A study on positive-definite and efficient kernels for structured data

结构化数据正定高效核的研究

• 批准号: 23300061
• 负责人: SHIN Yoshihiro
• 金额: $ 12.48万
• 依托单位: University of Hyogo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011-04-01 至 2014-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-23300061/
• 关键词: 機械学習; 構造化データ; カーネル法; 動的計画法; 木; 離散構造; グラフ; 木構造データ; データマイニング; アルゴリズム; 離散構造データ解析

Kernel method is an important field of machine learning research and allows us to leverage information assets like big data to make useful predictions in various applications. In addition to vector data,there exist huge amount of data that have structures. For example, DNA is an array of nucleotides; Protein, parse trees and XML documents are naturally structured as trees; Various kinds of networks are represented using the graph structure. In this regard, this project aims to establish a theory of kernels for structured data and practical techniques to apply kernels to structured data of the real applications. Specifically, we have developed a mathematical theory to investigate positive definiteness of kernels and various types of kernels that deal with a wide variety of structured data. Furthermore, we have developed a utility to compute kernels and have publicized it to researchers in the field of machine learning over the Internet.

内核方法是机器学习研究的重要领域，使我们能够利用像大数据这样的信息资产来在各种应用程序中做出有用的预测。 除了向量数据外，还有大量具有结构的数据。 例如，DNA是核苷酸的阵列。蛋白质，解析树木和XML文档自然结构为树木。 使用图形结构表示各种网络。 在这方面，该项目旨在为结构化数据和实用技术建立一个内核理论，以将内核应用于真实应用程序的结构化数据。 具体而言，我们已经开发了一种数学理论，以研究核心和各种类型的内核的积极确定性，这些核心涉及各种结构化数据。 此外，我们已经开发了一个实用程序来计算内核，并将其向互联网上的机器学习领域的研究人员公开。

项目成果

Temporal Awareness of Needs after East Japan Great Earthquake using Latent Semantic Analysis

• DOI: 10.3233/978-1-61499-361-2-200
• 发表时间: 2013
• 作者: T. Hashimoto;B. Chakraborty;T. Kuboyama;Y. Shirota

Partitionable Kernels for Mapping Kernels

用于映射内核的可分区内核

• 发表时间: 2011
• 作者: K. Shin;M. Cuturi and T. Kuboyama;亀田 能成;K. Shin
• 通讯作者: K. Shin

A comprehensive study of tree kernels

树仁的综合研究

• 发表时间: 2014
• 期刊: In Proc. of JSAI-isAI Post-Workshop, volume 8417 of Lecture Notes in Artificial Intelligence
• 作者: 小林 学;八木秀樹;二宮 洋;平澤茂一;K. Shin and T. Kuboyama
• 通讯作者: K. Shin and T. Kuboyama

Improved MAX SNP-Hard Results for Finding an Edit Distance between Unordered Trees

改进了查找无序树之间编辑距离的 MAX SNP-Hard 结果

• 发表时间: 2011
• 期刊: Lecture Notes in Computer Science
• 作者: Kouichi Hirata;Yoshiyuki Yamamoto;Tetsuji Kuboyama
• 通讯作者: Tetsuji Kuboyama

Exploring social context from buz marketing site-commuinity mapping based on tree edit distance

基于树编辑距离的嗡嗡声营销站点社区映射探索社会背景

• 发表时间: 2013
• 作者: S. Higuchi;T. Kuboyama;T. Hashimoto and K. Hirata
• 通讯作者: T. Hashimoto and K. Hirata