Updated on 2026/06/02

写真a

 
MURATA TSUYOSHI
 
Organization
School of Computing Professor
Title
Professor
External link

News & Topics

Degree

  • Doctor of Engineering ( Tokyo Institute of Technology )

Research Interests

  • artificial intelligence

  • diagrammatic reasoning

  • Web mining

  • network science

  • machine learning

  • graph neural network

Research Areas

  • Informatics / Intelligent informatics

Education

  • The University of Tokyo   Graduate School, Division of Science   Department of Information Science

    - 1992

    　 More details

  • The University of Tokyo

    - 1992

    　 More details

    Country： Japan

    researchmap

Research History

  • Tokyo Institute of Technology   School of Computing   Professor

    2020.4

    　 More details

    Country：Japan

    researchmap

  • -:Tokyo Institute of Technology Department of Computer Science, Graduate School of Information Science and Engineering Associate Professor

    2005

    　 More details

  • -:東京工業大学 大学院情報理工学研究科計算工学専攻 助教授

    2005

    　 More details

  • :National Institute of Informatics Foundations of Informatics Research Division Associate Professor

    2001 - 2005

    　 More details

  • :科学技術振興事業団 さきがけ研究21 研究員(兼任)

    2001 - 2005

    　 More details

  • :国立情報学研究所 情報学基礎研究系 助教授

    2001 - 2005

    　 More details

  • :Japan Science and Technology Corporation Precursory Research for Embryonic Science and Technology (PRESTO) Research (Concurrent position)

    2001 - 2005

    　 More details

  • :Gunma University Department of Computer Science, Faculty of Engineering Lecturer

    2000

    　 More details

  • :群馬大学 工学部情報工学科 講師

    2000

    　 More details

  • :Gunma University Department of Computer Science, Faculty of Engineering Research Associate

    1998 - 2000

    　 More details

  • :群馬大学 工学部情報工学科 助手

    1998 - 2000

    　 More details

  • :Tokyo Institute of Technology Department of Computer Science, Faculty of Engineering Research Associate

    1992 - 1998

    　 More details

  • :東京工業大学 工学部情報工学科 助手

    1992 - 1998

    　 More details

▼display all

Professional Memberships

  • Information Processing Society of Japan

    　 More details

  • 情報処理学会

    　 More details

  • Association for Computing Machinery

    　 More details

  • The Institute of Electronics

    　 More details

  • Japan Society for Software Science and Technology

    　 More details

  • American Association for Artificial Intelligence

    　 More details

  • Information and Communication Engineers

    　 More details

  • Association for Computing Machinery

    　 More details

  • The Japanese Society for Artificial Intelligence

    　 More details

  • American Association for Artificial Intelligence

    　 More details

  • 電子情報通信学会

    　 More details

  • 日本ソフトウエア科学会

    　 More details

  • 人工知能学会

    　 More details

▼display all

Committee Memberships

  • The Japanese Society for Artificial Intelligence   director  

    2013 - 2015   

    　 More details

    Committee type：Academic society

    researchmap

  • The Japanese Society for Artificial Intelligence   Organizer of Special Interested Group for Knowledge-Base Systems  

    2004   

    　 More details

    Committee type：Academic society

    researchmap

Papers

  • Future-proofing class-incremental learning.

    Quentin Jodelet, Xin Liu 0020, Yin Jun Phua, Tsuyoshi Murata

    Machine Vision and Applications   36 ( 1 )   16 - 16   2025.1

    　More details

    Publishing type：Research paper (scientific journal)  

    DOI： 10.1007/s00138-024-01635-y

    researchmap

  • Memory augmented using diffusion model for class-incremental learning.

    Quentin Jodelet, Xin Liu 0020, Yin Jun Phua, Tsuyoshi Murata

    Image Vis. Comput.   161   105600 - 105600   2025

    　More details

    Publishing type：Research paper (scientific journal)  

    DOI： 10.1016/j.imavis.2025.105600

    researchmap

  • DEGNN: Dual Experts Graph Neural Network Handling both Edge and Node Feature Noise.

    Tai Hasegawa, Sukwon Yun, Xin Liu 0020, Yin Jun Phua, Tsuyoshi Murata

    PAKDD (2)   376 - 389   2024

    　More details

    Publishing type：Research paper (international conference proceedings)  

    DOI： 10.1007/978-981-97-2253-2_30

    researchmap

    Other Link： https://dblp.uni-trier.de/db/conf/pakdd/pakdd2024-2.html#HasegawaYLPM24

  • Predicting potential real-time donations in YouTube live streaming services via continuous-time dynamic graphs

    Ruidong Jin, Xin Liu, Tsuyoshi Murata

    Machine Learning   2023.11

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Springer Science and Business Media LLC  

    Abstract

    Online live streaming platforms, such as YouTube Live and Twitch, have seen a surge in popularity in recent years. These platforms allow viewers to send real-time gifts to streamers, which can bring significant profits and fame. However, there has been little research on the donation system used on live streaming platforms. This paper aims to fill this gap by building a continuous-time dynamic graph to model the interactions among viewers based on real-time chat messages and predict the real-time donations on live streaming platforms. To achieve this, we propose a novel model called the Temporal Difference Graph Neural Network (TDGNN) that incorporates imbalanced learning strategies to identify potential donors during live streaming. Our model can predict the exact time when donations will appear. We conduct extensive experiments on three live streaming video datasets and demonstrate that our proposed model is more effective and robust than other baseline methods from other fields.

    DOI： 10.1007/s10994-023-06449-z

    researchmap

    Other Link： https://link.springer.com/article/10.1007/s10994-023-06449-z/fulltext.html

  • Feature selection: Key to enhance node classification with graph neural networks

    Sunil Kumar Maurya, Xin Liu, Tsuyoshi Murata

    CAAI Transactions on Intelligence Technology   8 ( 1 )   14 - 28   2023.1

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Institution of Engineering and Technology (IET)  

    Abstract

    Graphs help to define the relationships between entities in the data. These relationships, represented by edges, often provide additional context information which can be utilised to discover patterns in the data. Graph Neural Networks (GNNs) employ the inductive bias of the graph structure to learn and predict on various tasks. The primary operation of graph neural networks is the feature aggregation step performed over neighbours of the node based on the structure of the graph. In addition to its own features, for each hop, the node gets additional combined features from its neighbours. These aggregated features help define the similarity or dissimilarity of the nodes with respect to the labels and are useful for tasks like node classification. However, in real‐world data, features of neighbours at different hops may not correlate with the node's features. Thus, any indiscriminate feature aggregation by GNN might cause the addition of noisy features leading to degradation in model's performance. In this work, we show that selective aggregation of node features from various hops leads to better performance than default aggregation on the node classification task. Furthermore, we propose a Dual‐Net GNN architecture with a classifier model and a selector model. The classifier model trains over a subset of input node features to predict node labels while the selector model learns to provide optimal input subset to the classifier for the best performance. These two models are trained jointly to learn the best subset of features that give higher accuracy in node label predictions. With extensive experiments, we show that our proposed model outperforms both feature selection methods and state‐of‐the‐art GNN models with remarkable improvements up to 27.8%.

    DOI： 10.1049/cit2.12166

    researchmap

    Other Link： https://onlinelibrary.wiley.com/doi/full-xml/10.1049/cit2.12166

  • Class-Incremental Learning using Diffusion Model for Distillation and Replay.

    Quentin Jodelet, Xin Liu, Yin Jun Phua, Tsuyoshi Murata

    CoRR   abs/2306.17560   2023

    　More details

    Publishing type：Research paper (scientific journal)  

    DOI： 10.48550/arXiv.2306.17560

    researchmap

  • Balanced softmax cross-entropy for incremental learning with and without memory

    Quentin Jodelet, Xin Liu, Tsuyoshi Murata

    Computer Vision and Image Understanding   225   103582 - 103582   2022.12

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Elsevier BV  

    DOI： 10.1016/j.cviu.2022.103582

    researchmap

  • Not All Neighbors are Friendly

    Sunil Kumar Maurya, Xin Liu, Tsuyoshi Murata

    Proceedings of the 31st ACM International Conference on Information & Knowledge Management   2022.10

    　More details

    Publishing type：Research paper (international conference proceedings)   Publisher：ACM  

    DOI： 10.1145/3511808.3557543

    researchmap

  • Simplifying approach to node classification in Graph Neural Networks

    Sunil Kumar Maurya, Xin Liu, Tsuyoshi Murata

    Journal of Computational Science   62   101695 - 101695   2022.7

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Elsevier BV  

    DOI： 10.1016/j.jocs.2022.101695

    researchmap

  • Leaping through Time with Gradient-Based Adaptation for Recommendation

    Nuttapong Chairatanakul, Hoang NT, Xin Liu, Tsuyoshi Murata

    Proceedings of the AAAI Conference on Artificial Intelligence   36 ( 6 )   6141 - 6149   2022.6

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Association for the Advancement of Artificial Intelligence (AAAI)  

    Modern recommender systems are required to adapt to the change in user preferences and item popularity. Such a problem is known as the temporal dynamics problem, and it is one of the main challenges in recommender system modeling. Different from the popular recurrent modeling approach, we propose a new solution named LeapRec to the temporal dynamic problem by using trajectory-based meta-learning to model time dependencies. LeapRec characterizes temporal dynamics by two complement components named global time leap (GTL) and ordered time leap (OTL). By design, GTL learns long-term patterns by finding the shortest learning path across unordered temporal data. Cooperatively, OTL learns short-term patterns by considering the sequential nature of the temporal data. Our experimental results show that LeapRec consistently outperforms the state-of-the-art methods on several datasets and recommendation metrics. Furthermore, we provide an empirical study of the interaction between GTL and OTL, showing the effects of long- and short-term modeling.

    DOI： 10.1609/aaai.v36i6.20562

    researchmap

  • Heterogeneous graph embedding with single-level aggregation and infomax encoding Reviewed

    Nuttapong Chairatanakul, Xin Liu, Nguyen Thai Hoang, Tsuyoshi Murata

    Machine Learning   112 ( 11 )   4227 - 4256   2022.4

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Springer Science and Business Media LLC  

    Abstract

    There has been an increasing interest in developing embedding methods for heterogeneous graph-structured data. The state-of-the-art approaches often adopt a bi-level aggregation scheme, where the first level aggregates information of neighbors belonging to the same type or group, and the second level employs the averaging or attention mechanism to aggregate the outputs of the first level. We find that bi-level aggregation may suffer from a down-weighting issue and overlook individual node information, especially when there is an imbalance in the number of different typed relations. We develop a new simple yet effective single-level aggregation scheme with infomax encoding, named HIME, for unsupervised heterogeneous graph embedding. Our single-level aggregation scheme performs relation-specific transformation to obtain homogeneous embeddings before aggregating information from multiple typed neighbors. Thus, it emphasizes each neighbor’s equal contribution and does not suffer from the down-weighting issue. Extensive experiments demonstrate that HIME consistently outperforms the state-of-the-art approaches in link prediction, node classification, and node clustering tasks.

    DOI： 10.1007/s10994-022-06160-5

    researchmap

    Other Link： https://link.springer.com/article/10.1007/s10994-022-06160-5/fulltext.html

  • Strengthening Robustness Under Adversarial Attacks Using Brain Visual Codes

    Zarina Rakhimberdina, Xin Liu, Tsuyoshi Murata

    IEEE Access   10   96149 - 96158   2022

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Institute of Electrical and Electronics Engineers (IEEE)  

    DOI： 10.1109/access.2022.3204995

    researchmap

  • Natural Image Reconstruction From fMRI Using Deep Learning: A Survey

    Zarina Rakhimberdina, Quentin Jodelet, Xin Liu, Tsuyoshi Murata

    Frontiers in Neuroscience   15   2021.12

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Frontiers Media SA  

    With the advent of brain imaging techniques and machine learning tools, much effort has been devoted to building computational models to capture the encoding of visual information in the human brain. One of the most challenging brain decoding tasks is the accurate reconstruction of the perceived natural images from brain activities measured by functional magnetic resonance imaging (fMRI). In this work, we survey the most recent deep learning methods for natural image reconstruction from fMRI. We examine these methods in terms of architectural design, benchmark datasets, and evaluation metrics and present a fair performance evaluation across standardized evaluation metrics. Finally, we discuss the strengths and limitations of existing studies and present potential future directions.

    DOI： 10.3389/fnins.2021.795488

    researchmap

  • Balanced Softmax Cross-Entropy for Incremental Learning

    Quentin Jodelet, Xin Liu, Tsuyoshi Murata

    Lecture Notes in Computer Science   385 - 396   2021.9

    　More details

    Publishing type：Part of collection (book)   Publisher：Springer International Publishing  

    DOI： 10.1007/978-3-030-86340-1_31

    researchmap

  • PGRA: Projected graph relation-feature attention network for heterogeneous information network embedding

    Nuttapong Chairatanakul, Xin Liu, Tsuyoshi Murata

    Information Sciences   570   769 - 794   2021.9

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Elsevier BV  

    DOI： 10.1016/j.ins.2021.04.070

    researchmap

  • Graph Neural Networks for Fast Node Ranking Approximation

    Sunil Kumar Maurya, Xin Liu, Tsuyoshi Murata

    ACM Transactions on Knowledge Discovery from Data   15 ( 5 )   1 - 32   2021.5

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Association for Computing Machinery (ACM)  

    Graphs arise naturally in numerous situations, including social graphs, transportation graphs, web graphs, protein graphs, etc. One of the important problems in these settings is to identify which nodes are important in the graph and how they affect the graph structure as a whole. Betweenness centrality and closeness centrality are two commonly used node ranking measures to find out influential nodes in the graphs in terms of information spread and connectivity. Both of these are considered as shortest path based measures as the calculations require the assumption that the information flows between the nodes via the shortest paths. However, exact calculations of these centrality measures are computationally expensive and prohibitive, especially for large graphs. Although researchers have proposed approximation methods, they are either less efficient or suboptimal or both. We propose the first graph neural network (GNN) based model to approximate betweenness and closeness centrality. In GNN, each node aggregates features of the nodes in multihop neighborhood. We use this feature aggregation scheme to model paths and learn how many nodes are reachable to a specific node. We demonstrate that our approach significantly outperforms current techniques while taking less amount of time through extensive experiments on a series of synthetic and real-world datasets. A benefit of our approach is that the model is inductive, which means it can be trained on one set of graphs and evaluated on another set of graphs with varying structures. Thus, the model is useful for both static graphs and dynamic graphs.

    Source code is available at https://github.com/sunilkmaurya/GNN_Ranking

    DOI： 10.1145/3446217

    researchmap

  • Graph convolutional networks for graphs containing missing features

    Hibiki Taguchi, Xin Liu, Tsuyoshi Murata

    Future Generation Computer Systems   117   155 - 168   2021.4

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Elsevier BV  

    DOI： 10.1016/j.future.2020.11.016

    researchmap

  • Predicting Emergency Medical Service Demand With Bipartite Graph Convolutional Networks

    Ruidong Jin, Tianqi Xia, Xin Liu, Tsuyoshi Murata, Kyoung-Sook Kim

    IEEE Access   9   9903 - 9915   2021

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Institute of Electrical and Electronics Engineers (IEEE)  

    DOI： 10.1109/access.2021.3050607

    researchmap

  • Cross-lingual Transfer for Text Classification with Dictionary-based Heterogeneous Graph

    Nuttapong Chairatanakul, Noppayut Sriwatanasakdi, Nontawat Charoenphakdee, Xin Liu, Tsuyoshi Murata

    Findings of the Association for Computational Linguistics: EMNLP 2021   2021

    　More details

    Publishing type：Research paper (international conference proceedings)   Publisher：Association for Computational Linguistics  

    DOI： 10.18653/v1/2021.findings-emnlp.130

    researchmap

  • Population Graph-Based Multi-Model Ensemble Method for Diagnosing Autism Spectrum Disorder

    Zarina Rakhimberdina, Xin Liu, Tsuyoshi Murata

    Sensors   20 ( 21 )   6001 - 6001   2020.10

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：MDPI AG  

    With the advancement of brain imaging techniques and a variety of machine learning methods, significant progress has been made in brain disorder diagnosis, in particular Autism Spectrum Disorder. The development of machine learning models that can differentiate between healthy subjects and patients is of great importance. Recently, graph neural networks have found increasing application in domains where the population’s structure is modeled as a graph. The application of graphs for analyzing brain imaging datasets helps to discover clusters of individuals with a specific diagnosis. However, the choice of the appropriate population graph becomes a challenge in practice, as no systematic way exists for defining it. To solve this problem, we propose a population graph-based multi-model ensemble, which improves the prediction, regardless of the choice of the underlying graph. First, we construct a set of population graphs using different combinations of imaging and phenotypic features and evaluate them using Graph Signal Processing tools. Subsequently, we utilize a neural network architecture to combine multiple graph-based models. The results demonstrate that the proposed model outperforms the state-of-the-art methods on Autism Brain Imaging Data Exchange (ABIDE) dataset.

    DOI： 10.3390/s20216001

    researchmap

  • Optimizing Variational Graph Autoencoder for Community Detection with Dual Optimization

    Jun Jin Choong, Xin Liu, Tsuyoshi Murata

    Entropy   22 ( 2 )   197 - 197   2020.2

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：MDPI AG  

    Variational Graph Autoencoder (VGAE) has recently gained traction for learning representations on graphs. Its inception has allowed models to achieve state-of-the-art performance for challenging tasks such as link prediction, rating prediction, and node clustering. However, a fundamental flaw exists in Variational Autoencoder (VAE)-based approaches. Specifically, merely minimizing the loss of VAE increases the deviation from its primary objective. Focusing on Variational Graph Autoencoder for Community Detection (VGAECD) we found that optimizing the loss using the stochastic gradient descent often leads to sub-optimal community structure especially when initialized poorly. We address this shortcoming by introducing a dual optimization procedure. This procedure aims to guide the optimization process and encourage learning of the primary objective. Additionally, we linearize the encoder to reduce the number of learning parameters. The outcome is a robust algorithm that outperforms its predecessor.

    DOI： 10.3390/e22020197

    researchmap

  • BiMLPA: Community Detection in Bipartite Networks by Multi-Label Propagation

    Hibiki Taguchi, Tsuyoshi Murata, Xin Liu

    Springer Proceedings in Complexity   17 - 31   2020

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)   Publisher：Springer  

    DOI： 10.1007/978-3-030-38965-9_2

    Scopus

    researchmap

  • Optimizing Variational Graph Autoencoder for Community Detection

    Jun Jin Choong, Xin Liu, Tsuyoshi Murata

    2019 IEEE International Conference on Big Data (Big Data)   2019.12

    　More details

    Publishing type：Research paper (international conference proceedings)   Publisher：IEEE  

    DOI： 10.1109/bigdata47090.2019.9006123

    researchmap

  • Fast Approximations of Betweenness Centrality with Graph Neural Networks

    Sunil Kumar Maurya, Xin Liu, Tsuyoshi Murata

    Proceedings of the 28th ACM International Conference on Information and Knowledge Management   2019.11

    　More details

    Publishing type：Research paper (international conference proceedings)   Publisher：ACM  

    DOI： 10.1145/3357384.3358080

    researchmap

  • Recurrent Translation-Based Network for Top-N Sparse Sequential Recommendation

    Nuttapong Chairatanakul, Tsuyoshi Murata, Xin Liu

    IEEE Access   7   131567 - 131576   2019

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Institute of Electrical and Electronics Engineers (IEEE)  

    DOI： 10.1109/access.2019.2941083

    researchmap

  • A General View for Network Embedding as Matrix Factorization.

    Xin Liu 0020, Tsuyoshi Murata, Kyoung-Sook Kim, Chatchawan Kotarasu, Chenyi Zhuang

    Proceedings of the Twelfth ACM International Conference on Web Search and Data Mining(WSDM)   375 - 383   2019

    　More details

    Publishing type：Research paper (international conference proceedings)   Publisher：ACM  

    DOI： 10.1145/3289600.3291029

    researchmap

    Other Link： https://dblp.uni-trier.de/db/conf/wsdm/wsdm2019.html#0020MKKZ19

  • How much topological structure is preserved by graph embeddings? Reviewed

    Xin Liu 0020, Chenyi Zhuang, Tsuyoshi Murata, Kyoung-Sook Kim, Natthawut Kertkeidkachorn

    Comput. Sci. Inf. Syst.   16 ( 2 )   597 - 614   2019

    　More details

    Publishing type：Research paper (scientific journal)  

    DOI： 10.2298/CSIS181001011L

    researchmap

  • Variational Approach for Learning Community Structures

    Jun Jin Choong, Xin Liu, Tsuyoshi Murata

    Complexity   2018   1 - 13   2018.12

    　More details

    Publishing type：Research paper (scientific journal)   Publisher：Hindawi Limited  

    Discovering and modeling community structure exist to be a fundamentally challenging task. In domains such as biology, chemistry, and physics, researchers often rely on community detection algorithms to uncover community structures from complex systems yet no unified definition of community structure exists. Furthermore, existing models tend to be oversimplified leading to a neglect of richer information such as nodal features. Coupled with the surge of user generated information on social networks, a demand for newer techniques beyond traditional approaches is inevitable. Deep learning techniques such as network representation learning have shown tremendous promise. More specifically, supervised and semisupervised learning tasks such as link prediction and node classification have achieved remarkable results. However, unsupervised learning tasks such as community detection remain widely unexplored. In this paper, a novel deep generative model for community detection is proposed. Extensive experiments show that the proposed model, empowered with Bayesian deep learning, can provide insights in terms of uncertainty and exploit nonlinearities which result in better performance in comparison to state-of-the-art community detection methods. Additionally, unlike traditional methods, the proposed model is community structure definition agnostic. Leveraging on low-dimensional embeddings of both network topology and feature similarity, it automatically learns the best model configuration for describing similarities in a community.

    DOI： 10.1155/2018/4867304

    researchmap

    Other Link： http://downloads.hindawi.com/journals/complexity/2018/4867304.xml

  • Learning Community Structure with Variational Autoencoder

    Jun Jin Choong, Xin Liu, Tsuyoshi Murata

    2018 IEEE International Conference on Data Mining (ICDM)   2018.11

    　More details

    Publishing type：Research paper (international conference proceedings)   Publisher：IEEE  

    DOI： 10.1109/icdm.2018.00022

    researchmap

  • Measuring graph reconstruction precisions--how well do embeddings preserve the graph proximity structure?

    Xin Liu, Tsuyoshi Murata, Kyoung Sook Kim

    The 8th International Conference on Web Intelligence, Mining and Semantics (WIMS'18)   2018.6

    　More details

  • Network embedding based on a quasi-local similarity measure

    Xin Liu, Natthawut Kertkeidkachorn, Tsuyoshi Murata, Kyoung Sook Kim, Julien Leblay, Steven Lynden

    The 15th Pacific Rim International Conference on Artificial Intelligence (PRICAI'18)   11012 LNAI   429 - 440   2018.1

    　More details

  • Community Detection in Multi-Partite Multi-Relational Networks Based on Information Compression Reviewed

    Xin Liu, Weichu Liu, Tsuyoshi Murata, Ken Wakita

    NEW GENERATION COMPUTING   34 ( 1-2 )   153 - 176   2016.3

    　More details

    Language：English   Publishing type：Research paper (scientific journal)  

    DOI： 10.1007/s00354-016-0206-1

    Web of Science

    researchmap

  • A FRAMEWORK FOR COMMUNITY DETECTION IN HETEROGENEOUS MULTI-RELATIONAL NETWORKS Reviewed

    Xin Liu, Weichu Liu, Tsuyoshi Murata, Ken Wakita

    ADVANCES IN COMPLEX SYSTEMS   17 ( 6 )   2014.11

    　More details

    Language：English   Publishing type：Research paper (scientific journal)  

    DOI： 10.1142/S0219525914500180

    Web of Science

    researchmap

  • Detecting network communities beyond assortativity-related attributes Reviewed

    Xin Liu, Tsuyoshi Murata, Ken Wakita

    Physical Review E - Statistical, Nonlinear, and Soft Matter Physics   90 ( 1 )   2014.10

    　More details

    Language：English   Publishing type：Research paper (scientific journal)   Publisher：American Physical Society  

    DOI： 10.1103/PhysRevE.90.012806

    Scopus

    PubMed

    researchmap

  • Detecting network communities beyond assortativity-related attributes Reviewed

    Xin Liu, Tsuyoshi Murata, Ken Wakita

    PHYSICAL REVIEW E   90 ( 1 )   2014.7

    　More details

    Language：English   Publishing type：Research paper (scientific journal)  

    DOI： 10.1103/PhysRevE.90.012806

    Web of Science

    researchmap

  • A Unified Modularity by Encoding the Similarity Attraction Feature into the Null Model Reviewed

    Xin Liu, Tsuyoshi Murata, Ken Wakita

    2014 PROCEEDINGS OF THE IEEE/ACM INTERNATIONAL CONFERENCE ON ADVANCES IN SOCIAL NETWORKS ANALYSIS AND MINING (ASONAM 2014)   521 - 528   2014

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)  

    Web of Science

    researchmap

  • Community detection algorithm based on centrality and node closeness in scale-free networks Reviewed

    Sorn Jarukasemratana, Tsuyoshi Murata, Xin Liu

    Transactions of the Japanese Society for Artificial Intelligence   29 ( 2 )   234 - 244   2014

    　More details

    Language：English   Publishing type：Research paper (scientific journal)  

    DOI： 10.1527/tjsai.29.234

    Scopus

    researchmap

  • Extracting the multilevel communities based on network structural and nonstructural information

    Xin Liu, Tsuyoshi Murata, Ken Wakita

    WWW 2013 Poster - Proceedings of the 22nd International Conference on World Wide Web   191 - 192   2013.12

    　More details

  • Community detection algorithm based on centrality and node distance in scale-free networks Reviewed

    Sorn Jarukasemratana, Tsuyoshi Murata, Xin Liu

    HT 2013 - Proceedings of the 24th ACM Conference on Hypertext and Social Media   258 - 262   2013

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)  

    DOI： 10.1145/2481492.2481527

    Scopus

    researchmap

  • Community detection from signed networks Reviewed

    Takahiko Sugihara, Xin Liu, Tsuyoshi Murata

    Transactions of the Japanese Society for Artificial Intelligence   28 ( 1 )   67 - 76   2013

    　More details

    Language：Japanese   Publishing type：Research paper (scientific journal)  

    DOI： 10.1527/tjsai.28.67

    Scopus

    researchmap

  • Detecting Communities in K-Partite K-Uniform (Hyper)Networks Reviewed

    Xin Liu, Tsuyoshi Murata

    JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY   26 ( 5 )   778 - 791   2011.9

    　More details

    Language：English   Publishing type：Research paper (scientific journal)  

    DOI： 10.1007/s11390-011-0177-0

    Web of Science

    researchmap

  • Extracting the mesoscopic structure from heterogeneous systems Reviewed

    Xin Liu, Tsuyoshi Murata

    HT 2011 - Proceedings of the 22nd ACM Conference on Hypertext and Hypermedia   211 - 220   2011

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)   Publisher：Association for Computing Machinery  

    DOI： 10.1145/1995966.1995995

    Scopus

    researchmap

  • Evaluating community structure in bipartite networks Reviewed

    Xin Liu, Tsuyoshi Murata

    Proceedings - SocialCom 2010: 2nd IEEE International Conference on Social Computing, PASSAT 2010: 2nd IEEE International Conference on Privacy, Security, Risk and Trust   576 - 581   2010

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)  

    DOI： 10.1109/SocialCom.2010.91

    Scopus

    researchmap

  • How Does Label Propagation Algorithm Work in Bipartite Networks? Reviewed

    Xin Liu, Tsuyoshi Murata

    2009 IEEE/WIC/ACM INTERNATIONAL JOINT CONFERENCES ON WEB INTELLIGENCE (WI) AND INTELLIGENT AGENT TECHNOLOGIES (IAT), VOL 3   5 - 8   2009

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)  

    Web of Science

    researchmap

  • Community detection in large-scale bipartite networks Reviewed

    Xin Liu, Tsuyoshi Murata

    Proceedings - 2009 IEEE/WIC/ACM International Conference on Web Intelligence, WI 2009   1   50 - 57   2009

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)  

    DOI： 10.1109/WI-IAT.2009.15

    Scopus

    researchmap

  • Extracting users' interests of web-watching Behaviors based on site-keyword graph Reviewed

    Tsuyoshi Murata, Kota Saito

    EMERGENT INTELLIGENCE OF NETWORKED AGENTS   56   139 - +   2007

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)  

    Web of Science

    researchmap

  • Extracting keywords of web users' interests and visualizing their routine visits Reviewed

    Tsuyoshi Murata, Kota Saito

    2006 9TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION, ROBOTICS AND VISION, VOLS 1- 5   2028 - +   2006

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)  

    Web of Science

    researchmap

  • Extracting users' interests from web log data Reviewed

    Tsuyoshi Murata, Kota Saito

    2006 IEEE/WIC/ACM INTERNATIONAL CONFERENCE ON WEB INTELLIGENCE, (WI 2006 MAIN CONFERENCE PROCEEDINGS)   343 - +   2006

    　More details

    Language：English   Publishing type：Research paper (international conference proceedings)  

    Web of Science

    researchmap

▼display all

Books

  • Modularity for Bipartite Networks

    Nasrullah Memon eds., Springer  2010 

    　More details

  • Modularity for Bipartite Networks

    Nasrullah Memon eds., Springer  2010 

    　More details

  • Extracting Users' Interests of Web-watching Behaviors Based on Site-Keyword Graph, in A. Namatame, S. Kurihara, H. Nakashima, (Eds.), Emergent Intelligence of Networked Agents

    Springer  2007 

    　More details

  • Extracting Users' Interests of Web-watching Behaviors Based on Site-Keyword Graph, in A. Namatame, S. Kurihara, H. Nakashima, (Eds.), Emergent Intelligence of Networked Agents

    Springer  2007 

    　More details

  • Graph Mining Approaches for the Discovery of Web Communities, in T. Washio, J. N. Kok, L. D. Raedt eds., Advances in Mining Graphs, Trees And Sequences (Frontiers in Artificial Intelligence and Applications)

    IOS Press  2005 

    　More details

  • Graph Mining Approaches for the Discovery of Web Communities, in T. Washio, J. N. Kok, L. D. Raedt eds., Advances in Mining Graphs, Trees And Sequences (Frontiers in Artificial Intelligence and Applications)

    IOS Press  2005 

    　More details

▼display all

MISC

  • Community detection from signed networks

    97   7 - 12   2012.11

    　More details

    Language：Japanese  

    CiNii Books

    researchmap

  • Advanced modularity-specialized label propagation algorithm for detecting communities in networks

    X. Liu, T. Murata

    Physica A: Statistical Mechanics and its Applications   389 ( 7 )   1493 - 1500   2010.4

    　More details

  • Advanced modularity-specialized label propagation algorithm for detecting communities in networks

    X. Liu, T. Murata

    PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS   389 ( 7 )   1493 - 1500   2010.4

    　More details

  • A NEW MODULARITY FOR DETECTING ONE-TO-MANY CORRESPONDENCE OF COMMUNITIES IN BIPARTITE NETWORKS

    Tsuyoshi Murata, Tomoyuki Ikeya

    ADVANCES IN COMPLEX SYSTEMS   13 ( 1 )   19 - 31   2010.2

    　More details

  • An Efficient Algorithm for Optimixing Bipartite Modularity in Bipartite Networks

    Liu Xin, Tsuyoshi MURATA

    14 ( 4 )   408 - 415   2010

    　More details

  • Community Detection in Large-scale Bipartite Networks

    Liu Xin, Murata Tsuyoshi

    Information and Media Technologies   25 ( 1 )   16 - 24   2010

    　More details

    Language：English   Publisher：Information and Media Technologies Editorial Board  

    Community detection in networks receives much attention recently. Most of the previous works are for unipartite networks composed of only one type of nodes. In real world situations, however, there are many bipartite networks composed of two types of nodes. In this paper, we propose a fast algorithm called LP&BRIM for community detection in large-scale bipartite networks. It is based on a joint strategy of two developed algorithms — label propagation (LP), a very fast community detection algorithm, and BRIM, an algorithm for generating better community structure by recursively inducing divisions between the two types of nodes in bipartite networks. Through experiments, we demonstrate that this new algorithm successfully finds meaningful community structures in large-scale bipartite networks in reasonable time limit.

    DOI： 10.1527/tjsai.25.16

    researchmap

  • An efficient algorithm for optimizing bipartite modularity in bipartite networks

    Xin Liu, Tsuyoshi Murata

    Journal of Advanced Computational Intelligence and Intelligent Informatics   14 ( 4 )   408 - 415   2010

    　More details

    Language：English   Publisher：Fuji Technology Press  

    DOI： 10.20965/jaciii.2010.p0408

    Scopus

    researchmap

  • Community detection in large-scale bipartite networks

    Xin Liu, Tsuyoshi Murata

    Transactions of the Japanese Society for Artificial Intelligence   25 ( 1 )   16 - 24   2010

    　More details

    Language：English   Publisher：Japanese Society for Artificial Intelligence  

    DOI： 10.1527/tjsai.25.16

    Scopus

    researchmap

  • インタ-ネットQAサイトにおけるリンク予測

    森保さき子

    情報処理学会論文誌:数理モデル化と応用(TOM)   2 ( 1 )   10 - 21   2009

    　More details

  • ネットワークからのコミュニティ抽出

    村田剛志

    知能と情報(日本知能情報ファジィ学会誌)   21 ( 4 )   500 - 508   2009

    　More details

  • Community Extraction from Networks of Multi-type Nodes

    22   1 - 4   2008

    　More details

    Language：Japanese  

    CiNii Books

    researchmap

  • Analysis and Visualization of Internet QA Bulletin Boards Represented as Heterogeneous Networks

    Murata Tsuyoshi, Ikeya Tomoyuki

    Transactions of the Japanese Society for Artificial Intelligence   23 ( 5 )   293 - 302   2008

    　More details

    Language：Japanese   Publisher：The Japanese Society for Artificial Intelligence  

    Visualizing and analyzing social interactions of CGM (Consumer Generated Media) are important for understanding overall activities on the internet. Social interactions are often represented as simple networks that are composed of homogeneous nodes and edges between them. However, related entities in real world are often not homogeneous. Such relations are naturally represented as heterogeneous networks composed of more than one kind of nodes and edges connecting them. In the case of CGM, for example, users and their contents constitute nodes of heterogeneous networks. There are related users (user communities) and related contents (contents communities) in the heterogeneous networks. Discovering both communities and finding correspondence among them will clarify the characteristics of the communites. This paper describes an attempt for visualizing and analyzing social interactions of Yahoo! Chiebukuro (Japanese Yahoo! Answers). New criteria for measuring correspondence between user communities and board communites are defined, and characteristics of both communities are analyzed using the criteria.

    DOI： 10.1527/tjsai.23.293

    researchmap

  • Link prediction based on structural properties of online social networks

    Tsuyoshi Murata, Sakiko Moriyasu

    NEW GENERATION COMPUTING   26 ( 3 )   245 - 257   2008

    　More details

  • Analysis and Visualization of Internet QA Bulletin Boards Represented as Heterogeneous Networks

    Tsuyoshi Murata, Tomoyuki Ikeya

    Transactions of the Japanese Society of Artificial Intelligence   23 ( 5 )   293 - 302   2008

    　More details

    Language：Japanese   Publisher：The Japanese Society for Artificial Intelligence  

    Visualizing and analyzing social interactions of CGM (Consumer Generated Media) are important for understanding overall activities on the internet. Social interactions are often represented as simple networks that are composed of homogeneous nodes and edges between them. However, related entities in real world are often not homogeneous. Such relations are naturally represented as heterogeneous networks composed of more than one kind of nodes and edges connecting them. In the case of CGM, for example, users and their contents constitute nodes of heterogeneous networks. There are related users (user communities) and related contents (contents communities) in the heterogeneous networks. Discovering both communities and finding correspondence among them will clarify the characteristics of the communites. This paper describes an attempt for visualizing and analyzing social interactions of Yahoo! Chiebukuro (Japanese Yahoo! Answers). New criteria for measuring correspondence between user communities and board communites are defined, and characteristics of both communities are analyzed using the criteria.

    DOI： 10.1527/tjsai.23.293

    researchmap

  • Detection of breaking news from Online web search queries

    Tsuyoshi Murata

    NEW GENERATION COMPUTING   26 ( 1 )   63 - 73   2008

    　More details

  • Detection of breaking news from online web search queries

    Tsuyoshi Murata

    New Generation Computing   26 ( 1 )   63 - 73   2007.11

    　More details

  • Discovery of user communities based on terms of web log data

    Tsuyoshi Murata

    New Generation Computing   25 ( 3 )   293 - 303   2007

    　More details

  • Discovery of user communities based on terms of web log data

    Tsuyoshi Murata

    NEW GENERATION COMPUTING   25 ( 3 )   293 - 303   2007

    　More details

  • Extraction and Visualization of Web Users' Interests Using Site-Keyword Graphs

    Tsuyoshi Murata, Kota Saito

    Journal of Japan Society for Fuzzy Theory and Intelligent Informatics   18 ( 5 )   701 - 710   2006

    　More details

    Language：Japanese   Publisher：Japan Society for Fuzzy Theory and intelligent informatics  

    Extraction and visualization of Web users' interests from their log data are challenging research topics of Web usage mining. Users' Web-watching behaviors can be represented as a graph if we regard Web sites and search keywords as nodes and their time sequence as edges. We call this graph as a site-keyword graph. This paper describes a method for extracting subgraphs of users' interests from a site-keyword graph obtained from Web audience measurement data. The subgraphs are visualized in order to assist manual analysis. Our method succeeds in extracting subgraphs composed of about 30 percent nodes of original site-keyword graph. The qualities of the subgraphs are evaluated using the number of top-ranking nodes of PageRank ranking algorithm.

    DOI： 10.3156/jsoft.18.701

    CiNii Books

    researchmap

    Other Link： https://jlc.jst.go.jp/DN/JALC/00286917269?from=CiNii

  • Discovery of User Communities from Web Audience Measurement Data

    MURATA Tsuyoshi

    J. SOFT   18 ( 2 )   213 - 222   2006

    　More details

    Language：Japanese   Publisher：Japan Society for Fuzzy Theory and intelligent informatics  

    As an attempt for discovering Web users of similar tastes, this paper proposes a method for discovering user communities from Web audience measurement data (Web log data). The method is based on an assumption that terms included in an URL often characterize the contents of the Web page pointed by the URL. Complete bipartite graphs are searched from user-term graph obtained from Web audience measurement data without analyzing the contents of Web pages. Experimental results show that our method succeeds in discovering many interesting user communities. Our approach based on graph search, which is common in Web structure mining, is effective also for Web usage mining. Terms attached to discovered user communities can be regarded as labels of the communities, and the terms make manual analysis of the communities easier.

    DOI： 10.3156/jsoft.18.213

    CiNii Books

    researchmap

    Other Link： https://jlc.jst.go.jp/DN/JALC/00278402520?from=CiNii

  • Extraction and Visualization of Web Users' Interests Using Site-Keyword Graphs

    MURATA Tsuyoshi, SAITO Kota

    J. SOFT   18 ( 5 )   701 - 710   2006

    　More details

    Language：Japanese   Publisher：Japan Society for Fuzzy Theory and intelligent informatics  

    Extraction and visualization of Web users' interests from their log data are challenging research topics of Web usage mining. Users' Web-watching behaviors can be represented as a graph if we regard Web sites and search keywords as nodes and their time sequence as edges. We call this graph as a site-keyword graph. This paper describes a method for extracting subgraphs of users' interests from a site-keyword graph obtained from Web audience measurement data. The subgraphs are visualized in order to assist manual analysis. Our method succeeds in extracting subgraphs composed of about 30 percent nodes of original site-keyword graph. The qualities of the subgraphs are evaluated using the number of top-ranking nodes of PageRank ranking algorithm.

    DOI： 10.3156/jsoft.18.701

    CiNii Books

    researchmap

    Other Link： https://jlc.jst.go.jp/DN/JALC/00286917269?from=CiNii

  • Discovery of User Communities from Web Audience Measurement Data

    Tsuyoshi Murata

    Journal of Japan Society for Fuzzy Theory and Intelligent Informatics   18 ( 2 )   213 - 222   2006

    　More details

  • Foreword(<Special Features>Search Engines 2005-Guides to the Web-)

    MURATA Tsuyoshi

    IPSJ Magazine   46 ( 9 )   980 - 980   2005.9

    　More details

    Language：Japanese   Publisher：Information Processing Society of Japan (IPSJ)  

    CiNii Books

    researchmap

  • Web Structure Mining and Web Visualization

    MURATA Tsuyoshi, Tsuyoshi Murata

    Journal of Japanese Society for Artificial Intelligence   20 ( 1 )   125 - 128   2005.1

    　More details

  • 検索エンジンの概要

    山名早人, 村田剛志

    情報処理学会   46 ( 9 )   981 - 987   2005

    　More details

  • WWWにおけるメタ情報源の獲得

    山田誠二, 小野田崇, 高間康史, 村田剛志

    人工知能学会   20 ( 2 )   149 - 156   2005

    　More details

  • 検索エンジン2005

    村田剛志

    情報処理学会   46 ( 9 )   979 - 1015   2005

    　More details

  • Introduction to Search Engines

    H. Yamana, T. Murata

    Information Processing Society of Japan   46 ( 9 )   981 - 987   2005

    　More details

  • Search Engines 2005

    T. Murata

    Information Processing Society of Japan   46 ( 9 )   979 - 1015   2005

    　More details

  • Acquisition of Meta Information Sources of WWW

    S. Yamada, T. Onoda, Y. Takama, T. Murata

    The Japanese Society for Artificial Intelligence   20 ( 2 )   149 - 156   2005

    　More details

  • Web Dynamics:Foreword

    44 ( 7 )   688 - 688   2003.7

    　More details

    Language：Japanese  

    CiNii Books

    researchmap

  • 知的Web情報システム

    山田誠二, 村田剛志, 北村泰彦

    人工知能学会誌   16 ( 4 )   495 - 502   2001.7

    　More details

    Language：Japanese   Publishing type：Book review, literature introduction, etc.  

    researchmap

▼display all

Presentations

  • Modularities for Bipartite Networks

    Proceedings of the 20th ACM Conference on Hypertext and Hypermedia (Hypertext 2009)  2009 

    　More details

  • Breaking News Detection and Tracking in Twitter

    Proceedings of the 2010 International Workshop on Intelligent Web Interaction (IWI-10)  2010 

    　More details

  • Community Division of Heterogeneous Networks

    the First International Conference on Complex Sciences  2009 

    　More details

  • Modularity for Heterogeneous Networks

    proceedings of the 21st ACM Conference on Hypertext and Hypermedia (HyperText2010)  2010 

    　More details

  • Evaluating Community Structure in Bipartite Networks

    The second IEEE International Conference on Social Computing  2010 

    　More details

  • Breaking News Detecton in Twitter

    IEICE SIG Notes  2010 

    　More details

  • Detecting Communities from Tripartite Networks

    the 19th International World Wide Web Conference (WWW2010)  2010 

    　More details

    Presentation type：Poster presentation  

    researchmap

  • Evaluating Community Structure in Bipartite Networks

    The second IEEE International Conference on Social Computing  2010 

    　More details

  • Breaking News Detection and Tracking in Twitter

    Proceedings of the 2010 International Workshop on Intelligent Web Interaction (IWI-10)  2010 

    　More details

  • Modularity for Heterogeneous Networks

    proceedings of the 21st ACM Conference on Hypertext and Hypermedia (HyperText2010)  2010 

    　More details

  • Breaking News Detecton in Twitter

    IEICE SIG Notes  2010 

    　More details

  • Detecting Communities from Tripartite Networks

    the 19th International World Wide Web Conference (WWW2010)  2010 

    　More details

    Presentation type：Poster presentation  

    researchmap

  • Qualitative Analysis of Web User Communities

    2005 

    　More details

  • Web検索件数に基づく対象間の関連性の抽出

    人工知能学会研究会資料  2005 

    　More details

  • Web構造マイニングとWebコミュニティ発見

    データベースシステム・情報学基礎合同研究会  2006 

    　More details

  • Extracting User's Interests from Web Log Data

    2006 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Technology  2006 

    　More details

  • 常識推論のためのWebからの単文収集

    Webインテリジェンスとインタラクション研究会  2006 

    　More details

  • Web閲覧者の関心キーワードの抽出と巡回行動の視覚化

    Webインテリジェンスとインタラクション  2006 

    　More details

  • Towards the Detection of Breaking News from Online Web Search Keywords

    WI-IAT 2006 Workshop on Intelligent Web Interaction  2006 

    　More details

  • Extraction of Structural Information from the Web

    2005 

    　More details

  • Qualitative Analysis of Web User Communities

    The Third International Conference on Computational Intelligence, Robotics and Autonomous Systems (CIRAS2005)  2005 

    　More details

  • Extracting relations among objects based on the number of hits on Web search

    2005 

    　More details

  • Towards the Detection of Breaking News from Online Web Search Keywords

    WI-IAT 2006 Workshop on Intelligent Web Interaction  2006 

    　More details

  • Extraction of Structural Information from the Web

    The Second International Conference on Fuzzy Systems and Knowledge Discovery (FSKD2005)  2005 

    　More details

  • Link Prediction for Question-Answering Bulletin Boards

    5th International Workshop on Mining and Learning with Graphs (MLG'07)  2007 

    　More details

  • Requirements for Visualizing Dynamic Online Social Networks

    8th International Symposium on Advanced Intelligent Systems (ISIS 2007)  2007 

    　More details

  • インターネットQAサイトにおけるリンク予測

    第21回人工知能学会全国大会  2007 

    　More details

  • インターネットQAサイトにおけるリンク予測

    ネットワークが創発する知能研究会第3回ワークショップ(JWEIN2007)  2007 

    　More details

  • Web Structure mining and Discovery of Web Communities

    Joint Meeting of Database Systems and Fundamental Informatics  2006 

    　More details

  • Extracting User's Interests from Web Log Data

    2006 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Technology  2006 

    　More details

  • Collecting Simple Sentences from the Web for Commonsense Reasoning

    Web Intelligence and Interaction  2006 

    　More details

  • Extracting Keywords of Web Users' Interests and Visualixing their Routine Visits

    Web Intelligence and Interaction  2006 

    　More details

  • Discovering and Visualizing Network Communities

    Workshop on Intelligent Web Interaction Workshop 2007  2007 

    　More details

  • Link Prediction of Social Networks Based on Weighted Proximity Measures

    2007 IEEE/WIC/ACM International Conference on Web Intelligence (WI 2007)  2007 

    　More details

  • 複数種ノードネットワークからのコミュニティ抽出

    2008年度人工知能学会全国大会(第22回)  2008 

    　More details

  • Topic Detection and Tracking for Articles using Probabilistic Methods

    Workshop on Multimodal Summarization for Trend Information  2007 

    　More details

  • Math MLを用いた数式検索

    2008年度人工知能学会全国大会(第22回)  2008 

    　More details

  • Analysis of the Relationships Among Web Search Query Terms

    the Symposium on Large-scale Knowledge Resources (LKR2007)  2007 

    　More details

  • Link Prediction of Social Networks Based on Weighted Proximity Measures

    2007 IEEE/WIC/ACM International Conference on Web Intelligence (WI 2007)  2007 

    　More details

  • 記事集合における確率的手法を用いた話題の発見と追跡

    動向情報の要約と可視化に関するワークショップ  2007 

    　More details

  • Requirements for Visualizing Dynamic Online Social Networks

    8th International Symposium on Advanced Intelligent Systems (ISIS 2007)  2007 

    　More details

  • Discovering and Visualizing Network Communities

    Workshop on Intelligent Web Interaction Workshop 2007  2007 

    　More details

  • Analysis of the Relationships Among Web Search Query Terms

    the Symposium on Large-scale Knowledge Resources (LKR2007)  2007 

    　More details

  • Link Prediction for Question-Answering Bulletin Boards

    5th International Workshop on Mining and Learning with Graphs (MLG'07)  2007 

    　More details

  • Community Detection in Largte-scale Bipartite Networks

    2009 IEEE/WIC/ACM International Conference on Web Intelligence (WI'09)  2009 

    　More details

  • 2部モジュラリティの比較および評価

    情報処理学会ネットワーク生態学研究グループ 第6回ネットワーク生態学シンポジウム  2009 

    　More details

  • ネットワークデータからのコミュニティ抽出手法の特徴比較

    電子情報通信学会Webインテリジェンスとインタラクション研究会資料  2008 

    　More details

  • Analysis of Online Question-Answering Forums as Heterogeneous Networks

    Second International Conference on Weblogs and Social Media (ICWSM 2008)  2008 

    　More details

  • 2部グラフにおけるモジュラリティ

    日本ソフトウェア科学会 ネットワークが創発する知能研究会第4回ワークショップ  2008 

    　More details

  • Discovering,Visualizing and Evaluating Online Bipartite Communities

    Proc. of the 2008 International Workshop on Intelligent Web Interaction  2008 

    　More details

  • Search of Mathematical Formulas using MathML

    the 22nd Annual Conference of the Japanese Society for Artificial Intelligence 2008  2008 

    　More details

  • Community Extraction from Networks of Multi-type Nodes

    the 22nd Annual Conference of the Japanese Society for Artificial Intelligence 2008  2008 

    　More details

  • Discovering,Visualizing and Evaluating Online Bipartite Communities

    Proc. of the 2008 International Workshop on Intelligent Web Interaction  2008 

    　More details

  • Analysis of Online Question-Answering Forums as Heterogeneous Networks

    Second International Conference on Weblogs and Social Media (ICWSM 2008)  2008 

    　More details

  • How Does Label Propagation Algorithm Work in Bipartite Networks?

