Rapid pattern discovery from huge semi-structured data based on local structure in graph

基于图局部结构的海量半结构化数据快速模式发现

• 批准号: 20700143
• 负责人: SAKAMOTO Hiroshi
• 金额: $ 2.33万
• 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: 2009
• 资助国家: 日本
• 起止时间: 2009 至 2010
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-20700143/
• 关键词: ウェブマイニング; 知識発見; 半構造データ; 機械学習; 情報抽出; カーネル法; パターン発見; 距離計算; 圧縮文字列照合; アルゴリズム

For the difficult mining problem from huge semi-structured data, we developed a scalable method to find characteristic patterns immediately. By this method, we can obtain interesting patterns with high accuracy avoiding the subgraph isomorphism problem, which is a bottleneck of such problem.

针对海量半结构化数据挖掘的难题，提出了一种快速发现特征模式的可扩展方法。该方法避免了子图同构问题的瓶颈，可以获得高精度的有趣模式。

项目成果

Extracting Research Communities from Bibliographic Data

从书目数据中提取研究团体

• 期刊: KES Journal
• 作者: Yushi Nakamura;Toshihiko Horiike;Tetsuji Kuboyama;Hiroshi Sakamoto
• 通讯作者: Hiroshi Sakamoto

Extracting Research Communities from Bibliographic Data KES Journal

从书目数据中提取研究社区 KES Journal

• 期刊: to appear
• 作者: Yushi Nakamura;Toshihiko Horiike;Tetsuji Kuboyama;Hiroshi Sakamoto
• 通讯作者: Hiroshi Sakamoto

Predicting Mutation Trend of Influenza A Virus through Dimensionality Reduction in Hamming Metric on HA Amino Acid Sequences

通过HA氨基酸序列汉明度量降维预测甲型流感病毒突变趋势

• 发表时间: 2011
• 作者: T.Kuboyama;K.Ito;K.Hirata;H.Sakamoto
• 通讯作者: H.Sakamoto

Edit Sensitive Parsingを用いた文法圧縮に基づく省スペースな索引構造-理論編-

基于使用编辑敏感解析的语法压缩的节省空间的索引结构 - 理论版 -

• 发表时间: 2010
• 作者: 馬場雅大;丸山史郎;坂本比呂志;小野廣隆;定兼邦彦;山下雅史
• 通讯作者: 山下雅史

Predicting Mutation Trend of Influenza A Virus through Dimensionality Reduction in Hamming Metric on HA Amino Acid Sequences Annual

通过每年HA氨基酸序列汉明度量降维预测甲型流感病毒突变趋势

• 发表时间: 2011
• 作者: T.Kuboyama;K.Ito;K.Hirata;H.Sakamoto
• 通讯作者: H.Sakamoto