化：GCNはグラフを対象とした深層学習モデルである．質問学習モデルにおけるオラクルとしてGCNを用いることにより，GCNの予測根拠を項木パターンによってモデル化する手法を提案した．
進化的学習を用いた知識獲得：特徴的な区間グラフパターンを発見する進化的手法，特徴的な項木パターンを発見する進化的手法の開発を行った．
研究期間全体を通し，1変数項木パターンという，データの持つ付加情報を活用した新しいグラフパターンを提案し，そのグラフマイニングアルゴリズムの開発を行った．本結果は，同一構造が複数回出現するようなグラフ構造データからのグラフマイニングにおいて有益であると考えられる．また，質問学習モデルを用いた項木パターンの学習アルゴリズムの開発と，それを応用したGCNの予測根拠の可視化を行い，深層学習を用いたグラフマイニング手法の開発に有益な結果を得た．さらに，形式グラフ体系の学習可能性や進化的手法を用いた項グラフパターン獲得などグラフマイニング手法開発に関する理論的な研究成果を得た．
|
