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

大内存环境下图特征提取算法的性能优化

• 批准号: 21K17749
• 负责人: 金刺 宏樹
• 金额: $ 3万
• 依托单位: The University of Tokyo (2022)National Institute of Advanced Industrial Science and Technology (2021)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K17749/
• 关键词: グラフ構造; グラフ処理; 特徴量抽出アルゴリズム; 深層学習; 表現学習; ハイパフォーマンス・コンピューティング; アルゴリズム; 複合メモリシステム

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。

今年，在去年之后，我们继续使用图形神经网络（GNN）模型进行表达学习的应用研究，并探索了图结构和GNN模型的构建方法，以解决技术问题，尤其是专业领域。在金融领域，我们通过比较和验证GNN模型来检测加密货币交易网络固有的欺诈性帐户，并将交易网络和异质图结构扩展到GNN模型，从而实现了模型性能的总体改进。此外，在其他领域，通过与公司的协作研究，我们设计并构建了适当的图形结构和表达学习模型，重点关注现实世界应用建议系统。例如，根据要解决的任务和可用的数据，例如求职者和招聘人员之间的求职匹配，建议在道路交通系统上提出旅游景点，以及基于用户浏览历史记录的新闻网站上的文章建议。就理论而言，我们专注于研究大规模图的GNN模型，其中结构随时间而动态变化。在现实世界中（例如上述）中处理的许多图形数据都在动态变化，并且特别需要获得长期变化的特征和上下文的模型，但是常规的GNN模型只能学习短期变化的特征。因此，我们提出了一个基于变压器的模型，以了解随时间变化的动态图数据的特征。

项目成果

強化学習によるマッチング数を最大化するジョブ推薦システム

使用强化学习最大化匹配数量的职位推荐系统

• 发表时间: 2023
• 作者: 脇聡志;鈴村豊太郎;金刺宏樹;小林秀
• 通讯作者: 小林秀

大規模グラフニューラルネットワークにおける実行性能とモデル精度のトレードオフに関する評価

评估大规模图神经网络中执行性能和模型精度之间的权衡

• 发表时间: 2021
• 作者: Hiroki Kanezashi;Toyotaro Suzumura;Xin Liu;Takahiro Hirofuchi;金刺 宏樹
• 通讯作者: 金刺 宏樹

Ethereum Fraud Detection with Heterogeneous Graph Neural Networks

• DOI: 10.48550/arxiv.2203.12363
• 发表时间: 2022-03
• 期刊: ArXiv
• 作者: H. Kanezashi;T. Suzumura;Xin Liu;Takahiro Hirofuchi

How Expressive are Transformers in Spectral Domain for Graphs?

• 发表时间: 2022-01
• 期刊: Trans. Mach. Learn. Res.
• 作者: Anson Bastos;Abhishek Nadgeri;Kuldeep Singh;H. Kanezashi;T. Suzumura;I. Mulang'