| 研究課題/領域番号 |
19K20352
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 国立研究開発法人産業技術総合研究所 |
|---|
研究代表者 |
劉 欣 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (20803935)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | Graph embedding / Graph neural network / Bipartite graph / Heterogeneous graph / Knowledge graph / Node classification / Node ranking / Graph Embedding / Graph Neural Network / Node Classification / Node Ranking / Bipartite Graph / Knowledge Graph / Community Detection / Recommender System / Graph Neural Networks / Social Networks |
|---|
| 研究開始時の研究の概要 |
Learning low-dimensional vector representations for graph nodes, or graph embedding, is a key step for graph analysis. The goal of this project is to develop a unified methodological framework for embedding the various graphs, which are proper representations of real-world complex systems. We will base our approach to recent advances of graph embedding and study the bipartite graphs by fully considering the distinctive features. The outcomes of this research will facilitate the graph analysis and provide insights into how to make good use of the information hidden in the various graphs.
|
| 研究成果の概要 |
プロジェクトの成果には、調査方法とオープンソースソフトウェアの両方が含まれます。我々は、単部グラフ、二部グラフ、異種知識グラフ、属性グラフ、マルチグラフなど、さまざまなグラフに埋め込みアプローチを提案しました。また、救急車の需要予測、引用の推奨、脳障害の診断など、実際のアプリケーションへのアプローチの適用にも成功しています。
|
| 研究成果の学術的意義や社会的意義 |
このプロジェクトでは、様々なグラフで、グラフ埋め込みの共通の本質を明らかにします。これまでに、単部グラフ、二部グラフグラフ、異種頂点グラフ、ナレッジグラフ、属性付きグラフ、マルチグラフなど、さまざまなグラフに対する埋め込み手法を提案してきました。さまざまなグラフを研究することは、実世界の複雑なシステムを適切に表現し、幅広い応用につながるため、科学的に意義があります。
|
