| 講演名 | 2021-03-05 LSTMと条件付きVAEを用いた構造的特徴を指定可能なグラフ生成モデル 中沢 昇平(長岡技科大), 佐藤 良紀(長岡技科大), 中川 健治(長岡技科大), 津川 翔(筑波大), 渡部 康平(長岡技科大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年, グラフを用いたアプリケーション, シミュレーションの重要性が高まっている. グラフには様々な特徴があり, 特徴が異なると, シミュレーションの結果は異なる. そのため, 様々な特徴を有したグラフを用意するための生成手法が研究されている. 古典的には, リンクやノードの確率分布を与えて生成するモデルが研究されてきたが，近年では, 機械学習を用いることで, 実際のグラフデータから特徴を学習し, そのグラフを模倣したグラフを生成する手法が提案されてきている. しかし従来の機械学習を用いた研究では, データから特徴を学習できるが, 特徴を指定して, 任意の特徴のグラフの生成を行うことはできない. 本稿では, 機械学習により, データからグラフを学習しつつ, 特定の特徴のグラフを指定し, 生成可能なモデルを提案する. また, 提案した生成モデルの有効性を検証するために, 古典的な従来手法の一種によって生成した様々な特徴のグラフを学習し, 生成時に特徴を指定して, 生成が可能であることを示す. |
| 抄録(英) | In recent years, applications and simulations using graphs are becoming more important. The graph has various features, and the simulation results differ depending on the features. Therefore,In recent years, applications and simulations using graphs are becoming more important. A graph has various features, and the simulation results differ depending on thefeatures. Therefore, a graph generation method for preparing a graph with various features has been studied. Classically, a model that generates using a pre-defined probability distribution of edges and nodes has been studied. In recent years, a method of generating a graph that imitates the learned graph by learning features from actual graph data using machine learning has been studied. However, in conventional research using machine learning, features can be learned from data, but it is not possible to specify features and generate graphs of arbitrary features. In this paper, we propose a model that learns graphs from data and can generate a specified graph by specifying a value of a feature. With the proposed model that learned graphs of various features generated by the conventional method, we verified whether the graphs of arbitrary features could be generated by specifying the features. |
| キーワード(和) | ネットワーク / グラフ / 生成 / 条件付きVAE / 機械学習 |
| キーワード(英) | network / graph / generate / conditional VAE / machine learning |
| 資料番号 | NS2020-159 |
| 発行日 | 2021-02-25 (NS) |
| 研究会情報 | |
| 研究会 | IN / NS |
|---|---|
| 開催期間 | 2021/3/4(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 委員長氏名（和） | 石田 賢治(広島市大) / 中尾 彰宏(東大) |
| 委員長氏名（英） | Kenji Ishida(Hiroshima City Univ.) / Akihiro Nakao(Univ. of Tokyo) |
| 副委員長氏名（和） | 波戸 邦夫(インターネットマルチフィード) / 大石 哲矢(NTT) |
| 副委員長氏名（英） | Kunio Hato(Internet Multifeed) / Tetsuya Oishi(NTT) |
| 幹事氏名（和） | 小畑 博靖(広島市大) / 樫原 俊太郎(KDDI総合研究所) / 谷口 展郎(NTT) / 星野 文学(NTT) / 水野 志郎(NTT) / 吉田 雅裕(中大) |
| 幹事氏名（英） | Hiroyasu Obata(Hiroshima City Univ.) / Shuntaro Kashihara(KDDI Research) / Noburo Taniguchi(NTT) / Fumitaka Hoshino(NTT) / Shiro Mizuno(NTT) / Masahiro Yoshida(Chuo Univ.) |
| 幹事補佐氏名（和） | / 河野 伸也(NTT) |
| 幹事補佐氏名（英） | / Shinya Kawano(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Information Networks / Technical Committee on Network Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | LSTMと条件付きVAEを用いた構造的特徴を指定可能なグラフ生成モデル |
| サブタイトル（和） | |
| タイトル（英） | A study of a tunable generative model for graph data using machine learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ネットワーク / network |
| キーワード(2)（和/英） | グラフ / graph |
| キーワード(3)（和/英） | 生成 / generate |
| キーワード(4)（和/英） | 条件付きVAE / conditional VAE |
| キーワード(5)（和/英） | 機械学習 / machine learning |
| 第 1 著者 氏名（和/英） | 中沢 昇平 / Shohei Nakazawa |
| 第 1 著者 所属（和/英） | 長岡技術科学大学(略称：長岡技科大) Nagaoka University of Technology(略称：Nagaoka Univ. of Tech.) |
| 第 2 著者 氏名（和/英） | 佐藤 良紀 / Yoshiki Sato |
| 第 2 著者 所属（和/英） | 長岡技術科学大学(略称：長岡技科大) Nagaoka University of Technology(略称：Nagaoka Univ. of Tech.) |
| 第 3 著者 氏名（和/英） | 中川 健治 / Kenji Nakagawa |
| 第 3 著者 所属（和/英） | 長岡技術科学大学(略称：長岡技科大) Nagaoka University of Technology(略称：Nagaoka Univ. of Tech.) |
| 第 4 著者 氏名（和/英） | 津川 翔 / Sho Tsugawa |
| 第 4 著者 所属（和/英） | 筑波大学(略称：筑波大) Tsukuba University(略称：Tsukuba Univ.) |
| 第 5 著者 氏名（和/英） | 渡部 康平 / Kohei Watabe |
| 第 5 著者 所属（和/英） | 長岡技術科学大学(略称：長岡技科大) Nagaoka University of Technology(略称：Nagaoka Univ. of Tech.) |
| 発表年月日 | 2021-03-05 |
| 資料番号 | NS2020-159 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | NS-413 |
| ページ範囲 | pp.214-219(NS), |
| ページ数 | 6 |
| 発行日 | 2021-02-25 (NS) |