RDFグラフの冗長な特徴表現に対するカーネル関数とその高速計算

摘要

セマンテイツクWebの分野では,Web上のRDFデ一夕の増加に伴いそれらに対する機械学習の研究が重要となってきている.しかし,RDFグラフはノイズやWeb上の不完全なデ一夕により冗長な表現となるため,効率的に学習することは困難である.本研究では,このようなRDFグラフに対してSVMを適用するためにリソース間の類似度を効率良く計算するカーネル関数を設計する.このカーネル関数は, RDFグラフの冗長性を削減するために,RDFパスから抽出され情報利得率によりフィルタリングされた特徴により計算される.カーネル関数は柔軟な枠組みであり,SVM以外にも主成分分析や正準相関分析,クラスタリングなどにも応用できる.提案する力一ネル関数は特徴数がその長さに対して指数関数的に増加するため,高い計算コストがかかる.したがって,本研究では提案する力一ネルを効率的に計算するためのアルゴリズムの設計を行う.さらにSVMによる2クラス分類実験により,提案カーネルの性能と既存カーネルに対する利点を示す.