2021 Fiscal Year Annual Research Report
Research and development on workload-aware graph database engine
| Project/Area Number |
20H00583
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
鬼塚 真 大阪大学, 情報科学研究科, 教授 (60726165)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
佐々木 勇和 大阪大学, 情報科学研究科, 助教 (40745147)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Keywords | グラフ / グラフマイニング / グラフ生成 / グラフ埋め込み / リンク予測 |
|---|
| Outline of Annual Research Achievements |
課題1：高速グラフデータベースエンジンの開発：(1a)連言経路問合せに特化した索引技術・クエリ処理技術に関して，国際会議 ICDE に採択．本技術の特徴は，path-bisimulation の概念に基づいてクエリ言語に即したインデックスのデータ構造の粒度を決定する点にあり，最大で数千倍の高速化を達成した．更に，失敗パターンの活用によるサブグラフマッチングの高速化技術に関して，国際会議に投稿する準備中．本技術の特徴は，サブグラフ同型の制約条件を満たさない失敗パターンを記録することで不要な探索を除外する点にある．(1b)属性付き人工グラフ生成の基本アルゴリズムを改善し，国際論文誌 Information Systems に投稿中．本技術の特徴は，実世界における属性付きグラフの多様な特性を捉えた高スケールなグラフ生成が可能な点にある．
課題2：高精度なグラフマイニングを実現するグラフ埋め込みの開発：既存のグラフ埋め込み技術の問題点を解消したグラフ埋め込み技術を開発し，国際会議 ECML/PKDD に採択．本技術の特徴は，グラフ畳み込み操作の回数と畳み込みの層数を独立化する点にある．更に，時系列グラフに対するリンク予測の問題に取り組み，複数データセットに共通する傾向を捉えた連続時間グラフのリンク予測技術を考案し，研究成果を特許出願した．また，ホットリンク社と共同研究を行い，ソーシャルメディア上において指定された企業アカウントをフォローする可能性が高いアカウントの集合を予測する手法を開発し，国際会議 WI-IAT に採択．
課題3：時間変化を捉えたグラフ処理の高速化：アクセスワークロードの偏りと時間変化を捉えた実体化ビュー選択の最適化技術を改善した．本技術の特徴は，時間軸方向にワークロードを多階層に集約し，集約された部分ワークロード毎に整数計画問題によって解候補を枝刈りする点にある．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究実績の概要に記載の通り3つの研究課題に対して，合計で国内会議3件と国際会議4件 (ICDE, EDBT, ECML/PKDD, WI-IAT)に採択されている．複数データセットに共通する傾向を捉えた連続時間グラフのリンク予測技術に関しては特許を出願している．
また，課題1の失敗パターンの活用によるサブグラフマッチングの高速化技術に関しては国際会議の投稿準備中，属性付き人工グラフ生成に関しては国際論文誌・国際会議に投稿中，課題2の高精度なグラフマイニングを実現するグラフ埋め込みの開発に関しては2件の国際会議 (KDD, ECML/PKDD)に投稿中，課題3の時間変化を捉えたグラフ処理の高速化に関しては国際会議の投稿準備中であり，研究全体を通じて総じて順調に進展しているといえる．
|
| Strategy for Future Research Activity |
課題1の高速なグラフデータベースエンジンの開発に関して，昨年度開発した連言経路問合に適した索引を活用したクエリ処理アルゴリズムおよび索引メンテナンス技術を開発する．さらに，機械学習技術を活用したグラフ問合せのカーディナリティ推定技術を開発する．また，開発した人工グラフ生成技術を活用して，既存のグラフ埋め込み技術のベンチマークを開発する．
課題2の高精度なグラフマイニングを実現するグラフ埋め込みの開発に関して，グラフ上の頻出パターンおよび外れ値パターンを高速に検出する技術を開発する．さらに，計算機ノートブックに対してグラフ深層学習技術を適用し，高精度かつ高速な類似検索を実現する．
また全課題を通して論文投稿中および投稿準備中の研究成果に関しては，論文採択を目指す．
|
