JP5991317B2 - 情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラム - Google Patents
情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラム Download PDFInfo
- Publication number
- JP5991317B2 JP5991317B2 JP2013521623A JP2013521623A JP5991317B2 JP 5991317 B2 JP5991317 B2 JP 5991317B2 JP 2013521623 A JP2013521623 A JP 2013521623A JP 2013521623 A JP2013521623 A JP 2013521623A JP 5991317 B2 JP5991317 B2 JP 5991317B2
- Authority
- JP
- Japan
- Prior art keywords
- network
- link
- template
- learning
- model representing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明は、日本国特許出願:特願2011−140112号(2011年6月24日出願)の優先権主張に基づくものであり、同出願の全記載内容は引用をもって本書に組み込み記載されているものとする。
本発明は、情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラムに関し、特に、データマイニングの分野において、ネットワーク構造学習、リンク予測の問題を取り扱う情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラムに関する。
続いて、本発明の第1の実施形態について図面を参照して詳細に説明する。以下、本実施形態では、リンクの強さを実数で表わすものとする。また、個々のノードの組み合わせに対して、ノード間の性質や特徴といった情報を表わすいくつかの外的変数が観測されているものとする。
なお、前述の特許文献の開示を、本書に引用をもって繰り込むものとする。
本発明の全開示(請求の範囲および図面を含む)の枠内において、さらにその基本的技術思想に基づいて、実施形態ないし実施例の変更・調整が可能である。また、本発明の請求の範囲および図面の枠内において種々の開示要素(各請求項の各要素、各実施例の各要素、各図面の各要素等を含む)の多様な組み合わせないし選択が可能である。すなわち、本発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。
20 リンク強度予測装置
101 第1入力部
102 ネットワーク構造学習部
102−0 テンプレートネットワーク構造学習部
102−1〜102−G 第1ネットワーク構造学習部〜第Gネットワーク構造学習部
103 学習結果出力部
104 第2入力部
105 リンク強度予測部
105−1〜105−G 第1ネットワークリンク強度予測部〜第Gネットワークリンク強度予測部
106 予測結果出力部
Claims (8)
- 複数のネットワークに関する学習データおよび超パラメータが入力される第1の入力部と、
前記学習データおよび超パラメータを用いて、ネットワーク構造の学習対象の複数のネットワークの雛形となるテンプレートネットワークの構造を表わす確率モデルにおける各確率変数の事後分布から生成したサンプル列と、前記複数のネットワークの構造を表わす確率モデルにおける各確率変数の事後分布から生成したサンプル列と、を出力するネットワーク構造学習部と、
前記各ネットワークおよびテンプレートネットワークの構造を表わす確率モデルにおける各確率変数の事後分布からのサンプル列を出力する学習結果出力部と、
リンクの強さの予測対象のネットワークのノードの組み合わせに関する外的変数と、前記学習結果出力部から出力された前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後分布から生成したサンプル列とが入力される第2の入力部と、
前記外的変数と前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後確率分布から生成されたサンプル列と、に基づいて、前記外的変数にて指定されたリンクの強度の予測値を求めるリンク強度予測部と、
前記外的変数にて指定されたリンクの強度を出力する予測結果出力部と、
を備える情報処理システム。 - 前記ネットワーク構造学習部は、
前記テンプレートネットワークの構造を表わす確率モデルにおける各確率変数の事後分布からのサンプル列を出力するテンプレートネットワーク構造学習部と、
前記各ネットワークの構造を表わす確率モデルにおける各確率変数の事後分布からのサンプル列をそれぞれ出力する複数のネットワーク構造学習部と、
を含む請求項1の情報処理システム。 - 前記リンク強度予測部は、
前記各ネットワークに対応して設けられ、任意のリンクの強度の予測値を求める複数のリンク強度予測部を含み、
前記外的変数にて指定されたリンクに対応するリンク強度予測部が、前記リンクの強度の予測値を求める請求項1または2の情報処理システム。 - 複数のネットワークに関する学習データおよび超パラメータが入力される第1の入力部と、
前記学習データおよび超パラメータを用いて、ネットワーク構造の学習対象の複数のネットワークの雛形となるテンプレートネットワークの構造を表わす確率モデルにおける各確率変数の事後分布から生成したサンプル列と、前記複数のネットワークの構造を表わす確率モデルにおける各確率変数の事後分布から生成したサンプル列と、を出力するネットワーク構造学習部と、
前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後分布から生成したサンプル列を出力する学習結果出力部と、
を備えるネットワーク構造学習装置。 - 請求項4のネットワーク構造学習装置と接続され、リンクの強さの予測対象のネットワークのノードの組み合わせに関する外的変数と、前記学習結果出力部から出力された前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後分布から生成したサンプル列とが入力される第2の入力部と、
前記外的変数と前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後確率分布から生成されたサンプル列と、に基づいて、前記外的変数にて指定されたリンクの強度の予測値を求めるリンク強度予測部と、
前記外的変数にて指定されたリンクの強度を出力する予測結果出力部と、
を備えるリンク強度予測装置。 - 複数のネットワークに関する学習データおよび超パラメータを入力されたコンピュータが、前記複数のネットワークに関する学習データおよび超パラメータを用いて、ネットワーク構造の学習対象の複数のネットワークの雛形となるテンプレートネットワークの構造を表わす確率モデルにおける各確率変数の事後分布と、前記複数のネットワークの構造を表わす確率モデルにおける各確率変数の事後分布と、からそれぞれサンプル列を生成するステップと、
前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後確率分布から生成したサンプル列を入力されたコンピュータが、前記リンクの強さの予測対象のネットワークのノードの組み合わせに関する外的変数と、前記サンプル列と、に基づいて、前記外的変数にて指定されたリンクの強度の予測値を求めるステップと、
