日本データベース学会 Newsletter 2024年6月号 (Vol.17, No. 3)

１．ICDE 2024 参加報告

天方大地（大阪大学）

　オランダのユトレヒトで開催されたIEEE International Conference on Data Engineering (ICDE) 2024 に参加しました。報告の機会を頂戴したため、ここで報告いたします。ICDEはNewsletterでも毎年報告がありますが、SIGMODとVLDBをあわせたデータベース三大会議の一つです。（採択論文を俯瞰すると、SIGMOD・VLDBよりもスコープは広いように感じます。）2024年からICDEはin-person開催に戻り、すべての発表が現地で行われるようになりました。オランダ渡航に関しても特別な書類は必要なかったので、コロナ禍前にようやく戻った実感がありました。発表形式は口頭および（オプションとして）ポスターでした。最近の多くのAI・ML国際会議ではポスター発表がデフォルトで、口頭発表が一部の採択論文となっておりますが、ICDEは全ての採択論文に口頭・ポスター発表の機会を与えています。これはAI・ML会議と採択論文数に大きな差があるからだとは思いますが、プレゼンテーション・ディスカッション力の向上という観点から、学生の方々にとっては貴重な機会になるのではないかと思います。（一方で10並列セッションということで、ポスターセッションの盛り上がりは。。。でした。）投稿については、今年も2-round制が採用されていました。また、最初の判定は、Accept/Revise/Rejectとなっており、Reviseとなった場合は改定論文を投稿して最終結果を待つことになります。https://icde2024.github.io/program.html から眺めていただけると分かると思いますが、採択論文はクラシックな問題に機械学習技術を取り入れたものが非常に増えています。一方で、https://icde2024.github.io/awards.htmlから分かるように、受賞論文は（人工知能技術に依らない）クエリ処理やDBMSに関するもので、理論やシステマチックな技術も非常に重要視されている様子です。

　ICDE2024のResearch Trackに私の単著論文「Independent Range Sampling on Interval Data」が採択されたので、ここで紹介させていただきます。この論文では、（区間データ上の）範囲検索に対して、結果のサイズをコントロールできない（最悪は全てのデータ）、アルゴリズムの時間計算量が結果のサイズに比例してしまう（つまり、nをデータ数にしたときO(n)時間かかる可能性がある）、という問題点を挙げています。また、大量のデータが出力されるのであればそれらのランダムサンプルでOK、という想定の下、如何に効率的にランダムサンプルのみを出力できるか、という課題に取り組みました。この課題に対して、ポリ対数時間を無視したときに時間計算量がサンプル数のみに比例するアルゴリズムが存在することを証明し、その実践的実行時間も非常に早いことを示しました。この研究成果は初めにPVLDBに投稿したのですが高評価は得られず、ICDEに投稿したところ、Revision無しの一発採択となりました。（ネガティブな査読者がいない場合はRevision無しだったのかもしれません。この辺りのルールは把握できませんでした。）特に、理論的な性能保証とそれに伴う既存技術に対する優位性の証明が高く評価されました。採択・不採択は時の運の影響もあると思うので、採択に値する自信がある場合、根気強く投稿し続けることが大事だと改めて感じます。

　執筆時点では来年のICDEに関するオフィシャルな報告はされていないのですが、香港開催の予定とのことです。ICDEはデータベース分野のトップ研究者が集まり、興味深い発表が数多く行われるイベントです。自身が気になる研究発表を聞きに来る参加者も多数見受けられます。本会議に論文を通した方々は参加必須なため、トップ会議に採択されるためのノウハウ等を聞くことも可能です。日本のデータベース分野を盛り上げるためにも投稿・参加を検討してみてはいかがでしょうか。

著者紹介：
天方大地（大阪大学）
　2015年大阪大学院情報科学研究科博士後期課程修了（情報科学博士）後、同年同大学院情報科学研究科マルチメディア工学専攻助教となり、現在に至る。データベース、データマイニング、および機械学習における高速アルゴリズムに関する研究に従事。2019年度上林奨励賞、IEEE Computer Society Japan Chapter Young Author Award 2020、2022年度マイクロソフト情報学研究賞、2023年度科学技術部門の文部科学大臣表彰を受賞。IEEE、ACM、日本データベース学会、情報処理学会の各会員。

