研究概要

グラフデータはデータエンティティ間の関係性を表現する基本的なデータモデルとして広く利用されています． 近年ではグラフデータの規模が巨大化してきていますが，そのようなデータの処理には膨大な計算時間が必要であり応用への障壁となっています． 塩川研では大規模なグラフデータを対象にしたデータ処理やデータマイニング，検索，学習処理の超高速化に関する研究開発を進めています．

主な研究成果：

• グラフクラスタリングの高速化 [IJCAI'19] [VLDB'15] [AAAI'13]
• 部分グラフ検索の高速化 [IJCAI'24] [IJCAI'23]
• PageRank系アルゴリズムの高速化 [SIGMOD'13] [ICDE'13] [AAAI'13] [KDD'12]

データベース等のデータ管理技術は社会を支える重要なインフラとなっていますが，大規模なデータを扱う場合にはさらなる高性能化が求められています． また，実世界のグラフデータのような複雑な構造をもつ場合もあるため，そのような複雑なデータを扱うための新たなデータ管理技術の開発が急務となっています． 塩川研では大規模データを対象にした高性能な問合せ（クエリ）処理や，グラフデータベース技術，データクリーニング技術に関する研究開発を進めています．

主な研究成果：

• 問合せ処理の超高速化 [IEICE'25] [ISWC'21] [WWW'18]
• グラフデータ圧縮検索方式 [IEICE'25] [IEICE'24]
• 健全なデータ流通のためのデータ文書化 [GRADES-NDA'25]

人工知能は広く社会に普及しており，様々な意思決定に利用されています． 近年では，分析や推論の精度だけではなく，いかに効率良くデータを処理できるかが重要になってきています． 我々は効率的な人工知能の実現に向けて，高速なモデル学習アルゴリズム・効率的なグラフ学習モデルの開発や，検索拡張生成 (RAG)を支えるベクトル検索の高速化技術に関する研究を行っています．

主な研究成果：

• Affinity Propagationの高速化 [AAAI'21] [KDD'15]
• 回帰分析モデル学習の高速化 [AAAI'16]
• 高速・高精度なグラフ分類モデル [IEICE'24]

データサイエンスや人工知能技術が幅広く世の中に広まっており，様々な領域で大規模データ処理が必要とされています． 塩川研では化学や医療，工学などの分野を対象とした，異分野への高速データ処理技術の実践的な応用を行っています．

主な研究成果：

• AI創薬のためのグラフベース分子検索手法 [J. Cheminfo.‘25] [IJCAI'24] [iiWAS'23]
• 楽曲プレイリストを利用したグラフベース楽曲推薦 [ASONAM'23]
• 睡眠ステージの自動判定手法 [Sci. Rep.‘19] [ICDE Workshop'17]
• センサーデータを用いた類似行動検出 [iiWAS'23]