データの更新に対して頑健・高速な半構造データからの情報抽出アルゴリズムの構築

从半结构化数据构建信息提取算法，该算法对数据更新具有鲁棒性和快速性

• 批准号: 18700154
• 负责人: 坂本 比呂志
• 金额: $ 1.79万
• 依托单位: Kyushu Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2006
• 资助国家: 日本
• 起止时间: 2006 至 2007
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-18700154/
• 关键词: 半構造データ; 情報抽出; 機械学習; パターン発見

本研究の目的は、ウェブページやXMLデータが無制限にネットワーク上を流れる大規模半構造データストリームから,有用な情報を効率よく獲得するオンライン型半構造情報抽出アルゴリズムの開発を行うことである.特に,本研究では,申請者らのこれまでの先行研究によってもたらされた,機械学習による情報抽出,パターン発見アルゴリズム,データ圧縮等の技術を援用することで,動的に変化する大規模半構造データに対して,限定された計算機資源のもとで高速かつ頑健なデータ抽出処理を実現するアルゴリズムの構築を目指す.従来の機械学習による情報抽出の枠組みでは,アルゴリズムは与えられたデータから一般構造を発見して,ラッパー(抽出規則)を構築する.また,抽出アルゴリズムがラッパーと未知のデータをマッチングさせて適切なデータを取り出す.この方法では,データがHTMLのように単純な根付き木(Rooted Tree)で表現できる場合には,それほど多くの訓練例を必要とせず,また抽出規則も簡単な場合が多く,学習が容易である.しかしながら,この方法では,訓練例が動的に変化する場合には学習をもう一度最初からやり直さなければならず,また,XMLデータのように,より複雑なデータ構造(DAG:Directed Acyclic Graph)が対象となると,学習そのものが困難となる.今年度は,前年度までに得られた基本的なアルゴリズムをより大規模なデータに対して実現し,その性能を他のアルゴリズムと比較を行った.その結果,本研究のアルゴリズムは,多種法よりも数十から数百倍の高速化を達成した.この成果によって,本研究は第18回データ工学ワークショップにおいて優秀論文賞を受賞した.

The purpose of this study is to extract XML data from a large scale semi-structured database without restriction, and to obtain useful information at a high rate. In particular, this study is aimed at the application of technologies such as advanced research, mechanical learning, information extraction, discovery, and data compression to limit computer resources to large scale semi-structured applications. In the past, mechanical learning has been used to extract information from a group of objects. Please select the appropriate file to be retrieved. This method is simple, simple and easy to learn in many situations, such as HTML, Rooted Tree, performance, etc. In this method, training examples are changed from dynamic to dynamic. In this case, it is difficult to learn from dynamic to dynamic. In the first place, it is difficult to learn from dynamic to dynamic. This year, the previous year, we have been able to achieve the basic goal of large-scale development, and we have been able to compare the performance of other projects. As a result, this study has achieved several tens or hundreds of times higher speed by multiple methods. This research is the 18th chapter of the project.

项目成果

有向グラフ上の到達可能性判定のための索引構造と大規模XMLデータへの応用

有向图可达性判断的索引结构及其在大规模XML数据中的应用

• 发表时间: 2007
• 期刊: 第18回データ工学ワークショップ(DEWS2007)【DEWS2007優秀論文賞受賞】
• 作者: 中村有作;他2名
• 通讯作者: 他2名

参照構造を持つXML上の高速な到達可能性判定

使用参考结构快速确定 XML 的可达性

• 发表时间: 2007
• 期刊: 人工知能学論文誌 22(2)
• 作者: 中村有作;他2名
• 通讯作者: 他2名

有向グラフ上の最短距離の効率的な計算

有向图上最短距离的高效计算

• 发表时间: 2008
• 作者: 原口新平;他2名
• 通讯作者: 他2名

DAG上の2HOPラベリングの効率的なメンテナンス,第66回SIG-FPAI研究会

DAG 上 2HOP 标记的高效维护，第 66 届 SIG-FPAI 研究组

• 发表时间: 2007
• 作者: 原口新平;中村有作;坂本比呂志
• 通讯作者: 坂本比呂志

Efficient Reachability Test on Directed Graphs and Its Application to Large XML Data

有向图的高效可达性测试及其在大XML数据中的应用

• 发表时间: 2007
• 期刊: Proc.3^<rd> IEEE International Workshop on Databases for Next-Generation Researchers
• 作者: Yuusaku Nakamura;他2名
• 通讯作者: 他2名