JP6634000B2 - グラフ構造推定装置、グラフ構造推定方法、及びグラフ構造推定プログラム - Google Patents
グラフ構造推定装置、グラフ構造推定方法、及びグラフ構造推定プログラム Download PDFInfo
- Publication number
- JP6634000B2 JP6634000B2 JP2016217518A JP2016217518A JP6634000B2 JP 6634000 B2 JP6634000 B2 JP 6634000B2 JP 2016217518 A JP2016217518 A JP 2016217518A JP 2016217518 A JP2016217518 A JP 2016217518A JP 6634000 B2 JP6634000 B2 JP 6634000B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- graph
- unit
- vertex
- adjacency matrix
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
とは、全ての(i,j)の組み合わせに対し、(i、j)∈Eであれば、
、
であれば、
として要素を定義した行列である。
を用いて以下の条件6を満たすものを与えればよい。
に含まれる各頂点についてテーブル分割を行う。
か留まらない
かを決定する。
と
の間の完全二部グラフとする。また、
として、
を更新する。
が0であるか否かを判定し、肯定判定の場合はステップS210へ移行し、否定判定の場合はステップS212へ移行する。
とする。すなわち、空テーブルを無視する。
として、グラフGを更新する。
に含まれる各頂点についてテーブル分割する際に、以下の基準に基づいてテーブル分割する。
で選択する。
か留まらない
かを決定する際に、以下の基準に基づいて決定する。
ステップS102では、初期パラメータ生成部14が、行列Tnの初期値を設定する際に、Algorithm2の処理を実行してサンプルグラフを1つ生成し、その際に得られたN個のテーブル分割に対応するTnを与える。
・・・(4)
とおくと、logp(T|θns)は以下のように計算できる。
とおき、「x=yであれば1を、x≠yであれば0を返す関数」をF(x、y)とおくと、logp(T|θns)は具体的に下記(6)式から計算できる。
・・・(6)
(1−1)深さ1にあるテーブル全て(現在のテーブルも含む)。
(1−2)現在のテーブルの子テーブル(既存のテーブル全て及び新しいテーブル)。
(2)頂点viが深さ2からD−1にあるとき、下記(2−1)〜(2−3)の何れかのテーブルを割り当て先テーブルの候補とする。
(2−1)現在のテーブルの親テーブル。
(2−1)現在のテーブルの子テーブル(既存のテーブル全て及び新しいテーブル)。
(2−3)現在のテーブル。
(3)頂点viが深さDにあるとき、下記(3−1)又は(3−2)のテーブルを割り当て先テーブルの候補とする。
(3−1)現在のテーブルの親テーブル。
(3−2)現在のテーブル。
として、任意の値を与える。例えば、以下のようにランダムに設定すればよい。
に含まれる各頂点についてテーブル分割する際に、頂点vnが新しいテーブルtlに割り当てられたとき、C’lをランダムな実数値として与えること、また、以下の基準に基づいて、テーブルtkの各子テーブルtlに含まれる各頂点vnが、子テーブルtlに留まる
か留まらない
かを決定する。
12 入力部
14 初期パラメータ生成部
16 パラメータ更新部16
18 終了判定部18
20 出力部
Claims (7)
- 観測されるグラフデータの隣接行列及び前記グラフデータで表されるグラフ上の距離の上限を表す自然数を入力する入力部と、
前記グラフデータの隣接行列及び前記自然数に基づいて、前記グラフの頂点及び前記頂点に割り当てるテーブルに関する第1のパラメータ、前記テーブルの人気度に関する第2のパラメータ、及び、前記グラフデータと前記第1のパラメータと前記第2のパラメータとに基づく確率的生成モデルを用いて生成したサンプルグラフから得られた、前記頂点に割り当てるテーブルの分割を表現した行列を表す第3のパラメータ、を含むパラメータ群の初期値を生成する初期パラメータ生成部と、
前記グラフデータの隣接行列、前記自然数、及び前記パラメータ群に基づいて、前記グラフデータの隣接行列に対する、前記第3のパラメータに対応する前記グラフの頂点の各々についての完全二部木から得られる隣接行列が尤もらしくなるように、前記確率的生成モデルを用いて生成されたグラフに基づいて前記パラメータ群を更新するパラメータ更新部と、
前記パラメータ群の更新を終了するか否かを判定する終了判定部と、
前記終了判定部により前記パラメータ群の更新を終了すると判定された場合に、前記パラメータ更新部により更新された前記第3のパラメータに対応する前記グラフの頂点の各々についての前記完全二部木から得られる隣接行列を出力する出力部と、
を含むグラフ構造推定装置。 - 前記パラメータ更新部は、前記確率的生成モデルとして、前記グラフ上の距離の上限が前記自然数以下となるように前記グラフを生成する確率的生成モデルを用いて前記パラメータ群を更新する
請求項1記載のグラフ構造推定装置。 - 前記パラメータ更新部は、前記確率的生成モデルを用いて前記グラフを生成する際に、前記第1のパラメータとして前記頂点の共変量及び前記テーブルの共変量を用いた基準を用いて、前記パラメータ群を更新する
請求項2記載のグラフ構造推定装置。 - 入力部、初期パラメータ生成部、パラメータ更新部、終了判定部、及び出力部を含むグラフ構造推定装置におけるグラフ構造推定方法であって、
前記入力部が、観測されるグラフデータの隣接行列及び前記グラフデータで表されるグラフ上の距離の上限を表す自然数を入力するステップと、
前記初期パラメータ生成部が、前記グラフデータの隣接行列及び前記自然数に基づいて、前記グラフの頂点及び前記頂点に割り当てるテーブルに関する第1のパラメータ、前記テーブルの人気度に関する第2のパラメータ、及び、前記グラフデータと前記第1のパラメータと前記第2のパラメータとに基づく確率的生成モデルを用いて生成したサンプルグラフから得られた、前記頂点に割り当てるテーブルの分割を表現した行列を表す第3のパラメータ、を含むパラメータ群の初期値を生成するステップと、
前記パラメータ更新部が、前記グラフデータの隣接行列、前記自然数、及び前記パラメータ群に基づいて、前記グラフデータの隣接行列に対する、前記第3のパラメータに対応する前記グラフの頂点の各々についての完全二部木から得られる隣接行列が尤もらしくなるように、前記確率的生成モデルを用いて生成されたグラフに基づいて前記パラメータ群を更新するステップと、
前記終了判定部が、前記パラメータ群の更新を終了するか否かを判定するステップと、
前記出力部が、前記終了判定部により前記パラメータ群の更新を終了すると判定された場合に、前記パラメータ更新部により更新された前記第3のパラメータに対応する前記グラフの頂点の各々についての前記完全二部木から得られる隣接行列を出力するステップと、
を含むグラフ構造推定方法。 - 前記パラメータ更新部が前記パラメータ群を更新するステップは、前記確率的生成モデルとして、前記グラフ上の距離の上限が前記自然数以下となるように前記グラフを生成する確率的生成モデルを用いて前記パラメータ群を更新する
