大規模半構造データからの知織発見

点击翻译按钮获取中文摘要

計画初年度である平成15年度は,研究課題「大規模半構造データからの知識発見」に関して,以下の1〜3の研究を行った.1.これまで我々が取り組んできた順序木パターン発見アルゴリズムFREQTを拡張して,より現実の半構造データに近いモデルであるラベルつき無順序木からの効率よい頻出パターン発見アルゴリズムUNOTを開発した.このアルゴリズムは,無順序木パターンの高速列挙技法と,パターンの出現の逐次更新手法を組み合わせることにより,1パターンあたりO(kb^2m)時間で,すべての頻出無順序木パターンを重複せずに計算する.ここに,kはパターンサイズ,bはデータの最大枝分かれ数,mはパターンの出現数である.この成果は,昨年10月に札幌で開催された第6回発見科学国際会議(DS'03)で発表した.2.本年度の科研費で購入したPCシステムを用いて,昨年度に開発した半構造データストリームからの高速マイニング手法StreamTの性能評価実験を行った.具体的には,複数の候補パターン管理戦略とオンラインマイニング戦略を組み合わせて知識発見実験を行うことにより,提案手法の有効性を実証した.この成果は,昨年6月に開催された2003年度人工知能学会全国大会で発表し,大会優秀論文賞を受賞した.さらに,人工知能学会主催の国際会議録に招待され,平成16年中にSpringer-VerlagのLNCSシリーズとして出版される予定である.3.これまでに開発された半構造データマイニング手法を分析し,木構造やグラフ構造データを対象にした組み合わせパターンに対する統一的なアルゴリズムを,列挙アルゴリズムの一般的な構成法である逆探索の枠組みで与えることに成功した.この成果は,昨年11月に福岡で開催された情報科学と電気工学国際ワークショップ(ISEE'03)で発表した.