を含むリンク強度予測方法。 - 複数のネットワークに関する学習データおよび超パラメータを入力する処理と、
前記学習データおよび超パラメータを用いて、ネットワーク構造の学習対象の複数のネットワークの雛形となるテンプレートネットワークの構造を表わす確率モデルにおける各確率変数の事後分布と、前記複数のネットワークの構造を表わす確率モデルにおける各確率変数の事後分布と、からそれぞれサンプル列を生成する処理と、
前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後分布からのサンプル列を出力する処理と、
を第1の装置を構成するコンピュータに実行させるプログラム。 - 請求項4のネットワーク構造学習装置と接続されたリンク強度予測装置を構成するコンピュータに、
リンクの強さの予測対象のネットワークのノードの組み合わせに関する外的変数と、前記学習結果出力部から出力された前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後分布から生成されたサンプル列とを入力する処理と、
リンクの強さの予測対象のネットワークのノードの組み合わせに関する外的変数と、前記テンプレートネットワークおよび各ネットワークの構造を表わす確率モデルにおける各確率変数の事後確率分布から生成したサンプル列と、に基づいて、前記外的変数にて指定されたリンクの強度の予測値を求める処理と、
前記外的変数にて指定されたリンクの強度を出力する処理と、
を、実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013521623A JP5991317B2 (ja) | 2011-06-24 | 2012-06-22 | 情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラム |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011140112 | 2011-06-24 | ||
JP2011140112 | 2011-06-24 | ||
JP2013521623A JP5991317B2 (ja) | 2011-06-24 | 2012-06-22 | 情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラム |
PCT/JP2012/065949 WO2012176863A1 (ja) | 2011-06-24 | 2012-06-22 | 情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2012176863A1 JPWO2012176863A1 (ja) | 2015-02-23 |
JP5991317B2 true JP5991317B2 (ja) | 2016-09-14 |
Family
ID=47422691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013521623A Active JP5991317B2 (ja) | 2011-06-24 | 2012-06-22 | 情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US9424527B2 (ja) |
JP (1) | JP5991317B2 (ja) |
WO (1) | WO2012176863A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016133523A1 (en) * | 2015-02-19 | 2016-08-25 | Hewlett Packard Enterprise Development Lp | Post-sampling conflict detection |
CN107730055A (zh) * | 2017-11-21 | 2018-02-23 | 燕山大学 | 符号网络链接预测方法及终端设备 |
CN111369374B (zh) * | 2020-02-19 | 2023-06-02 | 山西大学 | 一种基于概率产生式的社交网络时序链接预测方法及装置 |
CN112446542B (zh) * | 2020-11-30 | 2023-04-07 | 山西大学 | 基于注意力神经网络的社交网络链路预测方法 |
US11221908B1 (en) * | 2021-03-02 | 2022-01-11 | International Business Machines Corporation | Discovery of an inexplicit link between a change and an incident in a computing environment |
CN114444279B (zh) * | 2022-01-14 | 2022-12-16 | 中国人民解放军国防科技大学 | 基于卫星低高精度数据关联参数联合估计的响应预测方法 |
CN114650167B (zh) * | 2022-02-08 | 2023-06-27 | 联想(北京)有限公司 | 一种异常检测方法、装置、设备及计算机可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7853485B2 (en) * | 2005-11-22 | 2010-12-14 | Nec Laboratories America, Inc. | Methods and systems for utilizing content, dynamic patterns, and/or relational information for data analysis |
US20090077079A1 (en) * | 2007-09-18 | 2009-03-19 | Siemens Aktiengesellschaft | Method for classifying interacting entities |
WO2009107412A1 (ja) * | 2008-02-27 | 2009-09-03 | 日本電気株式会社 | グラフ構造推定装置、グラフ構造推定方法およびプログラム |
US8090665B2 (en) * | 2008-09-24 | 2012-01-03 | Nec Laboratories America, Inc. | Finding communities and their evolutions in dynamic social network |
WO2010088460A1 (en) * | 2009-01-30 | 2010-08-05 | The Board Of Trustees Of The Leland Stanford Junior University | Systems, methods and circuits for learning of relation-based networks |
JP5225183B2 (ja) * | 2009-04-10 | 2013-07-03 | インターナショナル・ビジネス・マシーンズ・コーポレーション | リンク予測システム、方法及びプログラム |
-
2012
