JP7105789B2 - ネットワーク節点においてソフトウェアエージェントを備えるネットワークを使用した後にネットワーク節点をランク付けする機械学習の方法及び装置 - Google Patents
ネットワーク節点においてソフトウェアエージェントを備えるネットワークを使用した後にネットワーク節点をランク付けする機械学習の方法及び装置 Download PDFInfo
- Publication number
- JP7105789B2 JP7105789B2 JP2019543224A JP2019543224A JP7105789B2 JP 7105789 B2 JP7105789 B2 JP 7105789B2 JP 2019543224 A JP2019543224 A JP 2019543224A JP 2019543224 A JP2019543224 A JP 2019543224A JP 7105789 B2 JP7105789 B2 JP 7105789B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- network
- path matrix
- primary path
- nodes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/043—Distributed expert systems; Blackboards
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/04—Network management architectures or arrangements
- H04L41/046—Network management architectures or arrangements comprising network management agents or mobile agents therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Algebra (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Complex Calculations (AREA)
Description
本出願は、2017年2月17日に出願された米国仮出願第62/460,570号に基づき、この優先権の利益を主張し、その全内容が参照により本明細書に援用される。
によって与えられ、概念の頂点間の重み付きリンクの定義は、
によって与えられる。一次経路行列からSROを生成するプロセスの1つの実施態様のフローチャートは、図3に示され、以下に記載される。
表1:図1に示されるネットワークの一次経路行列(T)
概念の右側の数字は、ランク付け基準にマッチングする尺度を表す。当然のことながら、‘bird’及び‘flight’の概念は、‘wing’及び‘seagull’のように‘bird’及び‘flight’に強連結される概念である場合、上位にランク付けされる。同様に、<penguin>のランク付け基準に基づき照会をランク付けすることは、
のランク付けを返す。さらに、<bird>のランク付け基準に基づくランク付き照会は、
のランク付けを返す。
として計算される。また、ネットワーク/グラフが任意の置換を有するときに、この式を使用して、SROを計算することが可能である。
として計算される。また、ネットワーク/グラフがバイナリシステムであるときに、この式を使用して、SROを計算する。
1)それ自体の近傍であるデータはネットワーク内の同一位置中の2つの同一データ要素間の経路である。その結果、1.0に対角値を設定し、データがそれ自体の近傍である自己経路を消去する。
2)Tのすべての非ゼロ値は1に設定され、対角値は1.0に設定され、一次経路行列T1をもたらす。
3)行列T1を2乗して(Square)(2乗して(raising to second power))二次経路行列T2を得る。
4)この時点で、a-c-aなどのいくつかの冗長経路が存在することが可能である。
5)冗長性を除去するために、行列の2乗における経路消去は対角を1.0に設定することによって達成されることが可能である。これは、経路a-b-cにおいて、「a」が「c」に等しくないということを保証するため、a-c-aのような経路を2回計数しない。
6)行列T1を3乗して三次経路行列T3を得る。
2乗の事例に類似して、冗長経路があることが可能である。データ要素(a)と(b)との間の三次経路に(c)及び(d)を経由させる。したがって、三次経路行列における3つの一次経路は、a及びc、c及びd、d及bであることが可能である。最初に、c及びdがaまたはbのいずれかと同一ではないということを保証する。対角要素を1.0に設定することによって一次経路消去を保証し、それがそのa≠c、及びそのd≠bを保証することに留意する。経路は、三次行列のべきにおける経路消去は、一意性を保証するために我々がa-b-c-b及びa-b-a-cパターンを消去したい、a-b-c-dなどの経路について、同様のプロセスに従う。これを行うために、我々は、元の行列T0(たとえば、隣接行列)である、ゼロ次経路行列を使用する。T0の各行について、我々は、要素の総和を計算し、行コストの列ベクトルC(また経路が双方向であるため、これは要素の列総和の行ベクトルに等しい)を生成する。
7)経路冗長行列(同値経路の)は三次経路行列から減算される経路割引行列として書き込まれる。経路割引行列は、式、
Di,j=Ci+Cj-1;i≠jについて、
Di,j=0;i=jについて、
を使用して、その要素i、jのそれぞれについて計算される。式中、列ベクトルの要素は、C1=3、C2=2、C3=2、C4=3である。したがって(最初の行のみについての計算を示す)、
D1,1=0
D1,2=C1+C2-1=3+2-1=4
D1,3=C1+C3-1=3+2-1=4
D1,4=C1+C4-1=3+3-1=5。
充足行列は、比較される:
8)冗長経路を消去することによって三次経路行列を補正するために、我々は、T3を以下のように変換し、
T3=T3-D*T、
式中、記号「*」は、各i=i’及びj=j’についての、Di,j *Ti’,j’の要素積によるスカラー要素である。
つぎに、SROは、上述されるように行列Tのべきを使用して計算される。
である。したがって、整数の列挙N={1,2,...,n}、及び経路集合X={p,q,r,s}について、経路集合は、集合N中のpからsへの離散経路としてみられることが可能である。上記に考察されるように、経路集合内に、冗長性がある可能性があるが、これらは、上述される方法を考慮して使用し、克服することが可能である。すなわち、ある特定の実施態様において、その全体が参照により本明細書に援用される、C.Yu“Super-Walk Formulae for Even and Odd Laplacians in Finite Graphs,”Rose-Hulman Undergraduate Mathematics Journal,Volume18,No.1,Spring2017に記載され、AROを調整される経路を使用して、一次経路行列のべきの行列係数が項(いくつかの列指数からいくつかの行指数への各経路についての1項)の総和に等しく、そして複数の項が同一経路に対応するときに二重計数寄与がないため冗長性を説明することが可能であるという事実を説明する。
