[4Xin1] ポスターセッション2

[4Xin1-17] グラフデータセットの機械学習適合性を評価する指標の提案のためのデータセットによるリンク予測結果の違いについての考察

〇矢野 雄一¹、赤木 健一朗¹、夏目 やよい^2,5、黒田 正孝^2,4、伊藤 眞里²、樋口 千洋²、上野 賢也³、丹尾 真理子⁶ (1.日本電気株式会社、2.国立研究開発法人 医薬基盤・健康・栄養研究所、3.東レ株式会社、4.田辺三菱製薬株式会社、5.徳島大学　先端酵素学研究所、6.中外製薬株式会社)

キーワード：ナレッジグラフ、ナレッジグラフエンベッディング、リンク予測、薬の副作用、併用による副作用

多くの患者は複数の薬を同時に併用している．併用することにより副作用やシナジーが生じる薬の組合せを予測することは，患者の利益に繋がる可能性がある．生体・疾患・薬はネットワーク関係にあり，この課題解決にはグラフリンク予測技術が適切と考えられる．しかしながら，グラフに対する機械学習では，データセットを小さく変えるだけでも評価指標の値が大きく変わることが一般的である．このため，多くのグラフリンク予測アルゴリズムが提案されているものの，同じ評価指標であっても一概に直接比較することは出来ない．更に，モデル評価にあたって，ラベルの誤りや偏り，欠損値，ネガティブサンプルなど，考慮すべき要素は数多い．
本研究では，グラフデータセットが機械学習に適しているかを測る新たな指標の提案を目指す．本稿では，構造の異なるデータセットに対して同一アルゴリズムを用いたリンク予測を実施した．次に，その結果の違いを考察した．