東原 大記氏によるコラム、【効率的な検索を可能にする、グラフデータベース】を公開

「データ間の関係性をデータベースに反映可能」
　今回は、検索効率に注目した「グラフデータベース」について取り上げたいと思います。
　グラフデータベースは、リコメンデーションエンジン、ネットワークやIoT デバイスのオペレーション、検索エンジンなどで利用されているデータベースのひとつです。データとその関係性をグラフ構造であらわし、モデル化・検索することができます。

　一般的によく用いられているRDB (Relational Database)では、テーブル型に構造化されたデータのインデックスを用いて管理する事で、データ全体から検索をしてデータ群を得ることに特化しています。
　一方で、グラフデータベースでは、データだけでなく、データ間の関係性をデータベースに反映させることができます。データベース上のグラフ情報から、関連情報で絞り込んだ上でデータを検索することができるため、より効率的な検索が可能です。

　ここで言う「データ」や「関連」とは、 例えば「Aさんの友達はBさんである」と言う情報を表す場合、データは「Aさん」と「Bさん」になり、関連は「友達」になります。


「学校の実態をモデル化した例」
　例をもう少し複雑にしてみましょう。ある学校の実態をモデル化した例を取り上げます。

　学校には、以下のような「データ」と「関連」があることに注目してグラフデータベースを作成します。

　・データ
　　人(個人名)、役職(teacher、student、クラブ等)
　・関連
　　役割(role)、所属(member)

　学校をグラフ化した場合、学校というデータに対して人や役職がデータになり、役割、所属などのデータ間の関連性を表す(role,member)が関連となります。
　また、学校にはクラブ活動が存在し、生徒と教師が所属することになります。このとき、生徒のヤマダさんを検索する場合、グラフデータベースでは「student」というデータを持つグラフの一部のみが検索対象になるため効率的に検索できます。また、放送部に所属するスギヤマさんを検索する場合にも同様の事が言えます。ただし、クラブから人への関係(member)は定義されていますが、逆方向の定義はされていないため、このグラフでは「スギヤマさんが所属するクラブ」というような条件では参照する事ができない事になります。このことから、グラフデータベースでは、グラフの定義の方法をよく考えることが重要となります。


・・・ここから先は、アクセリア株式会社で公開中のコラム本編でご覧ください。
本編では、挿絵を交えて詳しく説明しています。
リンク


【アクセリア株式会社の研究開発部社員：東原 大記氏のコラム】
・第6回：アクセリアが手がけるP2P (Peer-to-Peer)リンク

【アクセリア株式会社の研究開発部社員：Norbert Preining氏のコラム】
・第1回：今さら聞けない、機械学習/ディープラーニングとは！？リンク
・第2回：最新の機械学習の代表、ニューラルネットワークとはリンク
・第3回：手書き数字を認識する機械学習リンク
・第4回：畳み込みニューラルネットワークリンク
・第5回：機械学習における今後の展開リンク