離散構造データからの完全探索による知識発見

摘要

近年，以上で紹介しきれなかった多くの離散構造データマイニング手法が提案されている。 たとえば，1本の長い系列データに直列ないし並行して多数回表われる記号分類要素の半順序関係（エピソード）を完全探索する手法や多数の木のデータに多頻度で表われる部分木を完全探索する手法なども研究が進んでいる。 維散構造データのマイニングに関する研究論文数は，データマイニングに関係する主要な国際会議に絞って敢えても，2002年以降急速に増大しつつあることが見て取れる。 筆者の把握では，2001年にはSICMOD，SIGKDD，IJCAI/AAAI，ICML，ECML/PKDD，IEEE ICDMなどの代表的な国際会議で発表されたグラフや木構造データのマイニング手法に関する論文は10件程度であったが，2002年には18件に達した。 2003年以降はこれら学会のメイントラック論文に加え，グラフ，木，記号系列構造データマイニングに関する丸ICTS国際ワークショップに，毎回20件近い投稿がありこの研究分野が拡大期に入ったことを覗わせる。 グラフマイニングのサーベイについては文献13）に詳しい。 離散構造は数学の基本的な研究対象であり，また論理とも強い関係をもつ。 したがって本分野の研究は，データマイニングにおける固有の新しい原理の確立に寄与する可能性が高い。 さらに，生物学や化学，材料化学，社会通信ネットワークなどさまざまな実分野において，離散構造データは幅広く見られるため高い応用可能性を有する。