Design and Analysis of Efficient Class-oriented Graph Mining Systems

高效的面向类的图挖掘系统的设计与分析

• 批准号: 23500182
• 负责人: SHOUDAI Takayoshi
• 金额: $ 3.33万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2013
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-23500182/
• 关键词: グラフパターン; グラフマイニング; グラフアルゴリズム; グラフ構造データ; データマイニング; 機械学習; 機械発見; 帰納推論

Our object of this research is to develop an effective graph pattern designing system for efficient data mining from graph-structured data. During this research period, the following results mainly were obtained.(1) A tree contraction pattern (TC-pattern) is an unordered tree-structured pattern common to given unordered trees, which is obtained by merging every uncommon connected substructure into one vertex by edge contraction. We show that an important subclass of TC-patterns is polynomial-time inductively inferable from positive data. Moreover, we discuss the optimization versions of the learning problems for TC-patterns, and give the conditions under which the optimization problems are hard to compute.(2) We introduce context-deterministic regular formal graph systems (FGS) as one of the effective graph pattern designing systems, and propose a polynomial time algorithm for learning the class of context-deterministic regular FGSs in the framework of MAT learning.

我们的研究目标是开发一个有效的图模式设计系统，从图结构的数据进行有效的数据挖掘。在本研究期间，主要取得了以下成果。(1)树收缩模式（TC-模式）是一种无序树结构模式，它是通过边收缩将所有不常见的连通子结构合并为一个顶点而得到的。我们表明，一个重要的子类TC模式是多项式时间归纳推断的积极的数据。此外，我们还讨论了TC-模式学习问题的优化形式，并给出了优化问题难以计算的条件。(2)本文介绍了一种有效的图模式设计系统--上下文确定性正则形式图系统（FGS），并在MAT学习框架下提出了一种学习上下文确定性正则形式图系统类的多项式时间算法。

项目成果

Structure-based Data Mining and Screening for Network Traffic Data

基于结构的网络流量数据挖掘与筛选

• DOI: 10.1109/iiai-aai.2013.78
• 发表时间: 2013
• 期刊: Proc. 2nd Int. Conf. Advanced Applied Informatics (IIAI-AAI2013)
• 作者: Hiroshi Hirai;Shigeru Takano;Einoshin Suzuki;H. Tsuruta and T . Shoudai
• 通讯作者: H. Tsuruta and T . Shoudai

頻出時系列発見近似ストリームアルゴリズムとそのデータスクリーニングへの応用について

频繁时间序列发现近似流算法及其在数据筛选中的应用

• 发表时间: 2012
• 作者: 岡本 敦;鶴田 悠;正代 隆義
• 通讯作者: 正代 隆義

Polynomial Time Inductive Inference of Cograph Pattern Languages from Positive Data

正数据的 Cograph 模式语言的多项式时间归纳推理

• DOI: 10.1007/978-3-642-31951-8_32
• 发表时间: 2012
• 期刊: Lecture Notes in Artificial Intelligence, Springer-Verlag
• 作者: Y.Yoshimura;T.Shoudai;Y.Suzuki;T.Uchida;T.Miyahara
• 通讯作者: T.Miyahara

マルコフ連鎖モンテカルロ法の木構造パターン発見への応用

马尔可夫链蒙特卡罗方法在树结构模式发现中的应用

• 发表时间: 2013
• 作者: 小柳 健介;岡本 康宏;丸山 修;正代隆義
• 通讯作者: 正代隆義

ストリーム上の頻出時系列とその近似発見アルゴリズムについて

关于流上的频繁时间序列及其近似发现算法

• 发表时间: 2013
• 作者: 岡本 敦;正代 隆義
• 通讯作者: 正代 隆義