請求項4記載のグラフ構造推定方法。 - 前記パラメータ更新部が前記パラメータ群を更新するステップは、前記確率的生成モデルを用いて前記グラフを生成する際に、前記第1のパラメータとして前記頂点の共変量及び前記テーブルの共変量を用いた基準を用いて、前記パラメータ群を更新する
請求項5記載のグラフ構造推定方法。 - コンピュータを、請求項1〜3の何れか1項に記載のグラフ構造推定装置の各部として機能させるためのグラフ構造推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016217518A JP6634000B2 (ja) | 2016-11-07 | 2016-11-07 | グラフ構造推定装置、グラフ構造推定方法、及びグラフ構造推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016217518A JP6634000B2 (ja) | 2016-11-07 | 2016-11-07 | グラフ構造推定装置、グラフ構造推定方法、及びグラフ構造推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018077584A JP2018077584A (ja) | 2018-05-17 |
JP6634000B2 true JP6634000B2 (ja) | 2020-01-22 |
Family
ID=62149257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016217518A Active JP6634000B2 (ja) | 2016-11-07 | 2016-11-07 | グラフ構造推定装置、グラフ構造推定方法、及びグラフ構造推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6634000B2 (ja) |
-
2016
- 2016-11-07 JP JP2016217518A patent/JP6634000B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018077584A (ja) | 2018-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Contaldi et al. | Bayesian network hybrid learning using an elite-guided genetic algorithm | |
De Boer et al. | A tutorial on the cross-entropy method | |
Wang et al. | A heuristic method for learning Bayesian networks using discrete particle swarm optimization | |
US8700548B2 (en) | Optimization technique using evolutionary algorithms | |
CN113544711A (zh) | 用于使用聚类收缩的混合算法系统和方法 | |
CN109685204B (zh) | 图像处理方法及装置、存储介质及电子设备 | |
Schimit et al. | Disease spreading in complex networks: A numerical study with Principal Component Analysis | |
Corander et al. | Learning chordal Markov networks by constraint satisfaction | |
Corus et al. | Fast artificial immune systems | |
Hajiaghayi et al. | Efficient continuous-time Markov chain estimation | |
Ülker | B-Spline curve approximation using Pareto envelope-based selection algorithm-PESA | |
CN114897173A (zh) | 基于变分量子线路确定PageRank的方法及装置 | |
Hejase et al. | Fastnet: fast and accurate statistical inference of phylogenetic networks using large-scale genomic sequence data | |
Daly et al. | Methods to accelerate the learning of bayesian network structures | |
CN112613550A (zh) | 一种数据分类方法、装置及相关设备 | |
JP6634000B2 (ja) | グラフ構造推定装置、グラフ構造推定方法、及びグラフ構造推定プログラム | |
JP6190771B2 (ja) | パラメータ推定方法、装置、及びプログラム | |
JP2014228975A (ja) | 検索装置、検索方法および検索プログラム | |
JP2020009122A (ja) | 制御プログラム、制御方法及びシステム | |
JP5555238B2 (ja) | ベイジアンネットワーク構造学習のための情報処理装置及びプログラム | |
Mitra et al. | Variable ordering for shared binary decision diagrams targeting node count and path length optimisation using particle swarm technique | |
JP6745507B2 (ja) | パラメータ推定装置、方法、及びプログラム | |
Abd-Alsabour | Feature selection for classification using an ant system approach | |
JP6005583B2 (ja) | 検索装置、検索方法および検索プログラム | |
Shi et al. | Community detection in scientific collaborative network with bayesian matrix learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181205 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191115 |
|
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: 20191210 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191213 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6634000 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |