| 研究課題/領域番号 |
21K12042
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 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) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023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)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | graph neural network / graph embedding / graph analysis / social network / complex network / Graph Neural Network / Graph Embedding / Graph Machine Learning / Dynamic Graph / Node Classification / Imbalanced Graph / Multi-Label Graph / Geometric Learning / Graph Mining / Link Prediction |
|---|
| 研究開始時の研究の概要 |
Graph learning has been advancing rapidly. However, several intrinsic defects hinder this technology from achieving immense success. We aim to remedy these defects and promote model evolutions. The outcome will improve the practicability of this technology and facilitate its extensive usage.
|
| 研究成果の概要 |
このプロジェクトは、グラフ学習技術において多くの進展を遂げました。新しい学習アーキテクチャを設計し、性能の向上を達成しました。また、異種グラフに対する新しいモデルを開発し、さまざまな不完全な環境に対応するための実践的な戦略を提案しました。これらのアプローチは、多くの実世界の応用において有効性を示しました。
|
| 研究成果の学術的意義や社会的意義 |
Several intrinsic defects in the current graph learning technology have hindered its widespread success. This project addresses these defects and promotes advancements in graph learning models. Many of the ideas created in this project have already diffused in the academic and industry community.
|
