講演抄録/キーワード |
講演名 |
2021-06-28 15:20
属性区間付きグラフを用いた予測グラフマイニング ○朝日陽向・烏山昌幸(名工大) NC2021-6 IBISML2021-6 |
抄録 |
(和) |
分子構造や交通ネットワークなど複雑な構造化データを表現する方法としてグラフが広く用いられている.本研究では,各頂点または辺が連続値を持つ属性付きグラフから,予測に寄与する部分グラフを抽出する予測グラフマイニングを考える.既存の予測グラフマイニングアルゴリズムは属性値が離散の場合のみを扱っており,連続値の属性付きグラフから解釈可能な表現を抽出することはできなかった.ここでは,属性値の区間が付随した部分グラフ(属性区間付きグラフ)によって,どのような属性値を持つ部分グラフが予測に寄与するのか表現し,スパースモデルにより重要な属性区間付き部分グラフを発見する方法を提案する.あり得る属性区間付き部分グラフは膨大だが,予測へ寄与しない特徴量を枝刈りするスクリーニングと,区間と部分グラフの列挙を同時に行うマイニング木を組み合わせることで効率的な最適化が可能になることを示す.さらに,計算機実験で既存手法との比較を行い,提案法の有用性を示す. |
(英) |
Graphs have been widely used to represent structured data such as molecular data and traffic networks. In this paper, we consider a predictive graph mining problem for continuous attributed graphs, while existing predictive graph mining methods are only for discrete attributes. We employ an approach based on a graph with `intervals of attributes’, which we call an interval-attributed graph. This enables to extract interpretable representations from continuous attributed graphs. We propose a sparse linear model by which we can identify a small number of important interval-attributed subgraphs for the prediction. Although there exist a large number of possible interval attributed subgraphs, we show that an efficient pruning method can be constructed by using a mining tree that enumerates both of subgraphs and intervals. Furthermore, we compare our proposed method with existing methods by using several benchmark datasets. |
キーワード |
(和) |
属性付きグラフ / グラフ分類 / グラフマイニング / 区間マイニング / / / / |
(英) |
Attributed Graph / Graph Classfication / Graph Mining / Interval Mining / / / / |
文献情報 |
信学技報, vol. 121, no. 80, IBISML2021-6, pp. 39-46, 2021年6月. |
資料番号 |
IBISML2021-6 |
発行日 |
2021-06-21 (NC, IBISML) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2021-6 IBISML2021-6 |
研究会情報 |
研究会 |
NC IBISML IPSJ-BIO IPSJ-MPS |
開催期間 |
2021-06-28 - 2021-06-30 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
機械学習によるバイオデータマイニング、一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2021-06-NC-IBISML-BIO-MPS |
本文の言語 |
日本語 |
タイトル(和) |
属性区間付きグラフを用いた予測グラフマイニング |
サブタイトル(和) |
|
タイトル(英) |
Predictive Graph Mining using Graphs with Interval Attributes |
サブタイトル(英) |
|
キーワード(1)(和/英) |
属性付きグラフ / Attributed Graph |
キーワード(2)(和/英) |
グラフ分類 / Graph Classfication |
キーワード(3)(和/英) |
グラフマイニング / Graph Mining |
キーワード(4)(和/英) |
区間マイニング / Interval Mining |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
朝日 陽向 / Hinata Asahi / アサヒ ヒナタ |
第1著者 所属(和/英) |
名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technology (略称: NIT) |
第2著者 氏名(和/英/ヨミ) |
烏山 昌幸 / Masayuki Karasuyama / カラスヤマ マサユキ |
第2著者 所属(和/英) |
名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technology (略称: NIT) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2021-06-28 15:20:00 |
発表時間 |
25分 |
申込先研究会 |
IBISML |
資料番号 |
NC2021-6, IBISML2021-6 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.79(NC), no.80(IBISML) |
ページ範囲 |
pp.39-46 |
ページ数 |
8 |
発行日 |
2021-06-21 (NC, IBISML) |
|