(1)モデル変数及び関係を理解しないことが原因である不十分な情報、
(2)短期間からより長期間にわたる固有のデータ改訂、及び
(3)弱いながらも重大な影響を有する可能性がある変動及び外乱、
を含む、いくつかの固有の欠点を不可避的に有する。本明細書に記載される、これらの方法は、以下に考察される属性によって、これらの欠点を克服する。たとえば、本明細書に記載される、これらの方法は、データ内の弱い信号へ感度を維持しながらデータ改訂に適応させる、柔軟な、フォールトトレランスシステムを構築することによってこれらの欠点に対処する単位的学習モデルを提供する。加えて、機械学習プロシージャは、学習された状態への高速の収束、ならびに実装、速度、及び複雑度の取り扱いの容易さを示す。さらに、ランク付け演算子合成方法(たとえば、SROを生成する方法)から同じことが言えることが可能である。本明細書に記載される、これらの方法は、ユニタリ二重確率行列構造に頼るため、「単位的」であるモデルを提供した。
1)効用関数、
2)目的関数、及び
3)選好関数、
の観点からそれ自体の自己利益に最も適していると評価するように学習しているこれらのモデル及び仮説を選択する。上記に考察されるように、モデルは、エージェントにおける昆虫様応答と同じくらい単純である、または基礎となるデータ上に知覚を提供する、集団分類器として共に機能するエージェントの社会もしくは群化と同じくらい複雑であることが可能である。したがって、それぞれの個々のエージェントは、それ自体の自己利益に基づきそれがどのエージェントの社会に参加するべきかを見出すことが可能である。ゲーム理論の言語において、これらのエージェントは、選択肢(たとえば、どのエージェントと情報を交換するか)を提示され、その自己利益を最適化しようと努める。選択を行った後に、異なる選択がより好ましい結果を有する(すなわち、その自己利益をより良く最適化する)ことにエージェントが気づく場合、つぎにこのエージェントは、つぎの繰り返しでその選択を変更する。最終的に、これより良い選択が含まれないときに、均衡を達成し、これは、ナッシュ均衡と称される。
1)効用関数、
2)目的関数、及び
3)選好関数、
の観点からエージェントの自己利益に従い学習される選択されたモデル及び仮説に基づき選択を行う。
この実施例において、我々は、メタデータタグ:ドナーJohn、アクセプターwent、論理to、ドナーBostonを使用して、この文章をラベル付けする(いくつかの外部ラベル付けoracleに関する)。
1)2つのタグ付けされた部分(一対)間の距離を、この一対間の連結リンク(それらの介在するタグ付けされたデータ間に構築される介在リンク)の最小数として定義する。この数を「n」と称する。
2)各対の最上位レベルのメタデータタイプが、彼らの選好が経時的に変化する可能性がある場合に、1セットのプレイヤーの交換についての所与の「n」(頻度「f」対リンク距離「n」)より短い距離においてそれぞれ何回見出されるか(時間tに)を計数することによって、頻度及びリンク距離行列を作成する。
3)この行列を、選好頻度相関ベクトル(PFCV)と称される1セットのベクトルとして、n*fとして解釈する。
4)ベクトルの各エントリを時間枠内のプレイヤー交換の合計数により除算すること:NPFCV=(n*f)/(交換数)によって、PFCV値を正規化する。
5)選好ベクトル、NPFCVの論理「or」としてグローバルベクトルを計算する。
6)最後に、プレイヤーの集合体のマネージャーについて、選好逆頻度相関ベクトル:PIFCV=NPFCV/プレイヤーを計算する。
実施例#1:「John went to Boston」に戻る
ドナーJohn、アクセプターwent、論理to、ドナーBoston
John及びBoston間(すなわち、ドナーからドナーへ)の隣接数は、3である。
これがこの3の列挙である:[john,went]、[went,to]、[to,boston]。
(ドナー/アクセプター)(ドナー/論理)(論理/アクセプター)(ドナー/ドナー)
距離=1 1 1 1 0
距離=2 1 1 0 0
距離=3 0 0 0 1
各プレイヤーについて、
として入力についてのパターンベクトルを定義する。n番目のプレイヤーは、「n」によって与えられ、Dは、データの合計数である(この文章の場合、「John went to Boston」に4つの単語がある)。i番目のメタデータ及びj番目のメタデータのタグの距離行列を計算し、それらの総和を取り、データDの合計数で除算する。
PV(マネージャー)=PV(n)|PV(n-1)|....PV(1)、
を有し、式中、10進数上で実行される「or」演算子は、10進数の最大値を返す。同様に、10進数上で実行される「and」演算子は、10進数の最小値を返す。
(ドナー/アクセプター)(ドナー/論理)(論理/アクセプター)(ドナー/ドナー)
の行列表現を使用して特徴付けられる。n=2に対応する別のエージェントは、「アクセプター」である第二位置を参照する。したがって、それは、行列表現:
(アクセプター/論理)(論理/ドナー)(論理/アクセプター)(アクセプター/ドナー)
を使用して特徴付けられる。したがって、異なるエージェントは、異なる位置を参照し、異なる視点を有し、したがって異なるベクトル表現を生成する。
によって計算されるため、無次元数の時間発展プロファイルをもたらす。式中、初期繰り返し時間t=0、SPR(t-1)=0、である。項Ptotalは、目標(すなわち、標的カテゴリー)に関してプレイヤーによってそれぞれ認識され、カテゴリー化される、または認識されない、正及び負の両方の実施例の合計数である。値Ppositiveは、データセット上にプレイヤーによって正確にカテゴリー化される正の実施例の数である。値Stotalは、現在処理しているデータセットにおける入力データの合成数の実施例である。値Spositiveは、現在処理しているサブセットに見出される正の実施例の数である。値Qは、真実のゴールドスタンダードの役割を果たす人間のプレイヤーに参照される無作為試験におけるアルゴリズムの正の識別の数である。値Rは、アルゴリズム上で無作為試験に利用可能な実施例の合計数である。いくつかのアルゴリズムは、Q/R=1.0の比率(たとえば、データの1つのカテゴリー対データのもう1つのカテゴリーを識別するこれら)を有し、他のものは、意味複雑度(たとえば、2つの異なるデータカテゴリーに相関する1パターンを識別する)に依存するこれより低い比率を有する。
1.a=ビットベクトルAにおける1の数、
2.b=ビットベクトルBにおける1の数、
3.c=A及びBについて共通の1の数、
4.d=共通ではないAまたはBにおけるすべての1(XOR)、
5.n=ビット文字列の長さ、
を使用する。
実施例#2:4つの共通特徴、
A:(0 1 0 1 1 1 1 1 0 0 0)、
B:(1 0 1 0 1 1 1 1 0 0 0)、
Tc=1/2。
を測定する。この尺度を使用して、少数の、または限定された数の特徴のみを含むメタデータを符号化するプレイヤーは、より多くのプレイヤーと比較されるときに高い多様性に向かう傾向がある。ハミング尺度は、逆の傾向線を有し、多くのメタデータ特徴を有する、より多くのプレイヤーは、高い多様性に向かう傾向がある。
と称される多様性の尺度の両方について補完する長所及び短所を組み合わせることに基づく。多様性尺度に連結されるサイズ効果は、Dixon-Koehler多様性尺度において相殺される。我々は、これらの尺度を使用して、シリアル化方式におけるプレイヤーベクトルをバイナリ文字列(長い)に変換し、一定期間にわたりプロファイリングすることが可能である。
・不規則な汎用計算エージェントまたはアクターまたはプレイヤー、
・リソース(時間、メモリ、及びCPU消費)弾力性、
・インタラクション、同期、データ転送、局所性及びスケジューリングの抽象化、
・不規則に分散したプレイヤーの大規模セットを処理する能力、
・不規則に構造化されていないデータを処理する能力、ならびに
・フォールトトレランス、自己同調及び適応的回復、
を提供する。
Claims (18)
- ウェブサイトランク付け装置であって、
ウェブサイトを含むインターネットに接続され、データ要素を前記ウェブサイトから受信するネットワーク通信インタフェースと、
前記ウェブサイトのデータベースを格納するように構成されるメモリであって、前記データベースがそれぞれの前記ウェブサイト及びそれらから受信する前記データ要素を表す複数の節点を含み、前記複数の節点が前記ウェブサイト間の接続を表現する複数のリンクによってそれぞれ連結される、前記メモリと、
ユーザの入力クエリに従い前記ウェブサイトをランク付けするように構成される処理回路と、
を備え、
前記ウェブサイトの前記ランク付けが、
前記複数のリンクのうちのそれぞれの1つによって連結される前記複数の節点の対の間のワンリンク経路を表す値を含む一次経路行列を決定することと、
前記一次経路行列のべき級数を使用して、代理ランク付け演算子(SRO)を生成すること、
前記入力クエリの状態ベクトルと前記SROとの間の行列積を使用して前記ウェブサイトをランク付けし、前記入力クエリを満たす最良のウェブサイトのレコメンデーションとして前記ランク付けされた節点を前記ユーザへ提供すること、
によって実行される、
前記ウェブサイトランク付け装置。 - ネットワークのデータベースを格納するように構成されるメモリであって、前記データベースがそれぞれのデータ要素を含む複数の節点を含み、前記複数の節点が複数のリンクによってそれぞれ連結される、前記メモリと、
処理回路であって、
前記ネットワークのデータベースの前記複数の節点を連結する前記複数のリンクから一次隣接関係を表す値を含む一次経路行列を決定し、
前記一次経路行列のべき級数を使用して、代理ランク付け演算子(SRO)を生成し、
ランク付け基準を表す1つ以上の入力データ要素を受信し、前記入力データ要素の入力状態ベクトルを生成し、
前記SRO及び前記入力状態ベクトルの行列積を使用して前記ネットワークの前記節点をランク付けし、前記1つ以上の入力データ要素に対応するレコメンデーションとして前記ランク付けされた節点をユーザへ提供する、
ように構成される、前記処理回路と、
を備える、レコメンダ装置。 - 前記ネットワークは、サイバーセキュリティネットワーク、医療情報ネットワーク、ソーシャルネットワーク、シンボリックネットワーク、意味ネットワーク、ワールドワイドウェブ、ローカルエリアネットワーク、及びウェブネットワークのうちの1つである、請求項2に記載の装置。
- 前記処理回路は、
前記一次経路行列を固有値及び固有ベクトルに分解し、前記固有値の対角行列、前記固有ベクトルを列ベクトルとして含むユニタリ行列、及び前記ユニタリ行列のエルミート共役を生成すること、
前記固有値の前記対角行列のn乗を取り、左辺に前記ユニタリ行列を乗算し、右辺に前記ユニタリ行列の前記エルミート共役を乗算することによって、n次経路行列を前記一次経路行列の前記n乗として生成すること、
べき級数を使用して、前記n次経路行列を合計すること、
によって前記SROを生成するように構成される、請求項2に記載の装置。 - 前記処理回路は、前記べき級数において、
前記複数のリンクが順序付けされるときに、前記べき級数における各n次経路行列がn乗される2によって除算され、
前記複数のリンクが順序付けされないときに、前記べき級数における各n次経路行列がnの階乗によって除算される、
ように、前記べき級数を合計することによって前記SROを生成するように構成される、請求項4に記載の装置。 - 前記処理回路は、前記一次経路行列を前記固有値に分解することによって、前記SROを生成するように構成され、前記固有値は、前記一次経路行列のスペクトルを表す、請求項4に記載の装置。
- 前記処理回路は、
前記一次経路行列の行列式を使用して前記一次経路行列を正規化すること、
前記一次経路行列が二重確率行列条件を満たすことを保証すること、
によって、前記SROを生成する前に、前記一次経路行列を修正するようにさらに構成され、
前記SROは、前記修正された一次経路行列を使用し、前記一次経路行列の前記べき級数を計算して生成される、
請求項2に記載の装置。 - 前記処理回路は、
前記複数のリンクが無向であることを表すときに、実数である前記一次経路行列の要素と、
前記複数のリンクが単一指向性であるときに、二重ベクトル及び複素数のうちの1つである前記一次経路行列の前記要素と、
前記複数のリンクが双方向性であるときに、テッサリン、双複素数、及び分解型複素数のうちの1つである前記一次経路行列の前記要素と、
前記複数のリンクが混在しているときに、多重ベクトルである前記一次経路行列の前記要素と、
を使用して、前記一次経路行列を決定するように構成される、請求項2に記載の装置。 - 前記処理回路は、
前記複数のリンクが前記ネットワークの節点対間の相関性を表すときに、実数である前記一次経路行列の要素と、
前記複数のリンクが前記ネットワークの節点対間の関係を表すときに、二重ベクトル及び複素数のうちの1つである前記一次経路行列の前記要素と、
前記複数のリンクが前記ネットワークの節点対間の方向を表すときに、テッサリン、双複素数、及び分解型複素数のうちの1つである前記一次経路行列の前記要素と、
前記複数のリンクが前記ネットワークの節点対間の姿勢関係を表すときに、多重ベクトルである前記一次経路行列の前記要素と、
を使用して、前記一次経路行列を決定するように構成される、請求項2に記載の装置。 - 前記処理回路は、前記固有値の前記対角行列を生成する前に、前記固有値における縮退を解消することによって前記SROを生成するように構成される、請求項4に記載の前記装置。
- 前記処理回路は、前記べき級数を使用してn次経路行列を合計する前に、前記n次経路行列における経路冗長性を除去することによって調整される経路である前記SROを生成するように構成される、請求項2に記載の装置。
- 前記処理回路は、メタデータを使用して前記SROを拡張させる前記ネットワークの前記節点をランク付けするように構成される、請求項2に記載の装置。
- 前記処理回路は、前記SROと共に個別化された選好行列を使用してユーザの個人的選好に従い前記ランク付けを個別化する、前記ネットワークの前記節点をランク付けするように構成される、請求項2に記載の装置。
- 前記処理回路は、前記一次経路行列を決定するように構成され、
前記一次経路行列は、ハミルトニアン演算子、及び、ラプラシアン演算子のうちの1つである量子グラフ理論の演算子に基づく、請求項2に記載の装置。 - データベースをランク付けすることによって前記データベースの節点を推奨する方法であって、
非一時的なコンピュータ可読媒体において、ネットワークのデータベースを格納することであって、前記データベースがそれぞれのデータ要素を含む複数の節点を含み、前記複数の節点が複数のリンクによってそれぞれ連結される、前記格納すること、
処理回路を使用して、前記ネットワークのデータベースの前記複数の節点を連結する前記複数のリンクから一次隣接関係を表す値を含む一次経路行列を決定すること、
前記処理回路を使用して、前記一次経路行列のべき級数を使用する代理ランク付け演算子(SRO)を生成すること、
ランク付け基準を表す1つ以上の入力データ要素を受信し、前記入力データ要素の入力状態ベクトルを生成すること、
前記処理回路を使用して、前記SRO及び前記入力状態ベクトルの行列積を使用する前記ネットワークの前記節点をランク付けし、前記1つ以上の入力データ要素に対応するレコメンデーションとして前記ランク付けされた節点をユーザへ提供すること、
を備える、前記方法。 - 前記SROの前記生成は、
前記一次経路行列を固有値及び固有ベクトルに分解し、前記固有値の対角行列、前記固有ベクトルを列ベクトルとして含むユニタリ行列、及び前記ユニタリ行列のエルミート共役を生成すること、
前記固有値の前記対角行列のn乗を取り、左辺に前記ユニタリ行列を乗算し、右辺に前記ユニタリ行列の前記エルミート共役を乗算することによって、n次経路行列を前記一次経路行列の前記n乗として生成すること、
べき級数を使用して、前記n次経路行列を合計すること、
をさらに備える、請求項15に記載の前記方法。 - 前記べき級数の前記合計は、前記べき級数において、
前記複数のリンクが順序付けされるときに、前記べき級数における各n次経路行列がn乗される2によって除算され、
前記複数のリンクが順序付けされないときに、前記べき級数における各n次経路行列がnの階乗によって除算される、
ように実行される、請求項16に記載の前記方法。 - 実行可能なインストラクションを格納する非一時的なコンピュータ可読媒体であって、
前記インストラクションは、処理回路によって実行されるときに、前記データベースをランク付けすることによって前記データベースの節点を推奨する請求項15に従う前記方法を前記処理回路に実行させる、
前記非一時的なコンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762460570P | 2017-02-17 | 2017-02-17 | |
US62/460,570 | 2017-02-17 | ||
PCT/US2018/018833 WO2018152534A1 (en) | 2017-02-17 | 2018-02-20 | Method and apparatus of machine learning using a network with software agents at the network nodes and then ranking network nodes |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020510910A JP2020510910A (ja) | 2020-04-09 |
JPWO2018152534A5 JPWO2018152534A5 (ja) | 2022-03-17 |
JP7105789B2 true JP7105789B2 (ja) | 2022-07-25 |
Family
ID=63167355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019543224A Active JP7105789B2 (ja) | 2017-02-17 | 2018-02-20 | ネットワーク節点においてソフトウェアエージェントを備えるネットワークを使用した後にネットワーク節点をランク付けする機械学習の方法及び装置 |
Country Status (8)
Country | Link |
---|---|
US (3) | US11481456B2 (ja) |
EP (1) | EP3583522A4 (ja) |
JP (1) | JP7105789B2 (ja) |
KR (1) | KR20200010172A (ja) |
CN (1) | CN110462612A (ja) |
AU (2) | AU2018220752A1 (ja) |
CA (1) | CA3053531A1 (ja) |
WO (1) | WO2018152534A1 (ja) |
Families Citing this family (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015360437A1 (en) * | 2014-12-10 | 2017-06-29 | Kyndi, Inc. | Technical and semantic signal processing in large, unstructured data fields |
WO2019006088A1 (en) * | 2017-06-28 | 2019-01-03 | The Regents Of The University Of California | LEARNING OF ARTIFICIAL NEURAL NETWORKS WITH REDUCED COMPLEXITY OF CALCULATION |
WO2019144146A1 (en) | 2018-01-21 | 2019-07-25 | Stats Llc | Method and system for interactive, interpretable, and improved match and player performance predictions in team sports |
EP3740841A4 (en) | 2018-01-21 | 2021-10-20 | Stats Llc | SYSTEM AND METHOD FOR MOVEMENT PREDICTION OF MULTIPLE FINE GRANULARITY ADVERSARY AGENTS |
US10942952B1 (en) * | 2018-08-16 | 2021-03-09 | Palantir Technologies Inc. | Graph analysis of geo-temporal information |
US11176460B2 (en) * | 2018-11-19 | 2021-11-16 | Fujifilm Business Innovation Corp. | Visual analysis framework for understanding missing links in bipartite networks |
US10956490B2 (en) | 2018-12-31 | 2021-03-23 | Audiobyte Llc | Audio and visual asset matching platform |
US11086931B2 (en) * | 2018-12-31 | 2021-08-10 | Audiobyte Llc | Audio and visual asset matching platform including a master digital asset |
US11210590B2 (en) * | 2019-01-08 | 2021-12-28 | International Business Machines Corporation | Generating free text representing semantic relationships between linked entities in a knowledge graph |
WO2020151321A1 (zh) * | 2019-01-23 | 2020-07-30 | 平安科技(深圳)有限公司 | 基于图计算技术的理赔反欺诈方法、装置、设备及存储介质 |
WO2020180702A1 (en) | 2019-03-01 | 2020-09-10 | Stats Llc | Personalizing prediction of performance using data and body-pose for analysis of sporting performance |
US20220180026A1 (en) * | 2019-05-10 | 2022-06-09 | Tata Consultancy Services Limited | System and method for actor based simulation of complex system using reinforcement learning |
US20220261440A1 (en) * | 2019-07-11 | 2022-08-18 | Nippon Telegraph And Telephone Corporation | Graph analysis device, graph analysis method, and graph analysis program |
US11537816B2 (en) * | 2019-07-16 | 2022-12-27 | Ancestry.Com Operations Inc. | Extraction of genealogy data from obituaries |
CN110490730B (zh) * | 2019-08-21 | 2022-07-26 | 北京顶象技术有限公司 | 异常资金聚集行为检测方法、装置、设备及存储介质 |
US20210072027A1 (en) * | 2019-09-09 | 2021-03-11 | Caci, Inc. - Federal | Systems and methods for providing localization and navigation services |
CN110826164B (zh) * | 2019-11-06 | 2023-07-04 | 中国人民解放军国防科技大学 | 一种基于局部和全局连通性的复杂网络节点重要度评估方法 |
KR102234850B1 (ko) * | 2019-11-15 | 2021-04-02 | 숭실대학교산학협력단 | 릴레이션 네트워크에 기반한 지식 보완 방법 및 장치 |
CN111274537B (zh) * | 2020-01-20 | 2021-12-31 | 山西大学 | 一种基于惩罚性矩阵分解的文献表示方法 |
US20210224388A1 (en) * | 2020-03-19 | 2021-07-22 | Management Sciences, Inc. | Novel Apparatus and Application Device for Protection of Data and Information |
CN111563599B (zh) * | 2020-04-30 | 2023-12-12 | 本源量子计算科技(合肥)股份有限公司 | 一种量子线路的分解方法、装置、存储介质及电子装置 |
US11429884B1 (en) * | 2020-05-19 | 2022-08-30 | Amazon Technologies, Inc. | Non-textual topic modeling |
CN111708964B (zh) * | 2020-05-27 | 2023-06-20 | 北京百度网讯科技有限公司 | 多媒体资源的推荐方法、装置、电子设备和存储介质 |
CN115715385A (zh) | 2020-06-05 | 2023-02-24 | 斯塔特斯公司 | 用于预测体育运动中的队形的***和方法 |
CN111695699B (zh) * | 2020-06-12 | 2023-09-08 | 北京百度网讯科技有限公司 | 用于模型蒸馏的方法、装置、电子设备及可读存储介质 |
US20220027827A1 (en) * | 2020-07-24 | 2022-01-27 | Content Square SAS | Benchmarking of user experience quality |
CN112068798B (zh) * | 2020-08-14 | 2023-11-03 | 本源量子计算科技(合肥)股份有限公司 | 一种实现网络节点重要性排序的方法及装置 |
CN112073126B (zh) * | 2020-08-14 | 2021-07-13 | 合肥本源量子计算科技有限责任公司 | 一种网络节点重要性的排序方法及装置 |
CN112073221B (zh) * | 2020-08-14 | 2022-08-16 | 合肥本源量子计算科技有限责任公司 | 一种实现网络节点排序的方法及装置 |
CN111985189B (zh) * | 2020-08-20 | 2024-04-12 | 朵镇山 | 适用于深度学习及思考的模块化笔记***及电子转换方法 |
US11783131B2 (en) * | 2020-09-10 | 2023-10-10 | International Business Machines Corporation | Knowledge graph fusion |
CN114358291B (zh) * | 2020-09-30 | 2024-04-09 | 本源量子计算科技(合肥)股份有限公司 | 量子连通图的交叉连线处理方法、装置、终端及存储介质 |
WO2022072794A1 (en) | 2020-10-01 | 2022-04-07 | Stats Llc | Prediction of nba talent and quality from non-professional tracking data |
CN112131261B (zh) * | 2020-10-09 | 2024-02-09 | 腾讯科技(深圳)有限公司 | 基于社区网络的社区查询方法、装置和计算机设备 |
CN112351026B (zh) * | 2020-11-03 | 2022-04-22 | 平安科技(深圳)有限公司 | 区块链网络节点权限分配方法及装置、计算机设备、介质 |
US11849342B2 (en) | 2020-12-07 | 2023-12-19 | International Business Machines Corporation | Global and local measures of centrality for signed and unsigned networks |
US20220180254A1 (en) * | 2020-12-08 | 2022-06-09 | International Business Machines Corporation | Learning robust predictors using game theory |
CN112700124B (zh) * | 2020-12-29 | 2023-10-24 | 长安大学 | 多层交通网络mrwc节点重要性排序方法、***、电子设备及计算机可读存储介质 |
WO2022187487A1 (en) * | 2021-03-05 | 2022-09-09 | Stats Llc | Method and system for generating in-game insights |
CN112989189A (zh) * | 2021-03-08 | 2021-06-18 | 武汉大学 | 一种基于双曲几何空间的结构洞节点搜索方法 |
CN113029175B (zh) * | 2021-03-11 | 2021-09-10 | 东莞职业技术学院 | 考虑双程的多途经点的快速路径规划方法 |
CN113254864B (zh) * | 2021-04-29 | 2024-05-28 | 中科计算技术创新研究院 | 基于节点特征和回复路径的动态子图生成方法、争议性检测方法 |
CN113487305A (zh) * | 2021-07-27 | 2021-10-08 | 中国银行股份有限公司 | 手机银行业务办理方法、atm及银行后台*** |
CN115048935B (zh) * | 2022-04-12 | 2024-05-14 | 北京理工大学 | 一种基于密度矩阵的语义匹配方法 |
CN115905691B (zh) * | 2022-11-11 | 2024-06-18 | 云南师范大学 | 一种基于深度强化学习的偏好感知推荐方法 |
US20240176788A1 (en) * | 2022-11-30 | 2024-05-30 | Intuit Inc. | Dataset ranking based on composite score |
CN116361568B (zh) * | 2023-06-02 | 2023-08-11 | 中国人民解放军国防科技大学 | 基于行为博弈的社交网络观点演化分析方法、装置和设备 |
US11916767B1 (en) * | 2023-08-03 | 2024-02-27 | Dropzone.ai, Inc. | Security analysis agents |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140173A (ja) | 2007-12-05 | 2009-06-25 | Ntt Docomo Inc | Webサイトを推奨するサーバ装置、Webサイトの推奨方法、及びWebサイト推奨プログラム |
JP2013536484A (ja) | 2010-06-22 | 2013-09-19 | プライマル フュージョン インコーポレイテッド | コンピュータ化エージェントのシステムとユーザ指図セマンティックネットワーキング |
JP2014115839A (ja) | 2012-12-10 | 2014-06-26 | Nippon Hoso Kyokai <Nhk> | コンテンツ推薦装置、及びプログラム |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5873071A (en) * | 1997-05-15 | 1999-02-16 | Itg Inc. | Computer method and system for intermediated exchange of commodities |
US6681247B1 (en) * | 1999-10-18 | 2004-01-20 | Hrl Laboratories, Llc | Collaborator discovery method and system |
AU2002255806A1 (en) * | 2001-03-20 | 2002-10-08 | Dealigence Inc. | Negotiating platform |
US9818136B1 (en) | 2003-02-05 | 2017-11-14 | Steven M. Hoffberg | System and method for determining contingent relevance |
US7346115B2 (en) * | 2004-04-22 | 2008-03-18 | Qualcomm Incorporated | Iterative eigenvector computation for a MIMO communication system |
US7454454B2 (en) * | 2004-05-21 | 2008-11-18 | Sap Ag | Method and apparatus for efficient calculation of a matrix power series |
CA2588176C (en) * | 2004-11-15 | 2012-10-16 | Qualcomm Incorporated | Eigenvalue decomposition and singular value decomposition of matrices using jacobi rotation |
US7711762B2 (en) * | 2004-11-15 | 2010-05-04 | Qualcomm Incorporated | Efficient computation for eigenvalue decomposition and singular value decomposition of matrices |
US8316060B1 (en) * | 2005-01-26 | 2012-11-20 | 21st Century Technologies | Segment matching search system and method |
EP1992134A4 (en) * | 2006-03-07 | 2014-11-05 | Ericsson Telefon Ab L M | METHOD AND DEVICE FOR REDUCING FEEDBACK DATA IN A MIMO COMMUNICATION SYSTEM |
US9165040B1 (en) * | 2006-10-12 | 2015-10-20 | Google Inc. | Producing a ranking for pages using distances in a web-link graph |
US8161040B2 (en) * | 2007-04-30 | 2012-04-17 | Piffany, Inc. | Criteria-specific authority ranking |
US7877385B2 (en) * | 2007-09-21 | 2011-01-25 | Microsoft Corporation | Information retrieval using query-document pair information |
US8385971B2 (en) | 2008-08-19 | 2013-02-26 | Digimarc Corporation | Methods and systems for content processing |
CN101986299A (zh) * | 2010-10-28 | 2011-03-16 | 浙江大学 | 基于超图的多任务个性化网络服务方法 |
US8566321B2 (en) | 2011-03-11 | 2013-10-22 | Amco Llc | Relativistic concept measuring system for data clustering |
US20130198372A1 (en) * | 2011-12-15 | 2013-08-01 | Massachusetts Institute Of Technology | Distributed newton method and apparatus for network utility maximization |
US20150169758A1 (en) | 2013-12-17 | 2015-06-18 | Luigi ASSOM | Multi-partite graph database |
US10325205B2 (en) | 2014-06-09 | 2019-06-18 | Cognitive Scale, Inc. | Cognitive information processing system environment |
CN107533553B (zh) * | 2015-03-24 | 2022-02-15 | 凯恩迪股份有限公司 | 认知存储器图形索引、存储和检索 |
US9723151B2 (en) * | 2015-10-19 | 2017-08-01 | Genesys Telecommunications Laboratories, Inc. | Optimized routing of interactions to contact center agents based on forecast agent availability and customer patience |
-
2018
- 2018-02-20 EP EP18753710.5A patent/EP3583522A4/en not_active Withdrawn
- 2018-02-20 US US15/900,543 patent/US11481456B2/en active Active
- 2018-02-20 US US15/900,478 patent/US11829429B2/en active Active
- 2018-02-20 CA CA3053531A patent/CA3053531A1/en active Pending
- 2018-02-20 US US16/486,523 patent/US11782992B2/en active Active
- 2018-02-20 KR KR1020197024199A patent/KR20200010172A/ko not_active Application Discontinuation
- 2018-02-20 WO PCT/US2018/018833 patent/WO2018152534A1/en unknown
- 2018-02-20 JP JP2019543224A patent/JP7105789B2/ja active Active
- 2018-02-20 AU AU2018220752A patent/AU2018220752A1/en not_active Abandoned
- 2018-02-20 CN CN201880012277.2A patent/CN110462612A/zh active Pending
-
2022
- 2022-11-09 AU AU2022268337A patent/AU2022268337A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140173A (ja) | 2007-12-05 | 2009-06-25 | Ntt Docomo Inc | Webサイトを推奨するサーバ装置、Webサイトの推奨方法、及びWebサイト推奨プログラム |
JP2013536484A (ja) | 2010-06-22 | 2013-09-19 | プライマル フュージョン インコーポレイテッド | コンピュータ化エージェントのシステムとユーザ指図セマンティックネットワーキング |
JP2014115839A (ja) | 2012-12-10 | 2014-06-26 | Nippon Hoso Kyokai <Nhk> | コンテンツ推薦装置、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2018152534A1 (en) | 2018-08-23 |
KR20200010172A (ko) | 2020-01-30 |
US11782992B2 (en) | 2023-10-10 |
US20200004752A1 (en) | 2020-01-02 |
US20180239763A1 (en) | 2018-08-23 |
AU2018220752A1 (en) | 2019-08-29 |
JP2020510910A (ja) | 2020-04-09 |
CA3053531A1 (en) | 2018-08-23 |
EP3583522A1 (en) | 2019-12-25 |
CN110462612A (zh) | 2019-11-15 |
US11829429B2 (en) | 2023-11-28 |
US20180240043A1 (en) | 2018-08-23 |
