大容量メモリ環境上のグラフ特徴量抽出アルゴリズムの性能最適化

本年度は、昨年度に引き続きグラフニューラルネットワーク(GNN) モデルを活用した表現学習の応用研究を進め、特に専門領域に特化した技術的課題を解決するためのグラフ構造とGNNモデルの構築手法を探求した。金融領域においては、暗号通貨の取引ネットワークに内在する不正アカウントを検出するためのGNN モデルを比較検証し、取引ネットワークとGNNモデルへのヘテロジニアスなグラフ構造への拡張により、総合的なモデル性能の向上を達成した。さらに他の分野においても、企業と共同研究を通じて、実世界アプリケーションの推薦システムを中心とした適切なグラフ構造や表現学習モデルの設計・構築を行っている。例えば、求職者と求人者間のジョブマッチング、道路交通システム上での観光スポットなどの提案、ユーザの閲覧履歴に基づいたニュースサイトの記事の推薦など、解くべき課題と利用可能なデータを踏まえた過程で最適なグラフ構造、表現学習モデルの設計構築を行っている。理論面では、時系列で構造が動的に変化する大規模グラフ向けGNN モデルの研究を重点的に実施した。上記のような実世界アプリケーションで扱われているグラフデータは動的に変化するものが多く、特に長期的な変化の特徴・コンテキストを得るモデルが必要とされているが、従来のGNNモデルでは短期的な変化の特徴しか学習することができない。そこで、長期的に変化する動的グラフデータの特徴を把握するための Transformer ベースのモデルを提案した。

本年度は、昨年度に引き続きグラフニューラルネットワーク(GNN) モデルを活用した表現学習の応用研究を進め、特に専門領域に特化した技術的課題を解決するためのグラフ構造とGNNモデルの構築手法を探求した。金融領域においては、暗号通貨の取引ネットワークに内在する不正アカウントを検出するためのGNN モデルを比較検証し、取引ネットワークとGNNモデルへのヘテロジニアスなグラフ構造への拡張により、総合的なモデル性能の向上を達成した。さらに他の分野においても、企業と共同研究を通じて、実世界アプリケーションの推薦システムを中心とした適切なグラフ構造や表現学習モデルの設計・構築を行っている。例えば、求職者と求人者間のジョブマッチング、道路交通システム上での観光スポットなどの提案、ユーザの閲覧履歴に基づいたニュースサイトの記事の推薦など、解くべき課題と利用可能なデータを踏まえた過程で最適なグラフ構造、表現学習モデルの設計構築を行っている。理論面では、時系列で構造が動的に変化する大規模グラフ向けGNN モデルの研究を重点的に実施した。上記のような実世界アプリケーションで扱われているグラフデータは動的に変化するものが多く、特に長期的な変化の特徴・コンテキストを得るモデルが必要とされているが、従来のGNNモデルでは短期的な変化の特徴しか学習することができない。そこで、長期的に変化する動的グラフデータの特徴を把握するための Transformer ベースのモデルを提案した。