グラフ構造表現された知識の高精度構造的補完手法の探究

• 研究課題/領域番号: 24K15090
• 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: 広島市立大学
• 研究代表者: 内田 智之 広島市立大学, 情報科学研究科, 教授 (70264934)
• 研究分担者: 正代 隆義 福岡工業大学, 情報工学部, 教授 (50226304) ; 松本 哲志 東海大学, 理学部, 教授 (30307235) ; 鈴木 祐介 広島市立大学, 情報科学研究科, 講師 (10398464)
• 研究期間 (年度): 2024-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円); 2027年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円); 2026年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円); 2025年度: 780千円 (直接経費: 600千円、間接経費: 180千円); 2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
• キーワード: グラフ構造知識 / 知識補完 / グラフニューラルネットワーク / 計算論的学習理論 / 論理プログラミング

研究開始時の研究の概要

グラフ構造表現された知識(グラフ構造知識)には、知識を体系化しネットワークで表現した知識グラフや、グラフ構造データを対象とした深層学習モデルであるグラフニューラルネットワーク(GNN)が学習した構造的特徴などがある。学習データから構築されたグラフ構造知識には構造的特徴が欠落することがある。そこで、グラフを扱える論理プログラミングである形式グラフ体系(FGS)を用いてグラフ構造知識を表し、FGSで表現された知識に対する高精度な構造的補完のための推論手法について理論的に探究する。さらに、知識グラフやGNNが学習したグラフ構造知識に対する構造的補完手法を実装し、実時間実行可能性について評価する。