文献

J-GLOBAL ID：202102252908414664   整理番号：21A1195729

PERSEUS-HUB:大規模グラフの対話型および集団的探索【JST・京大機械翻訳】

PERSEUS-HUB: Interactive and Collective Exploration of Large-Scale Graphs

著者 (6件)： Jin Di ,  Leventidis Aristotelis ,  Shen Haoming ,  Zhang Ruowang ,  Wu Junyue ,  Koutra Danai
資料名： Informatics (Web)  (Informatics (Web))
巻： 4  号： 3  ページ： 22  発行年： 2017年 
JST資料番号： U7202A  ISSN： 2227-9709  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： グラフは,社会科学,神経科学,輸送工学など多くのドメインで自然に出現する。多くの場合,そのようなグラフは,ノードとエッジの百万または10億を持ち,それらのサイズは,高速ペースで毎日増加する。種々のドメインからの研究者が,何が何であるかが,何であるかを,どのように,相互作用的に,そして,効率的に探索するか,そして,何が,何であるかを何人かの研究者が,それらの発見によってお互いに新しいグラフデータセットを集団的に,そして,「ヘルプ」をどのように探索するかを,どのように調査することができるか。本論文では,分散方式でグラフ特性集合を計算する大規模グラフマイニングツール,Perseus-Hubを提示し,アンサンブル,マルチビュー異常検出を行い,研究に値する領域を明らかにし,複雑なグラフ統計との簡単な相互作用と,非cl色可視化のユーザを提供した。Perseus-Hubは,大規模グラフの様々な統計量を効率的に計算するためにSparkクラスタを使用し,対話型ユーザ探索をサポートするためにマスターノードに関する要約で結果を集約する。Perseus-Hubでは,グラフ統計の可視化分布はグラフを理解するための予備的解析を提供する。より深い分析を行うためには,事前知識の少ないユーザは,他のユーザや専門家がマークするパターン(例えば,べき乗則度分布におけるスパイク)を活用できる。さらに,Perseus-Hubは,異常ノードを強調して,ユーザが手のグラフに関するより包括的な理解を確立するのを助けるために,ユーザを関心領域へ導く。実際の大規模ネットワークに関する事例研究を通してこのシステムを実証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  交通工学 ,  *可視化 ,  クラスタ ,  統計量 ,  社会科学 ,  神経科学 ,  事例研究
準シソーラス用語： 事前知識 ,  べき乗則 ,  *対話型 ,  異常検出 ,  関心領域 ,  大規模ネットワーク ,  マルチビュー , 【Automatic Indexing@JST】

著者キーワード (8件)： 大規模グラフ ,  可視化 ,  視覚解析 ,  分布 ,  相互作用 ,  分散計算 ,  異常検出 ,  集団分析

分類 (1件)： グラフ理論基礎  (IA02020S)

引用文献 (47件)：

• Kuramochi, M.; Karypis, G. Frequent Subgraph Discovery. In Proceedings of the 2001 1st IEEE International Conference on Data Mining (ICDM), San Jose, CA, USA, 29 November-2 December 2001; pp. 313-320.
• Leardi, R. Multi-way analysis with applications in the chemical sciences, age smilde, Rasmus Bro and Paul Geladi, Wiley, Chichester, 2004, ISBN 0-471-98691-7, 381 pp. J. Chemometr. 2005, 19, 119-120.
• Tong, H.; Faloutsos, C. Center-piece subgraphs: Problem definition and fast solutions. In Proceedings of the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD ’06), New York, NY, USA, 20-23 August 2006; ACM: New York, NY, USA, 2006; pp. 404-413.
• Sondhi, P.; Sun, J.; Tong, H.; Zhai, C. SympGraph: A framework for mining clinical notes through symptom relation graphs. In Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD ’12), Beijing, China, 12-16 August 2012; pp. 1167-1175.
• Backstrom, L.; Kumar, R.; Marlow, C.; Novak, J.; Tomkins, A. Preferential behavior in online groups. In Proceedings of the International Conference on Web Search and Web Data Mining (WSDM ’08), New York, NY, USA, 11-12 February 2008; ACM: New York, NY, USA, 2008; pp. 117-128.

タイトルに関連する用語 (5件)： 大規模 ,  グラフ ,  対話型 ,  集団 ,  探索