A study on technologies for utilizing multi-granular distributed knowledge graphs

点击翻译按钮获取中文摘要

【研究項目1 MD知識グラフの構造的・意味的要約生成】（担当：天笠，サポート：塩川）一般のグラフに対する要約生成手法を参考に，知識グラフに適した構造要約手法を検討した．知識グラフに含まれる多数のエンティティに対して，同一性判定を効率よく行うブロッキング手法を開発した（SAC2022，ACM ACR）．【研究項目2 高速かつ分散透過なMD知識グラフ検索】（担当：塩川，サポート：天笠）MD知識グラフに対する検索処理の高速化を念頭に，ベクトル表現されたデータに対する逆k最近傍検索をGPUで高速化する手法（DEMoC-2022），Opticsクラスタリングを高速に行う手法（DEXA2022），Transformerを用いた時系列予測手法の高速化（DEXA2022），ストリームデータに対する高精度な欠損値補完手法（iiWAS2022）などを開発した．また，フォグ環境における分散RDF推論の最適化手法についても検討した（SAC2023）．【研究項目3 MD知識グラフと異種データの連携】（担当：北川，サポート：天笠）エンィティの直接的なマッチング（エンティティリンキング）だけではなく，エンティティの意味的な特徴に着目したマッチングを検討する．初年度は，関係データベースを対象とした仮想知識グラフ手法（DEIMフォーラム2023）を開発した．【研究項目4 プロトタイプ構築および性能評価】（担当：Bou，サポート：全員）プロトタイプシステム構築に向けて，他の研究項目と連携し，各手法の基礎的な部分を実装，評評価した．