3年ゼミナール紹介

2005/10/06 情報知識ネットーワーク研究室紹介（有村・喜田研）

1

3 年ゼミナール紹介

情報知識ネットワーク有村・喜田研究室{arim,kida}@ist.hokudai.ac.jp

ex. 7678, 7679

研究室ホームページ　 http://www-ikn.ist.hokudai.ac.jp/

北海道大学工学部情報エレクトロニクス学科コンピュータサイエンス・コース


2

紹介 : 情報知識ネットワーク研究室（有村・喜田研）研究テーマ：

情報検索とデータマイニング教官：有村博紀教授，喜田拓也助教授研究協力者：

宇野毅明，佐藤健（国立情報学研究所），湊真一，トーマス・ツォイグマン（北大大学院情報科学研究科）坂本比呂志，下薗真一（九工大），北大情報科学ＣＳ専攻知識ソフトウェア科学講座メンバーとも研究交流


3

有村博紀専門：

データマイニング情報検索（とくに全文テキスト索引）計算学習理論（機械学習）

興味があること膨大なデータから，人間に役立つ情報と知識を

とりだすこと高速なアルゴリズム（プログラム）を設計すること

最近面白かったこと企業の人たちと一緒に，ソフトウェア開発をしたこ

と．


4

AWAP: Fast Text Mining Engine (1997 － 2002)

FREQT: Fast XML and Tree-like Data Miner (SDM'02)

OPTT: Optimized Pattern Disocvery (PKDD'02)

StreamT: Online XML Stream Miner (IEEE ICDM'02)

UnoT: Unordered Tree Miner (Discovery Science'03)


FREQT: Fast XML and Tree-like Data Miner (SDM'02)

OPTT: Optimized Pattern Disocvery (PKDD'02)

StreamT: Online XML Stream Miner (IEEE ICDM'02)

UnoT: Unordered Tree Miner (Discovery Science'03)

データマイニング・エンジンの開発

ウェブや HTML ，テキストデータなどのグラフデータから特徴的なパターンを高速に取り出す．情報検索や日本語テキスト処理，画像データ処理に役立つ．

A collection of trees

Frequent Patterns with = 50 %

Mining

(with 浅井達哉君 @ 現・富士通研，安部賢治君 @ 現・シャープ，宇野毅明先生 @NII ，中野眞一先生 @ 群馬大， )


5


Rank Other Pattern Rank Other Pattern0 0 <honda > 0 0 <honda > 1 1 <prelude > 1 1 <prelude >2 33 <i > 2 8 <vtec >3 >350 <car > 3 15 <si >4 >350 <parts > 4 11 <bike >5 >350 <engine > 5 6 <99 >6 5 <99 > 6 12 <motorcycle >7 >350 <rear > 7 25 <the honda >8 2 <vtec > 8 41 <prelude si >9 24 <exhaust > 9 20 <civic >

10 108 <miles > 10 35 <honda prelude >11 4 <bike > 11 48 <98 >12 6 <motorcycle > 12 53 <valkyrie >13 >350 <racing > 13 60 <99 time >14 19 <black > 14 37 <honda s >15 3 <si > 15 36 <rims >16 28 <me > 16 40 <looking >17 >350 <tires > 17 30 <looking for >18 >350 <fuel > 18 67 <scooters >19 >350 <my > 19 14 <black >

HONDA vs. SOFTBANK HONDA vs. TOYOTA

HONDA vs. SOFTBANK HONDA vs. TOYOTA

ソフトバンクじゃなくて，

ホンダに出ているものはなにかな？

トヨタじゃなくて，

ホンダに出ているものはなにかな？

ホンダってどんな会社だろう？


6

喜田拓也専門：

情報検索（特に文字列照合）テキスト・アルゴリズムデータ圧縮

興味があること巧妙なアルゴリズムを知る or 設計すること効率よく情報を検索するためにコンピュータが

できること

最近面白かったこと国際会議でイタリアへ行ったこと．


7

圧縮データに対する文字列照合

文字列照合アルゴリズム文字列照合アルゴリズム

主記憶装置上

文字列照合アルゴリズム文字列照合アルゴリズム

圧縮文字列照合アルゴリズム圧縮文字列照合アルゴリズム

主記憶装置上

復号

二次記憶装置上

テキストデータ

主記憶装置上

主記憶装置上

転送

転送

転送


圧縮テキスト


圧縮テキスト


8

実験結果（非圧縮テキスト上のアルゴリズムとの対比）

AlphaStation XP1000(Alpha21264: 667MHz)Tru64 UNIX V4.0F

Medline（英文テキスト）60.3Mbyte

AlphaStation XP1000(Alpha21264: 667MHz)Tru64 UNIX V4.0F

Medline（英文テキスト）60.3Mbyte

5 10 15 20 25 30

パタンの長さ

0.0

0.3

0.4

0.5

0.8

0.1

0.2

0.6

0.7

CP

U時間（秒）

非圧縮テキストを KMP で照合

非圧縮テキストを Agrep で照合

BPE 圧縮テキストに対する照合

* Agrep は Wu&Manber が開発した検索ツール* KMP は Knuth-Morris-Pratt 法* BPE は Byte Pair Encoding 圧縮法

BPE 圧縮テキストに対するBoyer-Moore 型のアルゴリズムを用いた照合（ Shibata ら [2000] ）

BPE 圧縮テキストに対するBoyer-Moore 型のアルゴリズムを用いた照合（ Shibata ら [2000] ）

(with 柴田裕介君 @ 現・ NTT コムウェア , 松本徹也君 @ 現・ NTT ドコモ , 竹田正幸先生 @ 九大，篠原歩先生 @ 九大 )


9

3 年生ゼミナールゼミナール

英語または日本語の資料を読むわかったことを他のひとに説明する新しい考え／方法を作るプログラムを作る／実験する日本語または英語で書く

大学の残りの 2 年間でしてほしいこと＊

興味があること／やりたいことをみつける何でもいいから，集中して基礎的な勉強をしてみる　（ 20代前半に )

＊）大学院の 2 年間で身につけてほしいことでもあります．

　　これは今回は見送り


10

H16 年の例

3 年生ゼミナール：テキスト英語の教科書 "Managing Gigabytes"

(ギガバイトを征服！）著者： Ian H. Witten, Alistair

Moffat, Timothy C. Bell,Morgan Kaufmann Publishers, 1999.

ウェブサーチ・エンジンを作るための現在唯一の教科書

テキストと画像の圧縮テキスト索引の実装問合せの実現

Alistair Moffat 先生メルボルン大学 , AU

Ian Witten 先生ワイカト大学 , NZ

写真略

写真略

ManagingGygabyte site: http://www.cs.mu.oz.au/mg/


11

3 年生ゼミナール：ゼミで直接まなぶこと

情報検索の基礎技術データ圧縮の技術ウェブ検索エンジンのしくみ

情報工学としてアルゴリズムとデータ構造の

議論に慣れる情報理論と統計の実際をしる工学 (engineering) の感覚読む・話す・聞く・作る


12

3 年生ゼミナールオプション（希望者があれば）

プログラム作成複数パターン照合機械

（情報検索）ハフマン or LZ 圧縮プログラム

( テキスト圧縮）アイテム集合発見プログラム

（データマイニング）

コンテスト？？？


13

おまちしています

情報知識ネットワーク有村・喜田研究室{arim,kida}@ist.hokudai.ac.jp

ex. 7678, 7679

研究室ホームページ　 http://www-ikn.ist.hokudai.ac.jp/

Documents

3年ゼミナール紹介