• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

グラフニューラルネットワーク技術の深化

研究課題

研究課題/領域番号 23K28141
補助金の研究課題番号 23H03451 (2023)
研究種目

基盤研究(B)

配分区分基金 (2024)
補助金 (2023)
応募区分一般
審査区分 小区分61030:知能情報学関連
小区分60030:統計科学関連
合同審査対象区分:小区分60030:統計科学関連、小区分61030:知能情報学関連
研究機関東京工業大学

研究代表者

村田 剛志  東京工業大学, 情報理工学院, 教授 (90242289)

研究分担者 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) 2023-04-01 – 2028-03-31
研究課題ステータス 交付 (2024年度)
配分額 *注記
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2027年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2026年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2025年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2024年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2023年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
キーワードグラフニューラルネットワーク / 頑強化 / 動的グラフ / エンベディング
研究開始時の研究の概要

本研究課題において学術的に解決したい課題として、【1】グラフニューラルネットワー
クの技術的な課題の解決【2】グラフニューラルネットワークの応用の方向性の拡大につい
ての研究を進める。最終的には「グラフニューラルネットワークによって、何がどこまで可能になるか」に対する答を追究する。この「学術的問い」に向けて、具体的には以下のことについて取り組んでいく。
【1】 グラフニューラルネットワークの技術的な課題の解決 ( 【1A】グラフニューラルネットワークの頑強化 【1B】動的グラフを扱うグラフニューラルネットワーク )
【2】グラフニューラルネットワークの応用の方向性の拡大

研究実績の概要

本研究課題「グラフニューラルネットワーク技術の深化」は【1】グラフニューラルネットワークの技術的な課題の解決【2】グラフニューラルネットワークの応用の方向性の拡大についての研究を進める。最終的には「グラフニューラルネットワークによって、何がどこまで可能になるか」に対する答を追究する。
令和5年度の研究実績として、博士学生のRuidong Jin氏の論文"Predicting Potential Real-time Donations in YouTube Live Streaming Services via Continuous-time Dynamic Graph"が論文誌Machine Learningに採択された。これはYouTubeの投げ銭(スーパーチャット)を予測するGNNの研究であり、視聴者間のインタラクションを連続時間動的グラフとしてモデル化し、視聴者から配信者への投げ銭を予測するものである。隣接ノードの時間差分に注目したTemporal Difference Graph Neural Network (TDGNN)を提案し、kaggleの公開データを用いた実験で精度向上を確認した。また修士学生の長谷川敦氏の論文"DEGNN: Dual Experts Graph Neural Network Handling Both Edge and Node Feature Noise"が、国際会議The 28th Pacific-Asia Conference on Knowledge Discovery and Data Minig(PAKDD 2024)に採択された。これは辺のノイズを扱うモジュールと、頂点の特徴のノイズを扱うモジュールの両者がやり取りをすることによって、入力としてノイズを含んだグラフが与えられても精度よく学修を行うGNNについての研究である。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

「研究実績の概要」で述べたように、令和5年度は論文誌Machine Learningに論文採択されたり、国際会議The 28th Pacific-Asia Conference on Knowledge Discovery and Data Minig(PAKDD 2024)に論文採択されるなどの成果がある。またこれに加えて修士学生の宮崎 直哉氏の人工知能学会第131回知識ベースシステム(KBS)研究会での発表「点群に対するマスクありグラフ自己教師あり学習」が、2023年度人工知能学会研究会優秀賞を受賞することが決定している。これらの研究実績から、本研究課題はおおむね順調に進展していると考えられる。

今後の研究の推進方策

これまでの研究実績をふまえ、今後も【1】グラフニューラルネットワークの技術的な課題の解決【2】グラフニューラルネットワークの応用の方向性の拡大 のそれぞれについての研究を進めていく。特にグラフニューラルネットワークの実応用については幅広い産業界からのニーズがあり、それらを少しでも満足させることができるような研究を目指す。

報告書

(1件)
  • 2023 実績報告書
  • 研究成果

    (3件)

すべて 2024 2023

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (2件) (うち国際学会 1件、 招待講演 1件)

  • [雑誌論文] Predicting potential real-time donations in YouTube live streaming services via continuous-time dynamic graphs2023

    • 著者名/発表者名
      Jin Ruidong、Liu Xin、Murata Tsuyoshi
    • 雑誌名

      Machine Learning

      巻: 113 号: 4 ページ: 2093-2127

    • DOI

      10.1007/s10994-023-06449-z

    • 関連する報告書
      2023 実績報告書
    • 査読あり / オープンアクセス
  • [学会発表] DEGNN: Dual Experts Graph Neural Network Handling Both Edge and Node Feature Noise2024

    • 著者名/発表者名
      Tai Hasegawa、Liu Xin、Murata Tsuyoshi
    • 学会等名
      The 28th Pacific-Asia Conference on Knowledge Discovery and Data Minig(PAKDD 2024)
    • 関連する報告書
      2023 実績報告書
    • 国際学会
  • [学会発表] グラフニューラルネットワークによる構造データ機械学習2023

    • 著者名/発表者名
      村田剛志
    • 学会等名
      産業技術総合研究所人工知能研究センター第70回AIセミナー(2023年10月17日)
    • 関連する報告書
      2023 実績報告書
    • 招待講演

URL: 

公開日: 2023-04-18   更新日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi