| 研究課題/領域番号 |
17H01785
|
|---|
| 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, 准教授 (90242289)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2022-03-31
|
| キーワード | ネットワーク / 影響最大化 / 変分オートエンコーダ / コミュニティ抽出 |
|---|
| 研究実績の概要 |
平成３０年度においては、以下の研究を行った。(1)影響最大化問題とは、情報の伝搬元となるk個の頂点をネットワーク中から選び、その頂点から周囲の頂点へと伝搬させることによって、なるべく多くの頂点へと伝搬するような伝搬元k個を選ぶ問題である。この問題は静的なネットワークであっても#P-Hardの問題であり、動的に変化するネットワークにおいてはなおさら困難な問題である。本研究では静的ネットワークに対して提案されている近似手法を動的ネットワークへと拡張した3つの手法を提案し、実験によってその有効性を確かめた。この成果はSpringerの論文誌Computational Social Networksに論文が掲載されている。(2)variational autoencoder (VAE)は深層学習におけるモデルの一つであり、画像認識などにおいて画像の生成モデルを学習することによって、画像の分類をしたり、与えられた画像に似た人工的な画像を生成したりすることが可能になる。この考え方をグラフ構造に応用したvariational graph autoencoder (VGAE)に注目する。VGAEにおいて、encoderとしてはGraph Convolutional Networkを用い、decoderとしては内積を用いている。本研究では、ネットワーク中の複数のコミュニティに対応する複数のGaussianの分布によってグラフ構造をencodeするネットワーク生成モデルvariational graph autoencoder for community detection (VGAECD)を提案し、関連手法とコミュニティ抽出の精度を比較することによって提案手法の有効性を示した。この成果は、採択率8.86%の国際会議ICDM 2018にregular paperとして論文採択された。
|
| 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
研究成果が論文誌や国際会議に採録されており、順調に進展している。
|
| 今後の研究の推進方策 |
これまでの研究成果をベースに、本研究の目標に沿った研究を進めていく。
|
