グラフ理論に基づく学習の提案と協調フィルタリングへの応用

基于图论的学习方案及其在协同过滤中的应用

• 批准号: 17650043
• 负责人: 上原 邦昭
• 金额: $ 1.86万
• 依托单位: Kobe University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Exploratory Research
• 财政年份: 2005
• 资助国家: 日本
• 起止时间: 2005 至 2006
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-17650043/
• 关键词: 半教師つき学習; マルチウェイカット; 特徴選択; グラフ理論; 最大密度部分グラフ; クリーク; 学習アルゴリズム; グラフに基づく学習; 機械学習; 協調フィルタリング

半教師つき学習は,ラベルデータが少量しか得られない状況で,大量かつ用意に得られるラベルなしデータを訓練集合に加えて,両方のデータを用いて学習するという特徴を持っている.本研究では,両方のデータを節点として,データ間の類似度を枝の重みとして置き換えたグラフを用いてデータ集合を表現し,このグラフのマルチウェイカットを求めて分類を行う,新たな半教師つき学習を提案した.さらに本研究では,半教師つき学習でのみ解決問題である,特徴選択手法を提案した.特徴選択は,通常,各属性が分類に有効かどうかを判断するために,多くのラベルデータが必要である.しかしながら,半教師つき学習ではラベルデータが少量しか得られないことを仮定しているため,有効属性の評価を行うことが困難である.このため,グラフ中の特徴的なパターン発見で使われている最大密度部分グラフを用いて,属性の分類に対する有効度を評価する方法を提案した.さらに,元の属性集合から最適な有効属性集合を求めるために,属性の有効性評価の結果を用いて,属性間の関係を示す属性関連グラフを定議し,このグラフからクリークを発見して有効属性集合を決定する手法も提案した.

Half-teaching and learning, a small amount of money, a small amount of money, a lot of money. In this study, the main purpose of this study is to improve the performance of the system. In this study, you need to improve the performance of this study. In this study, you need to know that in this study, you have to use the collection of information to show the performance of the system. In the course of this study, half-teaching students are required to learn how to solve problems, and specially choose the method of "proposal". Special selection is selected. In general, each attribute is classified into different categories, each attribute is classified into different categories, and multiple attributes are required. In the middle of the school, you can get a small amount of money. You know, you know, you have a lot of trouble. In this paper, we can see that the maximum density part of the system is suitable for use, and the attributes are classified into different categories. The proposed method is proposed. The attribute set has the attribute set to request the attribute collection, the attribute collection to request the attribute collection, the attribute attribute collection to request the attribute collection, and the attribute attribute collection to determine the proposed method.

项目成果

最大密度グラフによる特徴選択を用いた半教師付き学習

使用最大密度图进行特征选择的半监督学习

• 发表时间: 2006
• 期刊: 電子情報通信学会論文誌 D1(採録決定)
• 作者: Horaguchi T;Shutoh F;Oshima N;Inoue S;Nakamori S;Omuka T;Yamanaka T;Hisano S;Kuangyi Zhu;中谷善之;Younes Fadil;中谷善之
• 通讯作者: 中谷善之

Mixed Reality Cooking Support System using Content-free Recipe Selection

使用无内容食谱选择的混合现实烹饪支持系统

• 发表时间: 2006
• 期刊: Proc. of The Second IEEE International Workshop on Multimedia Infrmation Processing and Retrieval
• 作者: Horaguchi T;Shutoh F;Oshima N;Inoue S;Nakamori S;Omuka T;Yamanaka T;Hisano S;Kuangyi Zhu;中谷善之;Younes Fadil
• 通讯作者: Younes Fadil

Effective Allocation of Large Number of Multiple Tasks in Arbitrarily Connected Distributed Computing Systems

任意连接的分布式计算系统中大量多任务的有效分配

• 发表时间: 2006
• 期刊: Journal of Supercomputing 未定(採録決定)
• 作者: Sarker;B.K.
• 通讯作者: B.K.

Semi-Supervised Learning using Feature Selection based on Maximum Density Graph

使用基于最大密度图的特征选择的半监督学习

• 发表时间: 2007
• 期刊: Computer ＆ Systems in Japan (採録決定)(未定)
• 作者: Horaguchi T;Shutoh F;Oshima N;Inoue S;Nakamori S;Omuka T;Yamanaka T;Hisano S;Kuangyi Zhu
• 通讯作者: Kuangyi Zhu

Semisupervised learning using feature selection based on maximum density subgraphs

• DOI: 10.1002/scj.20757
• 发表时间: 2007
• 期刊: Syst. Comput. Jpn.
• 作者: Yoshiyuki Nakatani;Kuangyi Zhu;Kuniaki Uehara