- 2012-06-22 US US14/128,691 patent/US9424527B2/en active Active
- 2012-06-22 JP JP2013521623A patent/JP5991317B2/ja active Active
- 2012-06-22 WO PCT/JP2012/065949 patent/WO2012176863A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JPWO2012176863A1 (ja) | 2015-02-23 |
WO2012176863A1 (ja) | 2012-12-27 |
US20140122393A1 (en) | 2014-05-01 |
US9424527B2 (en) | 2016-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5991317B2 (ja) | 情報処理システム、ネットワーク構造学習装置、リンク強度予測装置、リンク強度予測方法およびプログラム | |
Malhotra | Comparative analysis of statistical and machine learning methods for predicting faulty modules | |
Montalto et al. | Neural networks with non-uniform embedding and explicit validation phase to assess Granger causality | |
Garmanjani et al. | Trust-region methods without using derivatives: worst case complexity and the nonsmooth case | |
Zhang et al. | Empirical evaluation of search based requirements interaction management | |
Suresh Kumar et al. | A pragmatic ensemble learning approach for effective software effort estimation | |
CN110689110B (zh) | 处理交互事件的方法及装置 | |
Ramadass et al. | Evaluation of cloud vendors from probabilistic linguistic information with unknown/partial weight values | |
Vergidis et al. | Optimisation of business process designs: An algorithmic approach with multiple objectives | |
Bengio et al. | A learning-based algorithm to quickly compute good primal solutions for stochastic integer programs | |
Burlutskiy et al. | An investigation on online versus batch learning in predicting user behaviour | |
Mendonça et al. | Approximating network centrality measures using node embedding and machine learning | |
Imani et al. | Multiple model adaptive controller for partially-observed Boolean dynamical systems | |
Hirt et al. | An end-to-end process model for supervised machine learning classification: from problem to deployment in information systems | |
Koziel et al. | Surrogate-based optimization | |
WO2019193981A1 (ja) | データ予測装置、方法、及びプログラム | |
Zhang et al. | Predicting growth and interaction of multiple cracks in structural systems using Dynamic Bayesian Networks | |
Abolghasemi et al. | Predicting missing pairwise preferences from similarity features in group decision making | |
Jin et al. | Model-free selective inference under covariate shift via weighted conformal p-values | |
Pousi et al. | Simulation metamodelling with Bayesian networks | |
Ahmadikatouli et al. | New evolutionary approach to business process model optimization | |
CA3119351A1 (en) | Extending finite rank deep kernel learning to forecasting over long time horizons | |
Zouari et al. | Towards an adaptive curation services composition based on machine learning | |
Prasad et al. | An implementation of software effort duration and cost estimation with statistical and machine learning approaches | |
Egele et al. | Is One Epoch All You Need For Multi-Fidelity Hyperparameter Optimization? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150511 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160426 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160627 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160719 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160801 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5991317 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |