ファイルの意味情報と群知能を用いたファイルシステム木下研究室 201002671 内田涼平背景 • ファイルシステムに格納されているデータの数は年々増加している。 • そのデータをコンピュータを利用する人が目的や用途などに応じて分類するのは手間が増加してしまう。 • したがって、ファイルシステムが扱っている情報を効率よく管理、検索する手法は重要な問題になっている。問題点 • 現状のファイルシステムではファイルのコピーや移動といった操作しか用意されてなく、多量のファイルを手作業で整理・分類するのは困難である。 • また、ファイルシステムの構造が木構造なため、一つの整理ポリシに束縛され、整理・分類の手間を軽減することができていない。研究動向 • 最近ではファイルが持つ意味情報を分類し、木構造へとマッピングするセマンティックファイルシステム(SFS)が研究されている。 • これまでにBoidモデルをベースに属性の付いたファイルがランダムに動き、近接するファイルが属性を識別し群れを形成する機能を実現している。ファイルファイルの属性による分類 • ファイルシステムに格納されているファイルデータは各々異なっており、ファイル間の関連性はメタ情報に記述されている属性に基いて決定される。ファイル名サイズキーワード作成/更新/閲覧日時使用者の付けたタグファイルの属性による分類 • 本手法では、視認性を良くするために、関連性や属性は色の相関や相違として表現される。関連性がある関連性がない • 実際のファイルの関連性や属性は、色の情報へマッピングすることによって分類できる。卒業研究予稿緑発表青卒業論文赤目的 • 大量なファイルを自動的に整理・分類できるようにし、重要なファイル・関連するファイルを視覚的に見やすくするファイルシステムを開発することを目指す。 • アントコロニークラスタリング(ACC)を用いて属性ごとにファイルを分類する手法を提案する。アントコロニークラスタリング(ACC) • アントコロニークラスタリングはアリの群知能に基づくクラスタリングであり、エージェントがオブジェクトを運ぶことにより、類似したオブジェクト同士に分類する手法である。 Boidモデルの問題点 • Boidモデルでは、ファイルがランダムに動くためすべてのファイルが群れを形成し、収束するのに時間がかかってしまう。まだ群れに属していない収束提案手法 • 群れが収束する時間を短縮させるために、アントコロニークラスタリングを用いて、移動エージェントが空間内に存在するファイルを色ごとに集める。提案モデル提案手法 • ファイルを分類するにあたって、三原色(RGB)の属性を付与する。これにより関連するファイルを視覚的にわかりやすくユーザに提供する。提案モデル提案手法 • 移動エージェントは空間内をランダムに探索し、ファイルを見つけたら拾う。移動エージェントは拾ったファイルの色を識別し、ファイルを運んでいる移動エージェントが関連するファイルに出会うと持っているファイルを落とす。色が一致しているときにファイルを落とす。 →赤 →青 →緑移動エージェント運搬提案手法 • 移動エージェントが出会ったファイル𝜐を拾う確率𝑝𝑝 (𝜐),持っているファイルを落とす確率𝑝𝑑 (𝜐)は周囲の関連するファイルの密度によって決まる。 2 𝑘𝑝 1 𝑝𝑝 𝜐 = =( )2 𝑘𝑝 + 𝑓 𝜐 1 + (𝑓(𝜐)/𝑘𝑝 ) 𝑓(𝜐) 1 2 𝑝𝑑 𝜐 = ( ) =( )2 𝑘𝑑 + 𝑓(𝜐) 1 + (𝑘𝑑 /𝑓(𝜐)) 𝜐 関連するファイルがどれくらいあるか 𝑓(𝜐):ファイル𝜐の周囲の関連するファイルの密度 𝑘𝑝 :移動エージェントがファイルを拾う行動の閾値を与えるパラメータ 𝑘𝑑 :移動エージェントがファイルを降ろす行動の閾値を与えるパラメータ提案手法移動エージェントがランダムに配置され、ランダムに動きだす。開始ファイルに見立てたオブジェクトが生成される。移動エージェントを配置領域内をランダムに動く移動エージェントが領域内に存在するファイルを発見すると拾い、そのファイルを運搬する。ファイルを運んでいる移動エージェントが関連するファイルに出会うと持っているファイルを落とす。この動作を繰り返してファイルを色ごとに分類し、ファイルが群れを形成することにより関連するファイルを見やすくする。オブジェクト生成エージェントが探索運搬クラスタリング完了 Yes 終了 No まとめ • 本研究では、移動エージェントと属性の付いたファイルを表現することができた。この提案モデルを基に、実際に得られる属性を色の情報へマッピングすることによって、ファイルの関連性を色で分類することが可能である。 • ACCではファイルを運ぶ移動エージェントが存在するので、 Boidモデルと比べて速く関連するファイルを集めることができるであろう。今後の課題 • 今後は移動エージェントにACCのアルゴリズムを組み込み、プログラムを構築し実際にシミュレートを行い、移動エージェントがファイルをクラスタリングする様子を確認する。ご清聴ありがとうございました