特許ウォッチ

公開番号2025042766
公報種別公開特許公報(A)
公開日2025-03-28
出願番号2023149884
出願日2023-09-15
発明の名称分析装置、分析方法、および分析プログラム
出願人株式会社日立製作所
代理人藤央弁理士法人
主分類G06N 3/04 20230101AFI20250321BHJP(計算;計数)
要約【課題】グラフデータ分析の高精度化を図ること。
【解決手段】プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する分析装置は、ノード群と前記ノード群内の2つのノード間を接続する1以上のエッジとにより構成される第1グラフ(G140)を取得する取得処理と、所定の変換条件に従って、前記取得処理によって取得された第1グラフ(G140)のうち、前記エッジから前記ノードへの変換、または、前記ノードから前記エッジへの変換の少なくとも一方を実行して、第2グラフ(G190)を生成する変換処理と、を実行する。
【選択図】図19
特許請求の範囲【請求項１】
プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する分析装置であって、
前記プロセッサは、
ノード群と前記ノード群内の２つのノード間を接続する１以上のエッジとにより構成される第１グラフを取得する取得処理と、
所定の変換条件に従って、前記取得処理によって取得された第１グラフのうち、前記エッジから前記ノードへの変換、または、前記ノードから前記エッジへの変換の少なくとも一方を実行して、第２グラフを生成する変換処理と、
を実行することを特徴とする分析装置。
続きを表示（約 1,500 文字）【請求項２】
請求項１に記載の分析装置であって、
前記変換処理では、前記プロセッサは、第１変換条件に従って、前記第１グラフのうち、複数の第１ノードからそれぞれ第１操作を示す第１エッジを介して前記第１操作の結果を示す第２ノードに接続されている部分を、前記複数の第１ノードに接続され前記複数の第１ノードを集約した第３ノードと、前記第３ノードに接続され前記第１操作を示す第４ノードと、に変換することにより、前記第２グラフを生成する、
ことを特徴とする分析装置。
【請求項３】
請求項２に記載の分析装置であって、
前記第１操作は、前記複数の第１ノードで特定される物質の混合を示す、
ことを特徴とする分析装置。
【請求項４】
請求項２に記載の分析装置であって、
前記変換処理では、前記プロセッサは、第２変換条件に従って、前記第１グラフのうち、前記第２ノードから第２操作を示す第２エッジを介して前記第２操作の結果を示す第５ノードに接続されている部分を、前記第４ノードに接続され前記第２操作を示す第６ノードに変換することにより、前記第２グラフを生成する、
ことを特徴とする分析装置。
【請求項５】
請求項４に記載の分析装置であって、
前記第２操作は、前記第２ノードで特定される物質の加熱を示す、
ことを特徴とする分析装置。
【請求項６】
請求項４に記載の分析装置であって、
前記変換処理では、前記プロセッサは、第３変換条件に従って、前記第１グラフのうち、前記第５ノードから第３操作を示す複数の第３エッジを介してそれぞれ前記第３操作の結果を示す複数の第７ノードに接続されている部分を、前記第６ノードと前記複数の第７ノードとに接続され前記第３操作を示す第８ノードに変換することにより、前記第２グラフを生成する、
ことを特徴とする分析装置。
【請求項７】
請求項６に記載の分析装置であって、
前記第３操作は、前記複数の第７ノードで特定される物質への分離を示す、
ことを特徴とする分析装置。
【請求項８】
請求項１に記載の分析装置であって、
前記変換処理では、前記プロセッサは、第４変換条件に従って、前記取得処理によって取得された第１グラフのうち、第９ノードと第１０ノードとを接続する第４エッジ、前記第１０ノード、および第１０ノードと第１１ノードとを接続する第５エッジからなる部分を、前記第９ノードと前記第１１ノードとを接続する第６エッジに変換することにより、第２グラフを生成する、
ことを特徴とする分析装置。
【請求項９】
請求項８に記載の分析装置であって、
前記部分は、前記第１グラフ内の第１０ノードを含む第１構造と、前記第１１ノードを含む第２構造と、が前記第４エッジで接続された境界を示す部分である、
ことを特徴とする分析装置。
【請求項１０】
請求項１に記載の分析装置であって、
前記プロセッサは、
訓練データに対応する正解データと、前記訓練データを入力した結果得られる出力結果と、に基づいて学習可能な分析モデルに、前記第１グラフおよび前記第２グラフを前記訓練データとして用いて畳み込み演算を実行することにより前記分析モデルを学習する学習処理と、
