クエリ集約によるMarkov Logic Networkにおける構造学習の高速化

• Item type: SIG Technical Reports(1)
• 公開日: 2018-09-05
• タイトル: クエリ集約によるMarkov Logic Networkにおける構造学習の高速化
• タイトル / 言語: en
• タイトル: Query Aggregation for Acceleration of Structure Learning in Markov Logic Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: データ分析・AI
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: NECデータサイエンス研究所
• 著者所属: NECデータサイエンス研究所
• 著者所属: NECデータサイエンス研究所
• 著者所属(英): en
• 著者所属(英): Data Science Research Laboratories, NEC Corporation
• 著者所属(英): en
• 著者所属(英): Data Science Research Laboratories, NEC Corporation
• 著者名: 林, 佑樹; 鈴木, 順; 荒木, 拓也
• 著者名(英): Yuki, Hayashi; Jun, Suzuki; Takuya, Araki
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Markov Logic Network は事実データとルールを入力とし，不明なデータを論理的に推論することの出来るフレームワークである．推論のためのルールをユーサが作成するのは困難であることから，教師データからルールを自動生成する構造学習が提案されている．構造学習では，ルールとして取り得る組み合わせを網羅的に列挙し，ルールが成り立つかどうかを確かめるためにデータベースの結合処理と同様の処理を行う必要があり，処理負荷が高い．本稿ではデータベースの結合処理を行う複数のクエリを集約することで結合処理回数を減らし，構造学習を高速化する手法について提案する．実験により提案手法では，既存手法に対して最大 17．4 倍学習処理が高速化することが分かった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Markov Logic Network is a framework that can perform logical inference using rules and input data. Since, it is difficult to create the rules for inference from scratch, structure learning which automatically generate the rules from traning data has been proposed. The structure learning algorithm generate many potential candidate rule and calculate likelihood of the rules using the training data. As preprocessing of the likelihood calculation, it is necessary to perform a join operation in the relational database by the number of rules. This is performance bottleneck of the structure learning. Our proposed method aggregates multiple join query into a query and produces a table in which aggregate multiple joined tables to reduce the cost of join operations. Evaluation of the proposed method showed that the performance is better than that conventional methods by up to 17.4 times.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10112482
• 書誌情報: 研究報告データベースシステム（DBS）; 巻 2018-DBS-167, 号 32, p. 1-6, 発行日 2018-09-05
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-871X
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会