Research and development on workload-aware graph database engine

点击翻译按钮获取中文摘要

課題1:1)グラフデータ処理の基礎問題であるシュタイナー木を高速かつ高精度に列挙可能なアルゴリズムに関してCIKM採択．本技術は二分決定図を大規模グラフに適用可能なように重要なグラフ構造を事前に特定することで，二分決定図の構築コストを抑え高速性と高精度を両立した．2)サブグラフマッチングのマッチ条件を緩和させた一般化問題であるサブグラフ編集距離問合せに関する研究を実施し国際会議投稿準備中．本技術の特徴は問合せグラフとデータグラフ上の経路を比較することでサブグラフ編集距離の上限値と下限値を計算し，不要な計算を枝刈りし高速化することである．3)失敗パターンの活用によるサブグラフマッチングの高速化技術に関して国際会議投稿中．本技術の特徴はサブグラフ同型の制約条件を満たさない失敗パターンを記録することで不要な探索を除外する点にある．4)属性付き人工グラフ生成器を開発しInformation Systems に採択．課題2:1)人工グラフ生成器を用いてgraph neural network(GNN)の性能を評価するベンチマークを開発し最新のGNNの特性を解明した(NeurIPS, ECML/PKDD採択)．2)GNNを高スケール化・高速化する自動変換フレームワークを開発(ECML/PKDD採択)．本技術の特徴はGNNアルゴリズムを解析することで，特徴量集約の処理を事前処理し更に大規模グラフを適切な粒度で分割しGPU計算可能にした点にある．3)将来のグラフ全体を高精度に予測する技術を開発しACLに採択．本技術では新たな節点の予測に加えて予測要素間の依存関係を利用することで高精度な予測を可能とした．4)グラフ上の頻出な経路パターンを検出し，経路パターン間の関係性を評価する技術を開発し国際会議投稿準備中．本技術では経路パターンに着目しスケーラブルかつ高速なマイニング技術を開発した．