最適パターン発見に基づく大規模半構造データからの知的情報獲得システムの開発

基于最优模式发现的大规模半结构化数据智能信息获取系统开发

基本信息

批准号：
14019070
负责人：
有村博紀
金额：
$ 3.97万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
2002
资助国家：
日本
起止时间：
2002 至无数据
项目状态：
已结题

项目摘要

ネットワーク上に分散したウェブページやXML等の半構造データの急速な増大に対して,これらのコンテンツに直接アクセスするための効率良い手法の開発が緊急の課題となっている.本研究では,大規模半構造データからのデータマイニング(ウェブマイニング)に基づき,大量のデータ解析を対話的に支援する効率的なツールとして,従来の情報検索システムを超えた新しい情報アクセスシステムの開発を目指す.そのための鍵となる技術として,最適パターン発見を木やグラフ構造に拡張して,半構造データに対する頑健かつ高速な最適化パターン発見アルゴリズムを開発する.さらに,ウェブマイニングを(a)有用な情報源の発見,および(b)特徴的なパターンの発見,(c)情報抽出の3つの過程ととらえ,これらを有機的に結合して,半構造データを対象とした知識獲得システムの効率良い実現方式を明らかにすることを目標とする.また,計算量理論と計算学習理論の最新成果を援用し,計算量に徹底的に配慮した高速なアルゴリズムの開発を目指すのも特色である.平成14年度は,次の研究成果を得た.(a)「有用な情報源の発見」に関しては,従来より表現力の高いパターンである可変長変数パターン(VLDCパターン)に対する新しいテキスト索引構造を開発し,これを用いて,効率よい最適化マイニングアルゴリズムを開発した.(b)「特徴的なパターンの発見」に関しては,XML-MessagingとSOAPへの応用を目指して,昨年開発した半構造データマイニング手法FREQTを元に,高速な半構造データストリームマイニングSTREAMTを開発した.これは,非常に少なく資源を使いながらデータストリームを監視し、有用なパターンを逐次報告するアルゴリズムである.また,FREQTの最適化マイニングへの拡張と理論的性能解析を行い,この方式の最適性を示した.(c)「情報抽出」に関しては,XMLデータ処理の基本技術である符号語列上のパターン照合機械技術を開発し,XMLパターン検索への応用を考察した.

为了响应半结构化数据的快速增加，例如网络分布的网页和XML，开发直接访问这些内容的有效方法已成为一个紧迫的问题。在这项研究中，我们旨在开发新的信息访问系统，这些系统将超越传统信息搜索系统作为有效的工具，这些工具基于大规模半结构数据的数据挖掘（Web挖掘）进行交互式支持大量数据分析。作为此的关键技术，我们将将最佳模式发现扩展到树木和图形结构，以开发用于半结构数据的强大而快速的优化模式发现算法。此外，我们将Web挖掘视为三个过程：（a）发现有用的信息源，（b）发现独特的模式，以及（c）提取信息，并有机地结合这些模式，以揭示一种有效的方法，以实现针对半结构数据数据的知识获取系统。我们还使用计算复杂理论和计算学习理论的最新结果来考虑计算复杂性的高速算法。另一个独特的特征是我们旨在发展Gorm。在2002年，我们获得了以下研究结果。（a）“发现有用的信息源”，我们为可变长度变量模式（VLDC模式）开发了一种新的文本索引结构，该结构比以前更具有表现力，并开发了有效的优化挖掘算法。（b）“发现独特的模式”，这是一种半结构化数据挖掘方法，其目的是应用于XML-Messaging和SOAP。基于FREQT，我们开发了一个快速的半结构数据流挖掘流。这是一种算法，可监视数据流，同时使用很少的资源和报告有用的模式。我们还扩展了FREQT，以优化采矿和理论性能分析，以证明该方法的最佳性。（c）关于“信息提取”，我们在CodeWord字符串上开发了一种模式匹配的机器技术，这是一种用于XML数据处理的基本技术，并讨论了其在XML模式搜索中的应用。