文献

J-GLOBAL ID：201702282185961089   整理番号：17A0213900

知識グラフ探索のための要約マイニング【Powered by NICT】

Mining Summaries for Knowledge Graph Search

著者 (3件)： Song Qi ,  Wu Yinghui ,  Dong Xin Luna
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDM  ページ： 1215-1220  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 応答時間のような実世界資源制約下での挑戦的であるマイニングと探索不均一と大規模知識グラフ。知識グラフ探索を容易にするために発見するフレームワークを検討した。1)グラフパターンにより特性化要約のクラスを導入した。頻回部分グラフにより定義された従来の要約とは対照的に,要約した有界ホップまで類似近傍を有する実体を要約し適応が可能である。2)2基準パターンマイニング問題としてグラフ要約の計算を定式化した。知識グラフGが与えられたとき,問題は情報性測度を最大化するK多様化要約を発見することである。この問題はNP困難であるが,それは近似可能であることを示した。もトレードオフ速度と精度,与えられた資源制約下でのオンラインマイニングアルゴリズムを導入した。3)ビューとして要約を利用した質問評価アルゴリズムを開発した。これらのアルゴリズムは,高精度で(近似)回答を効率的に計算し,少数の要約を参照のみであった。実験研究は大規模知識グラフ上のオンラインマイニングは実現可能であり,知識グラフにおける有界探索を示唆できることを検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 近似法 ,  部分グラフ ,  測度 ,  応答時間 ,  トレードオフ ,  多様化 ,  アルゴリズム ,  *NP困難 ,  キャラクタリゼーション ,  定式化 ,  高精度 ,  有界 ,  資源制約
準シソーラス用語： 実験研究 ,  パターンマイニング , 【Automatic Indexing@JST】

分類 (2件)： 工程管理  (KB03030P) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 知識グラフ ,  探索