权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Research and development on workload-aware graph database engine

工作负载感知图数据库引擎研发

基本信息

批准号：
20H00583
负责人：
鬼塚真
金额：
$ 28.37万
依托单位：
Osaka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

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．

Topic 1:1) CIKM acquisition is a key to CIKM acquisition. This technology is divided into two parts: decision making, large-scale application, important structure, prior specification, decision making, construction, suppression, high speed, high precision, etc. 2) decision making, adjustment of conditions, generalization of problems, compilation of distance, and preparation of contributions to international conferences. The characteristic of this technology is to calculate the upper limit and lower limit of the compilation distance, and not to calculate the upper limit and lower limit of the compilation distance. The characteristics of this technology include: the restriction conditions of the same type of information; the failure of the information; the record of the information; the discovery of the information; and the development of the Information Systems. Topic 2:1) Performance evaluation of graph neural network(GNN) using artificial neural network generator (NeurIPS, ECML/PKDD acquisition). 2) Development of automatic graph neural network (ECML/PKDD acquisition). This technology features GNN analysis, feature intensive processing, preprocessing, large-scale segmentation, GPU computing, and high-precision prediction of future generation. This technology is developing and preparing for submission to international conference. This technology is the development of high-speed technology.