ニューラルネットワークを用いたグラフ埋め込みによる表現学習
Feature learning via neural network-based graph embedding

概要

ある人と人が友達であるか、ある文書がある文書を引用しているか、といったデータ間の関係性はグラフとみなせる。教師信号として与えられたデータ間の関係性を内積類似度などで近似できるよう、各データにベクトル表現を与える手法をグラフ埋め込みと呼び、グラフデータに様々な統計解析・機械学習手法を適用するための前処理として盛んに研究が進められている。近年では特に、ニューラルネットワーク (NN) を用いた、より表現能力の高いグラフ埋め込みが発展しつつある。本研究ではNNを用いたグラフ埋め込みの近似定理を示し、既存手法の近似限界を理論的に明らかにすると同時に、より精度の高い埋め込みを実現する方法を提案する。

産業界への展開例・適用分野

ソーシャルネットワークや引用ネットワークなど、既にデータ間の関係性が得られている任意のデータに対して、前処理としてより精度の高いグラフ埋め込みを行うことで、クラスタリングやリンク予測といった、様々な統計解析/機械学習手法を利用する際の精度向上が期待される。

研究者

氏名	専攻	研究室	役職/学年
奥野 彰文	システム科学専攻	下平研究室	博士3回生
Kim Geewook	システム科学専攻	下平研究室	修士1回生
下平 英寿	システム科学専攻	下平研究室	教授

---