を実行することを特徴とする分析装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、データを分析する分析装置、分析方法、および分析プログラムに関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
グラフは、現実世界の事象に関して事物の相互関係等を主として表現するデータ形式のひとつとして利用されている。グラフデータは、画像データ（たとえば、格子構造のデータ）や、テキストデータ（たとえば、配列データ）のほか、様々なアプリケーションドメインにおいて構造化されたデータの形態を含む。たとえば、科学的ドメイン（分子構造、タンパク質相互作用、遺伝子配列、有機化合物合成経路）、ソーシャルメディアおよびｅコマースドメイン（交友関係、バリューチェーン）が含まれ得るが、これらに限定されない。
【０００３】
グラフはノード（頂点）とエッジ（辺）により構成される。ノードおよびエッジは、それぞれ属性情報をもつ。属性情報は、１以上のテキストまたは数値、またはそれらの組によって構成されることが多いが、それらに限定されない。たとえば、ノードに関する属性情報およびエッジに関する属性情報がそれぞれ多変量データの形態をとるとき、ノード特徴量およびエッジ特徴量と呼ばれる。
【０００４】
グラフ分析モデルは、グラフデータをもとにして所定の分析目的に基づくデータ分析に利用されるグラフベースの機械学習モデルまたはグラフベースのニューラルネットワークモデルである。たとえば、グラフ畳み込みニューラルネットワーク（ＧｒａｐｈＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ、ＧＣＮＮ）は、ノード、エッジまたはその両方に関する多変量データについて、ノードおよびエッジの接続関係に基づいて対象を変える畳み込み処理を実行し、分類または回帰などのタスクに応じた学習を実行し、所定の入力に対する分類または回帰タスクに関する予測値を出力する。ユーザは、このようにして計算された予測値をもとにして意思決定をおこなう。
【０００５】
ＧＣＮＮにおけるグラフ畳み込み処理は、ニューラルネットワークの１形態であるグラフ畳み込みレイヤーにより実現され得る。非特許文献１は、グラフ畳み込みニューラルネットワークにおけるグラフ畳み込み処理の１形態を開示する。
【０００６】
一般に、あるノードに対し、前記ノードとの接続関係が存在するｋ個のノードを順にたどったときのｋ近傍ノードまでのノード特徴量を畳み込むために、ｋ層のグラフ畳み込みレイヤーが実行され得る。前記畳み込み処理はすべてのノードに対して実行され得る。このとき、予測精度を高めるために遠方のノードの特徴量まで考慮するためにグラフ畳み込みレイヤーの層数を増やす場合、畳み込みの対象となるノードが相互に包含しあうようになり得る。そのため、畳み込み処理後の複数のノード特徴量が平均的な値に漸近し得る。
【０００７】
たとえば、すべてのノード特徴量が非常に近い数値の組によって構成される場合、ＧＣＮＮの予測精度が著しく劣化し得る。このような問題はオーバースムージング問題と呼ばれる。したがって、オーバースムージング問題を回避し得るグラフ分析手法が必要とされる。
【０００８】
非特許文献２は、オーバースムージング問題を回避するために、ノード、エッジまたはその両方について、それらの総数を削減したグラフを構築するプーリング処理の１形態を開示する。プーリング処理が施されたグラフに対してグラフ畳み込み処理を行う場合、グラフ畳み込みレイヤーの層数の増加を抑制することができ得る。
【０００９】
特許文献１は、ネットワークモチーフ解析を使用したグラフベース予測の説明のため方法を開示する。この方法は、ネットワークモチーフ解析を使用したグラフベース予測において、第１グラフからサブグラフの第１セットを取り出すステップ、第１セットに関連した第１統計情報に基づきネットワークモチーフのセットを取り出すステップ、ネットワークモチーフインスタンスのセットを位置決めするステップ、ネットワークモチーフのセットの第２統計情報を決定するステップ、グラフ解説モデルを第２統計情報に基づき第１グラフに対して適用するステップ、第１クラスについての第１解説サブグラフをグラフ解説モデルの適用及び正則化制約のセットに基づき第１グラフから取り出すステップ及び第１解説サブグラフを示す出力表現を表示するステップを備える。
【先行技術文献】
【特許文献】
【００１０】
特開2022-117452号公報
【非特許文献】
（【００１１】以降は省略されています）

関連特許