文献

J-GLOBAL ID：201702272218709406   整理番号：17A1432103

Deep Tensor:人と物の関係を表現するグラフデータから新しい洞察を導く

Deep Tensor: Eliciting New Insights from Graph Data that Express Relationships between People and Things

著者 (1件)： MARUHASHI Koji (Fujitsu Lab. Ltd.)
資料名： Fujitsu Scientific & Technical Journal  (Fujitsu Scientific & Technical Journal)
巻： 53  号： 5  ページ： 26-31  発行年： 2017年09月 
JST資料番号： S0076A  ISSN： 0016-2523  CODEN： FUSTA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 情報通信技術(ICT)における重要な問題は,人と物の関係を表すグラフデータを分類することである。たとえば,送信元IPアドレスと宛先IPアドレスとポートの関係を示すネットワークトラフィックログを使用して,如何にしてサイバー攻撃を検出するか,送信者と受信者の間の関係を示す銀行取引と銀行支店を使用して,如何にして詐欺行為を検出するか?である。しかし,大量のグラフデータを分類する場合,従来のグラフ学習法で用いられている部分グラフには未だ多くの特徴が存在するため,正確な分類には限界があった。筆者らは,深いニューラルネットワークを活用してグラフデータのこれらの特徴を自動的に抽出できるようにするために,”Deep Tensor”と呼ばれる新しいテンソル分解法を用いることを提案した。3つの異なる領域における実験は,この分解方法を使用することにより,様々なタイプのグラフデータに対して高い精度をもたらし,ニューラルネットワークの活動に因る解釈を可能にすることを実証した。(翻訳著者抄録)

シソーラス用語： 通信路容量 ,  分類 ,  部分グラフ ,  *テンソル ,  *分解 ,  特徴抽出 ,  *ニューラルネットワーク
準シソーラス用語： データ分類 ,  *テンソル分解 ,  ネットワークトラフィック

分類 (2件)： 人工知能  (JE08000Z) ,  システム設計・解析  (IA02030D)

引用文献 (9件)：

• N. Shervashidze et al.: Weisfeiler-Lehman Graph Kernels. Journal of Machine Learning Research, Vol. 12, pp. 2539-2561 (2011).
• A. Krizhevsky et al.: ImageNet Classification with Deep Convolutional Neural Networks. Proceedings of the 25th International Conference on Neural Information Processing Systems (NIPS'12), pp. 1097-1105 (2012).
• M. Niepert et al.: Learning Convolutional Neural Networks for Graphs. Proceedings of the 33th International Conference on Machine Learning (ICML'16), pp. 2014-2023 (2016).
• T. G. Kolda et al.: Tensor Decompositions and Applications. SIAM Rev., Vol. 51, No. 3, 455-500 (2009).
• Y-R. Lin et al.: MetaFac: community discovery via relational hypergraph factorization. Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining (KDD'09), pp. 527-536 (2009).

タイトルに関連する用語 (5件)： 人 ,  物 ,  表現 ,  グラフ ,  洞察