グラフ
AI分野におけるグラフとは、エンティティを表すノードとそれらの関係性を示すエッジから構成されるデータ構造です。SNSの人間関係や分子構造など、複雑なつながりを持つデータを効率的に表現・処理するために用いられ、近年はグラフニューラルネットワークの発展により多様な応用が進んでいます。
データ構造のAI用語一覧
33件データ構造に関するAI用語を33件掲載しています。意味や使い方、関連用語を一覧から確認できます。
ノード
AIやネットワークにおけるノードとは、データや処理の単位を表す結節点のことを指します。ニューラルネットワークでは人工ニューロンとして機能し、グラフ構造ではデータや概念の主体を示す重要な基本要素となります。
有向非循環グラフ
DAG（有向非循環グラフ）とは、向きを持った矢印で結ばれたノードの集まりであり、どのノードから出発しても同じノードに戻ることがないデータ構造です。AIや機械学習の分野では、ワークフローの依存関係管理や計算グラフの最適化に広く利用されています。
グラフ理論
グラフ理論は、対象を表す「頂点」とそれらを結ぶ「辺」の組み合わせによって、複雑な関係性やネットワーク構造を数学的にモデル化し解析するための学問です。AI分野では、知識グラフやグラフニューラルネットワークなどの基盤技術として広く活用されています。
キュー
キューとは、データを先入れ先出しの順序で保持するデータ構造および処理待ちの仕組みです。AIの推論リクエストやデータの前処理、非同期処理の制御において、大量の負荷を効率的に順次処理するために広く利用されています。
ハッシュ関数
ハッシュ関数とは、任意の長さのデータを固定長のデータ値へ変換するアルゴリズムです。元のデータがわずかでも変更されると出力結果が全く異なる値になる特徴を持ち、データの改ざん検知や高速なデータ検索で用いられます。AI分野でも高次元な特徴量の効率的な処理や、類似データを高速に探索する技術の基盤として広く利用されています。
オブジェクト
オブジェクトとは、AI開発やプログラミングにおいて、データとそのデータに関連する操作（機能）を一つにまとめた実体のことです。Pythonなどのプログラミング言語では、学習モデルやテンソルを含むすべてのデータがオブジェクトとして扱われます。データと機能を一体化して整理することで、複雑なAIプログラムを効率的に設計・再利用できる重要な基盤です。
木構造
木構造とは、データを階層的な枝分かれの形で表現するデータ構造のことです。一つの根（ルート）から複数の節（ノード）や葉へと広がる構造を持ち、AI分野では意思決定プロセスのモデル化や検索処理の効率化に広く利用されています。機械学習の決定木やランダムフォレスト、囲碁AIなどで使われるモンテカルロ木検索などの基盤となります。
知識グラフ
知識グラフとは、実体であるノードとそれらの関係性を示すエッジを組み合わせて、膨大な情報をネットワーク構造で表現する技術です。AIの推論能力向上や検索エンジンの精度改善において重要な役割を果たしています。
無向グラフ
無向グラフとは、データ同士の関係性を示すノードとエッジのうち、エッジに向きがなく双方向に対等な繋がりを持つ構造を指します。AIや機械学習の分野において、SNSのつながりや分子構造の解析など、相互的な関係をモデル化するために広く活用されています。
ハッシュ衝突
ハッシュ衝突とは、異なる2つ以上の入力データに対してハッシュ関数が同一の出力値（ハッシュ値）を生成してしまう現象です。機械学習におけるハッシュトリックを用いた特徴量圧縮や、局所性鋭敏型ハッシュを用いた類似データ検索などで発生し、モデルの予測精度や検索効率に影響を与える重要な概念です。
グラフ構造
グラフ構造とは、モノを表す「ノード（頂点）」と、それらの関係性をつなぐ「エッジ（辺）」でデータを表現する仕組みです。AI分野では、SNSの人間関係、分子構造、交通網などの複雑な関連性を効率的に学習・分析するために活用されています。
