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.

这项研究的目的是开发一个有效的图形图案设计系统，以从图形结构数据中挖掘有效的数据挖掘。 （1）树木收缩模式（TC-Pattern）是一种与给定的无序树相同的无序的树结构模式，这是通过将每个不常见的连接的子结构合并到一个边缘收缩中，可以获得一个无序的树结构模式。我们表明，TC模式的重要子类是从阳性数据中推断出多项式时间。 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.

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