文献

J-GLOBAL ID：201702287539179063   整理番号：17A1254032

属性グラフデータの採掘スカイラインクラスタのための進化スキーマ【Powered by NICT】

An evolutionary schema for mining skyline clusters of attributed graph data

著者 (3件)： Dhifli Wajdi (University of Evry, 91000, France) ,  Da Costa Noemie Oliveira (University of Evry, 91000, France) ,  Elati Mohamed (University of Evry, 91000, France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEC  ページ： 2102-2109  発行年： 2017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： グラフクラスタリングは,グラフマイニングおよびネットワーク解析における最も重要な研究課題の一つである。多くの実世界応用におけるデータが豊富に存在するため,グラフノードとエッジは,不均一データ源から得られる属性の多重セットによる注釈付けすることができた。グラフクラスタリング中のこれらの属性を考慮して均一な特性を有するバランスのとれた凝集イントラクラスタ構造とノードを持つグラフクラスタを生成するのに役立つ可能性がある。本論文では,支配関係に基づく大規模属性グラフ上の採掘スカイラインクラスタのための遺伝的アルゴリズムに基づくグラフクラスタリング手法を提案した。各機能は,グラフトポロジー上または複数のデータ源から導かれた属性の特定の集合上で定義される各スカイラインの解決策は,複数の適応度関数同時にに関して最適化した。不均一癌関連属性の大規模集合を用いた濃縮ヒトインタラクトームの実世界の大型蛋白質-蛋白質相互作用ネットワークに関する著者らのアプローチを実験的に評価する。得られた結果は,この手法の効率を示し,多重データ源のノード属性を統合するだけでグラフトポロジーを考慮したよりもよりロバストなグラフクラスタリングを得ることを可能にする。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： ロバスト性 ,  *採掘 ,  最適化 ,  *グラフ ,  *データ構造 ,  ネットワーク ,  多重化 ,  遺伝的アルゴリズム ,  凝集
準シソーラス用語： 蛋白質間相互作用 ,  適応度関数 ,  クラスター構造 ,  ネットワーク解析 ,  グラフマイニング , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (7件)： 属性 ,  グラフ ,  採掘 ,  スカイライン ,  クラスタ ,  進化 ,  スキーマ