連想配列
連想配列とは、キーと値のペアでデータを管理するデータ構造です。通常の配列のように番号ではなく、名前や文字列をキーにして目的に合った要素を迅速に取得できます。Pythonの辞書型に代表され、AIや機械学習のプログラムでは特徴量やハイパーパラメータの管理など、可読性と検索効率の高いデータ操作を実現するために使われます。
ディープコピー
ディープコピーとは、データ構造を複製する際に、参照先の要素まで含めてすべてのデータを完全に独立した形で複製する処理のことです。コピー元のデータを変更してもコピー先には影響しないため、機械学習のデータ前処理やニューラルネットワークのパラメータ管理において、副作用を防ぎ安全にデータを操作するために不可欠な概念です。
有向グラフ
有向グラフとは、向きを持つ辺でノード同士を結んだデータ構造です。AIや機械学習の分野において、ニューラルネットワークの構造表現、知識グラフ、因果推論、ベイジアンネットワークなどの複雑な関係性をモデル化する際に不可欠な数学的および計算上の表現手法として広く活用されています。
セマンティックウェブ
セマンティックウェブとは、ウェブ上の情報にコンピュータが理解できる意味（メタデータ）を付加し、自動的な処理や高度な検索を可能にする技術的概念です。W3Cが提唱し、データの関連性を記述するRDFなどの標準技術を用いて、散在する情報を有機的に結びつけます。現代の検索エンジンやナレッジグラフの基盤技術となっています。
ハッシュ
ハッシュとは、任意の長さのデータから固定長の短い文字列や値を計算して生成する技術です。AI分野では、大規模なデータの高速検索や重複排除、機械学習モデルの識別やデータの改ざん検知など、効率性と安全性を高めるために広く利用されています。
線形探索
線形探索とは、データ構造内の要素を先頭から順に一つずつ確認し、目的のデータを探し出す最も基本的な探索アルゴリズムです。特別な前処理が不要である一方、データ数が増えると比例して処理時間も長くなります。
グラフ探索アルゴリズム
グラフ探索アルゴリズムとは、ノードとエッジで構成されたネットワーク構造の中から、特定の条件を満たす頂点や経路を効率的に見つけ出すための手順や計算方法の総称です。AIや経路探索、知識グラフの推論などで広く活用されています。
ハッシュテーブル
ハッシュテーブルは、キーと値のペアを効率的に管理・検索するためのデータ構造です。ハッシュ関数を用いてキーを数値データに変換し、配列のインデックスに対応させることで、要素の検索や追加、削除を高速に行えます。AI分野でも、大規模データの辞書処理や特徴量の高速検索、キャッシュ管理などに幅広く利用されています。
多次元配列
多次元配列とは、数値などのデータを縦横や奥行きといった複数の軸（次元）に沿って格子状に並べたデータ構造です。AIや機械学習の分野では、画像やテキスト、音声といった多様なデータを数値化して一括処理するための基盤として不可欠な存在となっています。
関係
AIやデータ科学における「関係」とは、複数のデータや概念の間に存在するつながりや相関性を指します。知識グラフや関係データベースなどにおいて、エンティティ同士を結びつける重要な要素として活用されます。
有向非巡回グラフ
有向非巡回グラフ（DAG）とは、矢印で表される方向性があり、どのノードから出発しても元の場所に戻る循環（ループ）がないグラフ構造のことです。AIや機械学習の分野では、ニューラルネットワークの計算手順を定義する計算グラフや、変数間の因果関係を表すベイズネットワークなどのモデル設計に広く利用されています。
トポロジカルソート
トポロジカルソートとは、有向グラフの頂点を先行制約に違反しないように一列に並べ替えるアルゴリズムです。AI分野では、ニューラルネットワークの計算グラフ構築やタスクの依存関係解決において重要な役割を果たします。