EP3583522A4 (en) | 2020-12-30 |
US11481456B2 (en) | 2022-10-25 |
AU2022268337A1 (en) | 2022-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7105789B2 (ja) | ネットワーク節点においてソフトウェアエージェントを備えるネットワークを使用した後にネットワーク節点をランク付けする機械学習の方法及び装置 | |
Qi et al. | Compatibility-aware web API recommendation for mashup creation via textual description mining | |
Soman et al. | Machine learning with SVM and other kernel methods | |
AU2011269676B2 (en) | Systems of computerized agents and user-directed semantic networking | |
US20180285388A1 (en) | Proximity search and navigation for functional information systems | |
Wen et al. | Neural attention model for recommendation based on factorization machines | |
Liu et al. | A survey on heterogeneous information network based recommender systems: Concepts, methods, applications and resources | |
Yu et al. | Toward naive Bayes with attribute value weighting | |
Fang et al. | Patent2Vec: Multi-view representation learning on patent-graphs for patent classification | |
Liang et al. | Supervised ranking framework for relationship prediction in heterogeneous information networks | |
Shakibian et al. | Multi-kernel one class link prediction in heterogeneous complex networks | |
Wang et al. | Deep meta-learning in recommendation systems: A survey | |
Sangeetha et al. | Predicting personalized recommendations using GNN | |
Qi et al. | Breaking the barrier to transferring link information across networks | |
Nama et al. | DTagRecPLS: diversification of tag recommendation for videos using preferential learning and differential semantics | |
EP3443480A1 (en) | Proximity search and navigation for functional information systems | |
Liguori et al. | Modeling Events and Interactions through Temporal Processes--A Survey | |
Banati et al. | Detecting communities in complex networks-A discrete hybrid evolutionary approach | |
Verma et al. | An automatic college library book recommendation system using optimized Hidden Markov based weighted fuzzy ranking model | |
Nitin Hariharan et al. | ITAQ: Image Tag Recommendation Framework for Aquatic Species Integrating Semantic Intelligence via Knowledge Graphs | |
Islam | Explainable link prediction in large complex graphs-application to drug repurposing | |
Li | Query-Driven Graph-based User Recommender System | |
BELHOCINE et al. | Session-based Recommender Systems Using Graph Convolutional Networks | |
Taha et al. | Empirical and Experimental Perspectives on Big Data in Recommendation Systems: A Comprehensive Survey | |
DeLong et al. | Neurosymbolic AI for Reasoning over Knowledge Graphs: A Survey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210209 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210924 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211008 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220105 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20220308 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220614 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220712 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7105789 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |