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。
ランダムウォークは,多くのグラフ解析タスク,特に一次ランダムウォークで広く使われている。しかし,実世界問題の単純化として,一次ランダムウォークは,データにおける高次構造のモデリングにおいて貧弱である。最近,二次ランダムウォークベースアプリケーション(例えば,Node2vec,2次PageRank)が魅力的になった。二次ランダムウォークモデルとメモリ限界の複雑性のため,単一マシン上で二次ランダムウォークベースアプリケーションを実行できない。既存のディスクベースグラフシステムは,一次ランダムウォークモデルに優しいだけであり,二次ランダムウォークを実行するとき,高価なディスクI/Osに悩まされる。本論文では,GraSorwと呼ばれる大規模グラフのスケーラブル二次ランダムウォークのためのI/O効率の良いディスクベースグラフシステムを紹介した。最初に,大規模光頂点I/Oを除去するため,新しい三角形バイブロックスケジューリング戦略,バケットベースウォーク管理,およびスキュードウォークストレージを適用することにより,ランダムI/Oを逐次I/Oに変換するバイブロック実行エンジンを開発した。第2に,I/O利用を改善するために,著者らは,全負荷とオンデマンド負荷方法の利点を活用するために,学習ベースのブロック負荷モデルを設計した。最後に,6つの大規模実データセットといくつかの合成データセットに関する広範な実験を行った。経験的結果は,GraSorwにおける一般的タスクのエンドツーエンド時間コストが,既存のディスクベースグラフシステムと比較して1桁以上減少することを示した。【JST・京大機械翻訳】