    2009 International Workshop on Interlligent Web Interaction (IWI'09)  2009 

    　More details

  • New Modularity for Evaluating Communities in Bipartite Networks

    the 7th International Workshop on Mining and Learning with Graphs (MLG-09)  2009 

    　More details

    Presentation type：Poster presentation  

    researchmap

  • New Modularity for Evaluating Communities in Bipartite Networks

    the 7th International Workshop on Mining and Learning with Graphs (MLG-09)  2009 

    　More details

    Presentation type：Poster presentation  

    researchmap

  • Detecting Communities from Bipartite Networks Based on Bipartite Modularities

    the 2009 IEEE International Conference on Social Computing (SocialCom-09)  2009 

    　More details

  • 実ネットワークに対する、各種リンク予測手法の適正について

    2009年度人工知能学会全国大会（第23回）論文集  2009 

    　More details

  • Modularities for Bipartite Networks

    Proceedings of the 20th ACM Conference on Hypertext and Hypermedia (Hypertext 2009)  2009 

    　More details

  • Community Detection in Largte-scale Bipartite Networks

    2009 IEEE/WIC/ACM International Conference on Web Intelligence (WI'09)  2009 

    　More details

  • Community Division of Heterogeneous Networks

    the First International Conference on Complex Sciences  2009 

    　More details

  • Detecting Communities from Bipartite Networks Based on Bipartite Modularities

    the 2009 IEEE International Conference on Social Computing (SocialCom-09)  2009 

    　More details

  • How Does Label Propagation Algorithm Work in Bipartite Networks?

    2009 International Workshop on Interlligent Web Interaction (IWI'09)  2009 

    　More details

▼display all

Awards

  • 2001年度人工知能学会全国大会優秀論文賞

    2002  

    　More details

    Country：Japan

    researchmap

  • The Best Paper Award of The Annual Conference of The Japanese Society for Artificial Intelligence (2001)

    2002  

    　More details

  • 2000年度人工知能学会研究奨励賞

    2001  

    　More details

    Country：Japan

    researchmap

  • Research Encouragement Award of The Japanese Society for Artificial Intelligence (2000)

    2001  

    　More details

  • 2000年度人工知能学会全国大会優秀論文賞

    2001  

    　More details

    Country：Japan

    researchmap

  • The Best Paper Award of The Annual Conference of The Japanese Society for Artificial Intelligence (2000)

    2001  

    　More details

▼display all

Research Projects

  • Deepening Graph Neural Network Technology

    Grant number：23H03451  2023.4 - 2028.3

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (B)

    　 More details

    Grant amount：\17550000 （ Direct Cost: \13500000 、 Indirect Cost：\4050000 ）

    researchmap

  • Deepening the technologies of graph neural networks

    Grant number：23K28141  2023.4 - 2028.3

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (B)

    　 More details

    Grant amount：\17550000 （ Direct Cost: \13500000 、 Indirect Cost：\4050000 ）

    researchmap

  • Co-evolution of epidemics, interventions, and behavior in network epidemiology

    Grant number：21H04595  2021.4 - 2025.3

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (A)

    　 More details

    Grant amount：\41990000 （ Direct Cost: \32300000 、 Indirect Cost：\9690000 ）

    researchmap

  • Simplifying social network data to predict spreading processes

    Grant number：20H04288  2020.4 - 2024.3

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (B)

    　 More details

    Grant amount：\17810000 （ Direct Cost: \13700000 、 Indirect Cost：\4110000 ）

    researchmap

  • Social effects on epidemics: A temporal network approach

    Grant number：18H01655  2018.4 - 2022.3

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (B)

    Holme Petter

    　 More details

    Grant amount：\17290000 （ Direct Cost: \13300000 、 Indirect Cost：\3990000 ）

    This project has resulted in many advances in network-based simulation methods of epidemics. We have designed new algorithms that can handle time-resolved data efficiently. We have created models to generate surrogate networks based on empirical contact data. Furthermore, we have analyzed vaccination on networks by game theory, and made several other applied and theoretical advances.

    researchmap

  • Understanding and controlling information propagation in multilayer networks

    Grant number：17H01785  2017.4 - 2022.3

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (B)

    　 More details

    Grant amount：\16250000 （ Direct Cost: \12500000 、 Indirect Cost：\3750000 ）

    researchmap

  • Link Mining for Heterogeneous Networks

    Grant number：22300049  2010.4 - 2015.3

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (B)

    MURATA Tsuyoshi

    　 More details

    Grant amount：\18070000 （ Direct Cost: \13900000 、 Indirect Cost：\4170000 ）

    (1) Method for detecting communities in scale-free networks was proposed, (2) Modularity is extended so that similarities among attributes of vertices are taken into consideration, (3) Modularity for tripartite networks is proposed for detecting communities, and (4) Method for detecting communities from signed networks was proposed.

    researchmap

  • Integrated analysis of web information structure and users' behavior and its application to advanced information access

    Grant number：22240007  2010.4 - 2013.3

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (A)

    OYAMA Keizo, AIZAWA Akiko, MIYAO Yusuke, SUN Yuan, KOBAYASHI Tetsuro, HAN Hao, KISHIDA Kazuaki, YAMANA Hayato, OKUMURA Manabu, YOSHIOKA Masaharu, ISHITA Emi, MURATA Tsuyoshi, EGUCHI Koji

    　 More details

    Grant amount：\39520000 （ Direct Cost: \30400000 、 Indirect Cost：\9120000 ）

    For understanding Web structure and users' behavior of information retrieval and browsing in an integrated way, and for extending it to various applications, we collected and introduced various data reflecting Web information structure and Web users' behavior (e.g. Web view log data, micro-blog data), obtained user data through questionnaire, and executed integrated analysis on them.
    Consequently, we obtained various findings through data such that there is a gap between information wanted to know and information wanted to inform, and that, through using Web portal sites, unexpected contact to various information occurs. Moreover, we proposed and studied various methods for advanced information access such as information recommendation and information retrieval based on the information obtained through the integrated analysis.

    researchmap

  • Webからの数式情報・図形情報の獲得および利用に関する研究

    Grant number：18650029  2006 - 2008

    日本学術振興会  科学研究費助成事業  萌芽研究

    村田 剛志

    　 More details

    Grant amount：\3300000 （ Direct Cost: \3300000 ）

    平成20年度においては、Webページ上の数式を検索するための手法についての研究を進めた。数式はあらゆる学問分野において、重要な要素の記述に用いられている。しかし、数式を対象とした検索に関する研究は不十分ではない。従来のテキスト検索技術であるTF-IDF等では単語の出現頻度に基づいているため、数式の構造(例えばsinを含んだ積分式においてsinが積分記号の内側か外側かなど)を反映した検索が困難であつた。この研究ではテキストではなくMathML (Mathematical Markup Language)を利用して、数式の構造を反映した検索を実現するシステムを構築した。また、検索結果を提示するにあたっては、対象の重要度に応じたランキングを行うことが不可欠である。数式の検索者が求める数式の性質として、「単純な数式」および「指定した条件が分かりやすく表れた数式」の二つを仮定し、そのような性質を満たす数式を上位にするランキング手法を考案し実装した。The Wolfram Functions Siteより収集した約8,OOO個の数式を用いて検索の実験を行ったところ、設計した問い合わせ言語を正しく認識し結果を出力することを確認した。また、提案したランキング手法を比較し、数式における適切なランキングについての考察も行った。

    researchmap

  • Webのハイパーリンク構造のモデル化に関する研究

    Grant number：16680008  2004 - 2006

    日本学術振興会  科学研究費助成事業  若手研究(A)

    村田 剛志

    　 More details

    Grant amount：\20410000 （ Direct Cost: \15700000 、 Indirect Cost：\4710000 ）

    本研究代表者はハイパーリンク等のグラフ構造に基づいてWebページ等の対象間の関連性を見出すWebマイニングの研究を進めてきている。Webページの多くは、関連するページへのハイパーリンクを有しており、Webコミュニティと呼ばれるグラフ構造を構成している。このような密な部分構造についての知見を得ることは、Webから効率的な情報収集をする上で重要である。
    本年度においては、ユーザの振る舞いをログデータから理解するための試みとして、ログデータから得られるグラフ構造をもとに、関心サイト集合を抽出し視覚化する手法を考案し実験を行なった。対象とするログデータとして、クライアント側から得られるインターネット視聴行動のローデータを用いた。このデータには、ユーザが訪問したサイトおよび検索で入力したキーワードが含まれている。特定のユーザのローデータから、サイトやキーワードを頂点とし、時間的な前後関係を辺としたグラフ(サイト・キーワードグラフ)を生成した。このサイト・キーワードグラフから中心的な部分グラフを抽出することで、対象ユーザの関心を見出すことができる。2004年12月の1ヶ月間における8,000人以上のユーザについてローデータを用いて実験を行ったところ、もとのサイト・キーワードグラフの30パーセント程度の中心的な部分グラフを抽出した。それをGraphvizによって視覚化することで、抽出された部分グラフの分析も行った。ハイパーリンクによって結合したWebページのグラフ構造に対して適用するランキングやコミュニティ発見の手法は、主としてWeb構造マイニングの手法であるが、ログデータの分析に対してもそのような手法が有効であることを示すことができた。

    researchmap

  • Webにおけるユーザコミュニティに関する研究

    Grant number：16016288  2004 - 2005

    日本学術振興会  科学研究費助成事業  特定領域研究

    村田 剛志, 山田 誠二

    　 More details

    Grant amount：\10100000 （ Direct Cost: \10100000 ）

    本研究課題では(1)ユーザコミュニティの発見システムの構築(2)ユーザコミュニティの構造のモデル化の二つを目標としている。平成17年度においては、(1)への取り組みとしてユーザの閲覧履歴を俯瞰するためのシステム構築を行なった。具体的な手法として、ユーザのWeb閲覧履歴とその周辺のグラフ構造を視覚化するTopic Mapの抽出を行なった。まずユーザのWeb閲覧履歴とその周辺のWebページを収集した後に、Webのリンク構造を残したままクラスタリングを行なうことでTopic Mapの抽出を行なう。クラスタリングは、リンクの距離が一定値以下のページ間で行なっている。リンクを3種類(up/down、cross、out)に分類し重み付けを行い、クラスタ間の類似度としては、コンテンツ(キーワードベクトル間のコサイン)と、リンク関係(リンクの種類と階層の差)との線形和を用いている。このような手法に基づいて実際に視覚化を行なったところ、実際に閲覧したページおよびその周辺にあるページが、ページ量も含めて視覚化することに成功している。
    また(2)への取り組みとして、Webのログデータから得られるグラフ構造をもとに、ユーザの関心サイト集合を抽出し視覚化する手法を考案し実装を行なった。対象とするログデータとして、クライアント側から得られるWeb視聴率データを用いた。このデータには、ユーザが訪問したサイトおよび検索で入力したキーワードが含まれている。特定のユーザのWeb視聴率データから、サイトやキーワードを頂点とし、時間的な前後関係を辺としたグラフ(サイト・キーワードグラフ)を生成する。このサイト・キーワードグラフから中心的な部分グラフを抽出することで、対象ユーザの関心を見出すことができる。2004年12月の1ヶ月間における8,000人以上のユーザについてWeb視聴率データを用いて実験を行ったところ、もとのサイト・キーワードグラフの30パーセント程度の中心的な部分グラフを抽出し視覚化することができた。また。PageRankによるランキング上位の頂点数を用いて、抽出された部分グラフの評価も行った。

    researchmap

  • ハイパーリンクのグラフ構造に基づくWebコミュニティに関する研究

    Grant number：14019088  2002

    日本学術振興会  科学研究費助成事業  特定領域研究

    村田 剛志

    　 More details

    Grant amount：\6600000 （ Direct Cost: \6600000 ）

    膨大なWeb情報の有効活用を目指し、ハイパーリンクのグラフ構造に基づいてWebページ間の関連性を見出すWeb構造マイニングの研究を引き続き行なった。平成14年度は、興味を共有するWebページ集合であるWebコミュニティを、ハイパーリンクによるグラフ構造に基づいてモデル化する手法についての考察を進めた。まずWebコミュニテイ発見の関連研究を詳しく調べ、その課題と今後の方向性について検討した。Webコミュニテイ発見の関連研究としては、固定した二部グラフ構造を探索するKumarらの手法と、ネットワーク理論を適用したFlakeらのグラフ分割の手法の二つに大きく分類できる。前者は、二部グラフという構造だけでしかWebコミュニティをとらえられないことが欠点であり、後者は適用方法によって結果にかなり差が出ることが指摘されている。また、二部グラフ以外の基本要素について、構造と意味の対応を十分に立証している研究は見受けられなかった。実際のWebコミュニティを構成している基本要素や、その組み合わせによる構造生成の可能性について、さらなる検討の必要性が明らかになった。
    また、Webコミュニティにおいては、グラフ構造が密な部分が中心的なページであるとの仮定の基に、Webコミュニティを洗練する手法についての論文をまとめた。実験の結果、いくつかのトピックについて、そのトピックにおけるランキングが上位のページを発見している。この手法をさらに発展させるためには、Webコミュニティの境界や中心などの概念について検討し明確な定義を与える必要があり、それについても検討を進めた。

    researchmap

  • WWWにおけるメタ情報源の獲得

    Grant number：13131203  2001 - 2004

    日本学術振興会  科学研究費助成事業  特定領域研究

    山田 誠二, 小野田 崇, 村田 剛志, 高間 康史

    　 More details

    Grant amount：\24300000 （ Direct Cost: \24300000 ）

    ・非適合フィードバックによる対話的文書検索
    対話的文書検索では,ユーザが正確なクエリを記述することが難しいため,初期検索でまったく適合文書が得られない場合が多い.これまで我々が開発してきた分類学習ベースの適合フィードバックでは,適合文書と非適合文書の両方が得られないと判別関数の学習ができないため,検索結果が非適合文書だけである初期検索ではフィードバックがかからない.そこで,非適合文書(負例)のみからも分類学習が可能なOne-class SVMを用いて,非適合文書だけからフィードバックのかかる新しい対話的文書検索の枠組みである,非適合フィードバックを提案し,従来法との実験的評価により良好な結果を得た.これにより,初期検索においても,メタ情報源のためのプロファイルを生成可能である.
    ・トランスダクティブ学習を用いた最小評価によるクエリ拡張
    対話的文書検索で,ユーザの判定コストが最小,つまり,適合文書と非適合文書をそれぞれ一つづつ判定して,それらからクエリ拡張を行うシステムを開発した.機械学習のトランスダクティブ学習の方法を用いることで,大量の判定されていない文書を訓練例として利用することにより,より精度の高い判別関数が学習可能になり,その結果,最小評価でのクエリ拡張が実現された.評価実験により,有効性を確認した.このシステムにより,ユーザの最小の認知的負荷で,メタ情報源のプロファイルが生成できる.
    ・メタ情報源獲得システム全体の実装
    これまで,ユーザの検索意図を表すプロファイルを生成するために,対話的文書検索システムとクエリ獲得システムを開発してきた.それらのシステムから得られたプロファイルに基づき,メタ情報源を獲得するシステムを実現するために,最小評価によるクエリ拡張から得られたプロファイルに基づき,情報ストリームとWebコミュニティの2つのメタ情報源を獲得するシステムを実装し,有効なメタ情報源が獲得されることを確認した.

    researchmap

  • Webにおけるコミュニティの発見

    Grant number：7700000689  2001 - 2004

    科学技術振興機構  戦略的な研究開発の推進/戦略的創造研究推進事業/さきがけ

    村田 剛志

    　 More details

    膨大なWeb情報を有効活用するために、Webにおけるコミュニティを発見するシステムの構築を目標とします。興味を共有するWebページ集合(Webコミュニティ)の発見と、同じ興味を持つユーザ集合(ユーザコミュニティ)の発見、さらに両コミュニティ間の相互作用の解明を行ないます。

    researchmap

  • Research for Developing Knowledge Symbiosis Models for Network Distributed Knowledge Systems

    Grant number：13480100  2001 - 2003

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (B)

    MURATA Tsuyoshi, HONIDEN Shinichi, ICHISE Ryutarou, TAKEDA Hideaki

    　 More details

    Grant amount：\15000000 （ Direct Cost: \15000000 ）

    Activities regarding information (such as collecting information) and those of communications (such as contacting to others) are very important among humans' intelligent activities. Assisting these activities totally by computers is eagerly requested. In our research, these intelligent activities are modeled as components of two layers of six basic activities. The first layer is composed of the following three activities collect, create and donate. These can be regarded as states of information life cycles from users' point of view. Information are collected by users, and new information are created based on them. The new information are provided to societies and utilized as future information creation. The second layer is composed of the following three activities relate, collaborate and present. These can be regarded as processes of user-centered communications as well as those in the first layer. In general, a person obtains relations among others, and collaborates with them in order to create new information. Then he presents himself to the society as the source of new information. The above two layers are mutually dependent; when a user collects information and provides them, communication with his partner is required, and when a user communicates with his partners, information about them is necessary. These mutual processes of creating connections and communicating with others can be regarded as a kind of knowledge subjects, which are the target of this research project.
    In order to achieve the above modeling, the following individual research topics are tackled (1) Finding relations between two different hierarchical information sources by structural and semantic ways, (2) Discovery of Web communities in order to clarify autonomous formulation processes of knowledge subjects, and (3) As a way to implement agents of knowledge subjects, safe procedures available at anytime and anywhere are required. In order to solve this, distributed system framework based on three agents (user interface agent, programmable agents, and service mediator agent) are proposed.

    researchmap

  • リンクの共引用・書誌結合分析による分野構造分析

    Grant number：13878072  2001 - 2002

    日本学術振興会  科学研究費助成事業  萌芽研究

    神門 典子, 村田 剛志

    　 More details

    Grant amount：\1900000 （ Direct Cost: \1900000 ）

    平成14年度は、昨年度の成果を踏まえ、主として下記の研究を行った。
    (1)Webコミュニテイの構造分析
    膨大なWeb情報の有効活用を目指し、ハイパーリンクのグラフ構造に基づいてWebページ間の関連性を見出すWeb構造マイニングの研究を引き続き行なった。
    平成14年度は、興味を共有するWebページ集合であるWebコミュニティを、ハイパーリンクによるグラフ構造に基づいてモデル化する手法についての考察を進めた。関連研究としては、固定した二部グラフ構造を探索するKumarらの手法と、ネットワーク理論を適用したFlakeらのグラフ分割手法の二つがあるが、二部グラフ以外の基本要素について、構造と意味の対応を立証する研究は不十分である。実際のWebコミュニティを構成している基本要素や、その組み合わせによる構造変化の可能性について、さらなる検討の必要性が明らかになった。
    (2)情報検索・活用支援(information access)システムへの応用
    CCC(Content, Context, Collaboration)モデルに基づき、引用とリンクを、従来の内容型(content-based)の情報検索やクラスタリングを補うコンテキストと利用者や作成者のcollaborationとしてのリコメンデーションと捉え、情報検索、および、クラスタリング、テキスト自動要約等の情報活用支援技術の高度化への応用を検討した。
    昨年度に引き続き、リンク分析を側面から支える枠組みとして、ページタイプとリンクのタイプの分析を行い、ファセット分類とグランデッドセオリに基づく分類記述枠組みについて考察を薦めた。分類構造と効果の対応の検証は不十分である。認知的側面および、検索、テキスト要約等の情報活用技術への有効性について、さらなる検討の必要性が明らかになった。

    researchmap

  • ハイパーリンクのグラフ構造に基づくWebコミュニティに関する研究

    Grant number：13224091  2001

    日本学術振興会  科学研究費助成事業  特定領域研究(C)

    村田 剛志

    　 More details

    本研究では、(1)Webコミュニティにおける構造のモデル化(2)Webコミュニティにおける動的変化の検出の二つを目標としたが、今年度は今後実験を進めていくための準備作業や、従来から行なってきた実験をさらに発展させる形で研究を進めた。前者としてはNTCIRのテストコレクションとして収集しているWebデータのリンク情報を利用するために、その大きさやデータ構造等についての調査を行なった。後者としては、Webページのハイパーリンクによって構成されるグラフ構造に基づいて、興味を共有するWebページ集合であるWebコミュニティを発見するシステムを既に構築しており、そのシステムをさらに発展させて当該トピックにおける中心的なページ集合を見出すような洗練手法を考案した。重要な内容をもつ中心的なWebページは他のページとのリンクが密であると考えられることから、2部グラフで表されるWebコミュニティにおいて、グラフが密になるようなページの選択を反復的に繰り返すように発見手法の改良を行なった。この手法に基づいたシステムを実現し、数十のトピックについてそのトピックに関するランキングの下位のページ集合を入力とし、洗練によって上位のページ集合が得られるかどうか実験を行なった。対象とするWebコミュニティのトピックによって効果に差はあるが、いくつかのトピックについて、そのトピックの中心的なページ集合を発見することに成功している。今年度の研究発表は上述のシステムに関するものを中心に行なった。その中の「Webコミュニティにおけるコアメンバーの発見」の口頭発表に対して、2001年度人工知能学会大会優秀論文賞の受賞が決定している。また、人工知能学会誌に投稿した論文の採録も決定している。

    researchmap

  • 参照の共起性に基づく知識発見に関する研究

    Grant number：12780261  2000 - 2001

    日本学術振興会  科学研究費助成事業  奨励研究(A)

    村田 剛志

    　 More details

    Grant amount：\2500000 （ Direct Cost: \2500000 ）

    本研究では、(1)サーチエンジンの収録内容の特徴発見(2)ハイパーリンクによる結合関係に基づくコミュニティ発見の二つを目標としたが、サーチエンジンにおけるページ収集アルゴリズムやその収録内容については外部に公開されていない部分が多く、収録内容の特徴の変化も速いことから、主として(2)についての研究を実施することにした。Webページのハイパーリンクによって構成されるグラフ構造に基づいて、興味を共有するWebページ集合であるWebコミュニティを発見するシステムを前年度に構築しており、今年度はそのシステムをさらに発展させて、当該トピックにおける中心的なページ集合を見出すような洗練手法を考案した。重要な内容をもつ中心的なWebページは他のページとのリンクが密であると考えられることから、2部グラフで表されるWebコミュニティにおいて、グラフが密になるようなページの選択を反復的に繰り返すように発見手法の改良を行なった。この手法に基づいたシステムを実現し、数十のトピックについてそのトピックに関するランキングの下位のページ集合を入力とし、洗練によって上位のページ集合が得られるかどうか実験を行なった。対象とするWebコミュニティのトピックによって効果に差はあるが、いくつかのトピックについて、そのトピックの中心的なページ集合を発見することに成功している。今年度の研究発表は上述のシステムに関するものを中心に行なった。その中の「Webコミュニティにおけるコアメンバーの発見」の口頭発表に対して、2001年度人工知能学会大会優秀論文賞の受賞が決定している。また、人工知能学会誌に投稿した論文の採録も決定している。

    researchmap

  • Supporting Multimedia Authoring by using Machine Learning

    Grant number：10680373  1998 - 2000

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research  Grant-in-Aid for Scientific Research (C)

    NUMAO Masayuki

    　 More details

    Grant amount：\3000000 （ Direct Cost: \3000000 ）

    We propose a method to locate relations and constraints between a music score and its impressions, by which we show that machine learning techniques may provide a powerful tool for composing music and analyzing human feelings. We examine its generality by modifying some arrangements to provide the subjects with a speci-fied impression. This research introduces some user interfaces. They are capable of predicting feelings and creating new objects based on seed structures, such as spec-trums and their transition for sounds that have been extracted and are perceived as favorable by the test subject.

    researchmap

  • 計算機による発見機構の研究

    Grant number：09780317  1997 - 1998

    日本学術振興会  科学研究費助成事業  奨励研究(A)

    村田 剛志

    　 More details

    Grant amount：\2000000 （ Direct Cost: \2000000 ）

    本研究では計算機による発見機構の実現を目標とし、平面幾何を対象とした発見システムDIGESTを構築し動作させた。一般に対象が複雑な場合においては、その対象に含まれる構造を把握することによって抽象度の高い一般性のある定理や法則を発見することができる。DIGESTは平面幾何における最も基本的な構造である三角形に注目し、三角形の隣接・包含関係を基に面積の関係を表す式を獲得する。その式を基に、チェパの定理やメネラウスの定理などを再発見するだけでなく、三角形の重心についての定理など、一般性のある定理を数多く発見している。また、発見のプロセスにおいて問題解決の手法が用いられることが多いことに注貝し、問題解決過程における表現手法の研究として、図を用いて推論を行なうシステムも構築した。このシステムは算数の文章題を解く際、問題を図示することによって、〓に示されていない条件や制約を図から獲得して問題解決を行なっている。さらに、知的活動において図の果たす役割を明らかにするために、wwwにおけるサイトの集合を視覚化するシステムの構築も行なった。このシステムはサイトの集合をグラフとして表現し、内容的に類似するサイトのクラスタリングを試みる。このようなクラスタリングは、未知の対象についての性質を明らかにする上での第一歩であり、発見のような高度な知的活動の土台となるものである。
    昨年度と今年度の2年間に渡って行なわれた本研究は、発見、図による推論、視覚化をキーワードに、対象の表現や知議の獲得についての手法を考案し、実際にシステムを構築して動作させることによって検証を行なった。
    このような研究は、発見という人間の高度な知的活動を解明する上で興味深いだけでなく、計算機上での図形の表現やそれを用いた推論の手法などに対して有用な知見をもたらすものであると言える。

    researchmap

  • 計算機による発見機構の研究

    Grant number：08780338  1996

    日本学術振興会  科学研究費助成事業  奨励研究(A)

    村田 剛志

    　 More details

    Grant amount：\1100000 （ Direct Cost: \1100000 ）

    本研究では計算機による発見機構の実現を目標とし、平面幾何の領域を対象とした発見システムPLANET、EXPEDITION、三角関数における帰納的発見システムの3つを構築し実験を行なった。1.平面幾何における発見システムPLANETは、与えられた図形における相似や合同などの図形的関係を基に、メネラウスの定理やチェバの定理、三角関数の加法定理などの定理の再発見に成功している。2.実験によるデータ獲得に基づく発見システムEXPEDITIONは、円に線分を付加して生成した図形を観察し、長さや角度についての数値データを基に方べきの定理やタ-レスの定理などの良く知られた定理の再発見だけでなく、公式集においても身受けられない多くの有用な定理の発見にも成功している。3.三角関数における帰納的発見システムでは、多くの公式が演繹的に導出される三角関数の領域において、数値データを基に帰納的に式を生成することによって、倍角・半角公式を始めとする有用な公式の再発見を行なっている。これらの実験結果により、提案した発見手法の有効性を示すことができた。計算機による科学的発見においては、システムがデータ獲得のための実験を行なうことによって、知識を発見する上で有用なデータを能動的に獲得することができる。物理学や化学とは異なり、平面幾何のような抽象的な対象を扱う領域においては、図形を生成し観察することで発見の基になるデータを容易に獲得することができる。本研究で構築した上記の発見システムはその特性を生かし、わずかな初期知識を基に図形についての豊富なデータを獲得して発見に用いている。これらの発見システムの手法は、人間が図形を観察して推論を行なう過程を明らかにする上でも有用であると考えられる。

    researchmap

  • 計算機による発見機構の研究

    Grant number：07780306  1995

    日本学術振興会  科学研究費助成事業  奨励研究(A)

    村田 剛志

    　 More details

    Grant amount：\1000000 （ Direct Cost: \1000000 ）

    本研究では計算機による発見機構の実現を目標とし、平面幾何の領域を対象とした発見システムPLANET、EXPEDITION、DIGESTを構築し、実験を行なった。1.平面幾何における発見システムPLANETは、与えられた図形における相似や合同などの図形的関係を基に、メネラウスの定理やチェバの定理、三角関数の加法定理などの定理の再発見に成功している。2.実験によるデータ獲得に基づく発見システムEXPEDITIONは、円に線分を付加して生成した図形を観察し、長さや角度についての数値データを基に方べきの定理やタ-レスの定理などの良く知られた定理の再発見だけでなく、公式集においても見受けられない多くの有用な定理の発見にも成功している。3.幾何構造に基づく発見システムDIGESTは図形を構成する三角形の隣接・包含関係に注目し、三角形の面積の関係を表す式を基に、三角形の重心に関する式など有用で一般性のある定理を発見している。これらの実験結果により、提案した発見手法の有効性を示すことができた。発見システムについての研究の多くは物理学や化学などの領域を対象としているが、平面幾何のような抽象的な対象を扱う領域においては、図形を生成し観察することで発見の基になるデータをシステムが自らつくり出すことができる。本研究で構築した上記の発見システムはその特性を生かし、わずかな初期知識を基に図形についての豊富なデータを獲得して発見に用いている。これらの発見システムの手法は、人間が図形を観察して推論を行なう過程を明らかにする上でも有用であると考えられる。

    researchmap

  • 計算機による発見機構の研究

    Grant number：06858035  1994

    日本学術振興会  科学研究費助成事業  奨励研究(A)

    村田 剛志

    　 More details

    Grant amount：\900000 （ Direct Cost: \900000 ）

    本研究では計算機による発見機構の実現を目標とし、平面幾何の領域を対象とした発見システムの構築を行なった。一般に発見システムが見つける知識の性質は採用する発見の基準によって決まる。平面幾何の領域における発見システムとしてDSTが挙げられるが、DSTでは図形に補助線を引くことで生じる辺や角などの副生成物に関する項を幾何的な関係式から消去することを発見の基準としている。本研究では、図形を観察して得られる副生成物以外の情報を発見の基準とする以下のシステムを構築することで、DSTでは発見できなかった複雑な定理を発見することを目指した。
    1 図形中の辺の関係に注目し、式変形の結果得られる式の辺集合が有用な図形的な性質を満たすものを定理とするシステムを構築した。有用な図形的性質として、辺集合が図形中の一点を共有するものや辺集合が閉図形を構成するものを採用した。
    2 図形から観察される辺の長さや角の大きさに関する数値的な情報を用いて定理の候補を出し、その候補を幾何的な関係式だけから導出するシステムを構築した。
    これらの発見システムの実験を購入したワークステーション上で行なった結果、DSTの発見の基準では得られなかったいくつかの平面幾何の定理の発見に成功し、これらの発見の基準が有効なものであることが確かめられた。
    また、システムが発見した定理の有効範囲を決定するために、図形を変形させて定理を適用するなど、実験によって外界から必要な情報を得る手法の考察を行なった。実験の機構に関しては他の領域における発見システムにおいても研究されており、発見した定理の有用性を高めることができると考えられる。

    researchmap

  • 人工知能

    1989

    　 More details

    Grant type：Competitive

    researchmap

  • artificial intelligence

    1989

    　 More details

    Grant type：Competitive

    researchmap

▼display all