２．PAKDD 2024 参加報告

佐藤嶺（株式会社KDDI総合研究所）

　第28回PAKDDは2024年5月7日から10日まで台湾・台北で対面開催された.PAKDD(The Pacific-Asia Conference on Knowledge Discovery and Data Mining)はデータマイニング分野の難関会議の一つである. PAKDDはトップ国際会議KDDのアジア・太平洋地区版として位置付けられ, データマイニング, データウェアハウジング, 機械学習, 人工知能, データベース, 統計学, 知識工学, 可視化, 意思決定システム, アプリケーションなど, KDD関連分野全般からの新しいアイデアやオリジナルな研究成果, 実践的な開発経験を共有することを目的としている. プログラムでは, 最新の動向を反映した基調講演, 論文発表, チュートリアル,ワークショップが用意された.

　基調講演では, Google DeepMind, ミネソタ大学, アリゾナ州立大学より,これまでの言語モデルからLLMへの進化, 説明可能AI, 環境課題に取り組むための機械学習, に関しての講演がそれぞれ1時間程度あった.

　今年の投稿数は, 720の論文が投稿され, 175件が採録された. その内訳は,オーラル枠の採録数が133(採録率18.5%), ポスター枠の採録数が42(採録率24.3%)となった. 査読プロセスは, 500名以上のプログラム委員と100名のシニアプログラム委員によって実施された. 査読はダブルブラインド方式であり,一つの論文あたりに最低2名以上, 最大5名のレビューワがついた. 投稿数における国別の著者数は, 1位が中国(623名), 2位が米国(237名), 順にオーストラリア, インド,台湾, 韓国で, 7位に日本(70名)がランクインした. また, 8位以降ではカナダやドイツ, フランスなど北米・欧州からも投稿があった. 投稿された論文の傾向として, 順に, 深層学習, レコメンド推薦, 生物統計, グラフに関するアルゴリズムが大半を占めた.

　我々の研究「QWalkVec: Node Embedding by Quantum Walk」はオーラル枠に採択された.量子ウォークはランダムウォークの量子版であり, この量子ウォークと機械学習を組み合わせた新規手法を提案したものである. グラフのノードラベルを予測するノード分類問題を題材にしており, ノードラベルを予測するための特徴量をグラフ構造から生成し, 特徴量の品質の比較検証を行った. node2vecと呼ばれるランダムウォークベースの手法をベースに, 幅優先探索と深さ優先探索を両立する量子モデルを考案した. この量子モデルが, 一部のデータセットで高精度にノード分類ができることがわかった.

　採録するために工夫した点としては, 共著者と頻繁に議論を行い, 論文のcontributionを明確にしたことである. なぜ, この手法がよいのか簡易実験を交えて提案手法に詳しく記述したことで, 全レビューワから筋が通っていて読みやすいという評価が得られた. また他の研究を聴講していて感じたこととして,contributionを1枚のスライドに明確に示してあると, 異分野であっても何をしているのか理解しやすかった.

　会議全体の雰囲気はフランクで楽しく, 博物館のツアーやバンケットも含まれており, 海外・日本の研究者の方々とたくさん話しができたので, とても刺激になり, モチベーションがあがった. 次回の開催はオーストラリアのシドニーで開催される見通しである.

著者紹介：
佐藤嶺（KDDI総合研究所）
　2021年東京工業大学大学院卒業（学術）後, 同年, KDDI株式会社に入社. 2022年よりKDDI総合研究所AI部門に出向. 量子機械学習と量子アルゴリズムの理論研究に携わっている. 日本物理学会会員.

過去のNewsletterはこちらです。

2024年度　第1回DBSJセミナー「生成AIの安全性における法的課題や活動事例」

【最強データベース講義シリーズ】第35回講義大規模言語モデルに基づく検索モデル

DEIM2025