| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-03-05 14:20 LSTMと条件付きVAEを用いた構造的特徴を指定可能なグラフ生成モデル 中沢昇平・○佐藤良紀・中川健治（長岡技科大）・津川 翔（筑波大）・渡部康平（長岡技科大）  NS2020-159 |
|
| 抄録 | （和） | 近年, グラフを用いたアプリケーション, シミュレーションの重要性が高まっている. グラフには様々な特徴があり, 特徴が異なると, シミュレーションの結果は異なる. そのため, 様々な特徴を有したグラフを用意するための生成手法が研究されている. 古典的には, リンクやノードの確率分布を与えて生成するモデルが研究されてきたが，近年では, 機械学習を用いることで, 実際のグラフデータから特徴を学習し, そのグラフを模倣したグラフを生成する手法が提案されてきている. しかし従来の機械学習を用いた研究では, データから特徴を学習できるが, 特徴を指定して, 任意の特徴のグラフの生成を行うことはできない. 本稿では, 機械学習により, データからグラフを学習しつつ, 特定の特徴のグラフを指定し, 生成可能なモデルを提案する. また, 提案した生成モデルの有効性を検証するために, 古典的な従来手法の一種によって生成した様々な特徴のグラフを学習し, 生成時に特徴を指定して, 生成が可能であることを示す. |
| （英） | In recent years, applications and simulations using graphs are becoming more important. The graph has various features, and the simulation results differ depending on the features. Therefore,In recent years, applications and simulations using graphs are becoming more important. A graph has various features, and the simulation results differ depending on the features. Therefore, a graph generation method for preparing a graph with various features has been studied. Classically, a model that generates using a pre-defined probability distribution of edges and nodes has been studied. In recent years, a method of generating a graph that imitates the learned graph by learning features from actual graph data using machine learning has been studied. However, in conventional research using machine learning, features can be learned from data, but it is not possible to specify features and generate graphs of arbitrary features. In this paper, we propose a model that learns graphs from data and can generate a specified graph by specifying a value of a feature. With the proposed model that learned graphs of various features generated by the conventional method, we verified whether the graphs of arbitrary features could be generated by specifying the features. |
|
| キーワード | （和） | ネットワーク / グラフ / 生成 / 条件付きVAE / 機械学習 / / / |
| （英） | network / graph / generate / conditional VAE / machine learning / / / | |
| 文献情報 | 信学技報, vol. 120, no. 413, NS2020-159, pp. 214-219, 2021年3月. | |
| 資料番号 | NS2020-159 | |
| 発行日 | 2021-02-25 (NS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NS2020-159 |
|
| 研究会情報 | |
| 研究会 | IN NS |
| 開催期間 | 2021-03-04 - 2021-03-05 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2021-03-IN-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | LSTMと条件付きVAEを用いた構造的特徴を指定可能なグラフ生成モデル |
| サブタイトル（和） | |
| タイトル（英） | A study of a tunable generative model for graph data using machine learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ネットワーク / network |
| キーワード(2)（和/英） | グラフ / graph |
| キーワード(3)（和/英） | 生成 / generate |
| キーワード(4)（和/英） | 条件付きVAE / conditional VAE |
| キーワード(5)（和/英） | 機械学習 / machine learning |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 中沢 昇平 / Shohei Nakazawa / ナカザワ ショウヘイ |
| 第1著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 佐藤 良紀 / Yoshiki Sato / |
| 第2著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 中川 健治 / Kenji Nakagawa / |
| 第3著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第4著者 氏名（和/英/ヨミ） | 津川 翔 / Sho Tsugawa / |
| 第4著者 所属（和/英） | 筑波大学 (略称： 筑波大) Tsukuba University (略称： Tsukuba Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 渡部 康平 / Kohei Watabe / |
| 第5著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 講演者 | 第2著者 |
| 発表日時 | 2021-03-05 14:20:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NS |
| 資料番号 | NS2020-159 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.413 |
| ページ範囲 | pp.214-219 |
| ページ数 | 6 |
| 発行日 | 2021-02-25 (NS) |
[研究会発表申込システムのトップページに戻る]