抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
グラフデータセットは広い範囲のアプリケーションドメインにおいて一般的に使用されており,これらのデータセット内の知識を完全に活用するために,グラフを重要なタスクに質問することができる。近似グラフマッチングツールを用いることは,通常,限定的質問応答を克服する目的で,グラフデータセットの雑音性のために優先される。本論文では,Labelおよび構造類似性集合探索(LaSaS)と呼ばれる,凝集探索を用いた近似グラフマッチングのための新しいアプローチを提案した。LaSaSは,データグラフの固定スキーマを持たずに効果的で効率的なグラフ質問を生み出す。(i)応答の数を上げるための凝集探索戦略の使用,(ii)ノードラベルとグラフ構造の類似性を考慮した新しい低コストグラフ類似性メトリックの使用,近似的整合を見出すことができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】