Soumettre la recherche
Mettre en ligne
Sna4
•
Télécharger en tant que PPTX, PDF
•
1 j'aime
•
4,185 vues
Yudai Kato
Suivre
Signaler
Partager
Signaler
Partager
1 sur 27
Télécharger maintenant
Recommandé
Sna book chapter_5
Sna book chapter_5
Kenji Koshikawa
社会ネットワーク勉強会第3回発表
社会ネットワーク勉強会第3回発表
shigex Kondou
Social network analysis for startups ch6
Social network analysis for startups ch6
Hiroko Onari
ネットワーク研究の最前線
ネットワーク研究の最前線
Kazuyuki Shudo
P2PネットワークにおけるSkip GraphとBloom Filterを用いた効率的な複数キーワード検索手法の提案
P2PネットワークにおけるSkip GraphとBloom Filterを用いた効率的な複数キーワード検索手法の提案
Kota Abe
[DL輪読会]Mask TextSpotter v3: Segmentation Proposal Network for Robust Scene Te...
[DL輪読会]Mask TextSpotter v3: Segmentation Proposal Network for Robust Scene Te...
Deep Learning JP
社会ネットワーク分析第7回
社会ネットワーク分析第7回
Satoru Mikami
『オープンソースで学ぶ社会ネットワーク分析』1章 イントロダクション
『オープンソースで学ぶ社会ネットワーク分析』1章 イントロダクション
Hisao Soyama
Recommandé
Sna book chapter_5
Sna book chapter_5
Kenji Koshikawa
社会ネットワーク勉強会第3回発表
社会ネットワーク勉強会第3回発表
shigex Kondou
Social network analysis for startups ch6
Social network analysis for startups ch6
Hiroko Onari
ネットワーク研究の最前線
ネットワーク研究の最前線
Kazuyuki Shudo
P2PネットワークにおけるSkip GraphとBloom Filterを用いた効率的な複数キーワード検索手法の提案
P2PネットワークにおけるSkip GraphとBloom Filterを用いた効率的な複数キーワード検索手法の提案
Kota Abe
[DL輪読会]Mask TextSpotter v3: Segmentation Proposal Network for Robust Scene Te...
[DL輪読会]Mask TextSpotter v3: Segmentation Proposal Network for Robust Scene Te...
Deep Learning JP
社会ネットワーク分析第7回
社会ネットワーク分析第7回
Satoru Mikami
『オープンソースで学ぶ社会ネットワーク分析』1章 イントロダクション
『オープンソースで学ぶ社会ネットワーク分析』1章 イントロダクション
Hisao Soyama
2章グラフ理論スピード入門
2章グラフ理論スピード入門
Teruo Kawasaki
Atndapi
Atndapi
Satoru Mikami
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Hisao Soyama
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
ゲームマップのためのグラフAPIの設計
ゲームマップのためのグラフAPIの設計
隆行 神戸
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
Hisao Soyama
The Art of Social Media Analysis with Twitter & Python
The Art of Social Media Analysis with Twitter & Python
Krishna Sankar
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
Takahiro Inoue
Pythonで簡単ネットワーク分析
Pythonで簡単ネットワーク分析
antibayesian 俺がS式だ
mi-5. ディープラーニング
mi-5. ディープラーニング
kunihikokaneko1
2011年度 新3年生向け
2011年度 新3年生向け
Yuki Takahashi
Structural data analysis based on multilayer networks
Structural data analysis based on multilayer networks
tm1966
Enigma
Enigma
Toshihide Hara
2013年度enPiT特設講義-iisec-2013-11-09-セキュアシステムのインターネットとSNS上での構築とその課題
2013年度enPiT特設講義-iisec-2013-11-09-セキュアシステムのインターネットとSNS上での構築とその課題
Ruo Ando
クラウドを支えるこれからの暗号技術
クラウドを支えるこれからの暗号技術
MITSUNARI Shigeo
Contenu connexe
En vedette
2章グラフ理論スピード入門
2章グラフ理論スピード入門
Teruo Kawasaki
Atndapi
Atndapi
Satoru Mikami
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Hisao Soyama
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
ゲームマップのためのグラフAPIの設計
ゲームマップのためのグラフAPIの設計
隆行 神戸
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
Hisao Soyama
The Art of Social Media Analysis with Twitter & Python
The Art of Social Media Analysis with Twitter & Python
Krishna Sankar
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
Takahiro Inoue
Pythonで簡単ネットワーク分析
Pythonで簡単ネットワーク分析
antibayesian 俺がS式だ
En vedette
(9)
2章グラフ理論スピード入門
2章グラフ理論スピード入門
Atndapi
Atndapi
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
ゲームマップのためのグラフAPIの設計
ゲームマップのためのグラフAPIの設計
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
The Art of Social Media Analysis with Twitter & Python
The Art of Social Media Analysis with Twitter & Python
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
Pythonで簡単ネットワーク分析
Pythonで簡単ネットワーク分析
Similaire à Sna4
mi-5. ディープラーニング
mi-5. ディープラーニング
kunihikokaneko1
2011年度 新3年生向け
2011年度 新3年生向け
Yuki Takahashi
Structural data analysis based on multilayer networks
Structural data analysis based on multilayer networks
tm1966
Enigma
Enigma
Toshihide Hara
2013年度enPiT特設講義-iisec-2013-11-09-セキュアシステムのインターネットとSNS上での構築とその課題
2013年度enPiT特設講義-iisec-2013-11-09-セキュアシステムのインターネットとSNS上での構築とその課題
Ruo Ando
クラウドを支えるこれからの暗号技術
クラウドを支えるこれからの暗号技術
MITSUNARI Shigeo
Similaire à Sna4
(6)
mi-5. ディープラーニング
mi-5. ディープラーニング
2011年度 新3年生向け
2011年度 新3年生向け
Structural data analysis based on multilayer networks
Structural data analysis based on multilayer networks
Enigma
Enigma
2013年度enPiT特設講義-iisec-2013-11-09-セキュアシステムのインターネットとSNS上での構築とその課題
2013年度enPiT特設講義-iisec-2013-11-09-セキュアシステムのインターネットとSNS上での構築とその課題
クラウドを支えるこれからの暗号技術
クラウドを支えるこれからの暗号技術
Sna4
1.
オープンソースで学ぶ社 会ネットワーク入門#4
@kat_tin 加藤 雄大
2.
自己紹介 名前 加藤 雄大 仕事
新人 現在 営業部に在籍 出身大学 名古屋工業大学大学院 研究分野 OS・セキュリティ 会社 N社 趣味 ビリヤード TwitterID kat_tin
3.
流れ 基本的に本の目次にしたがって話します 予習した方ごめんなさい!
4.
目次 4章 クリーク、クラスタ、コンポーネント コンポーネントとサブグラフ
サブグラフ―エゴネットワーク トライアド クリーク 階層的クラスタ分析 トライアド、ネットワークの密度、対立
5.
意味のあるネットワークを切り
出す Twitterなら孫正義と誰だってつながれる → でもほとんど意味のないつながり 4章では「意味のあるつながり」を見出す
6.
目次 コンポーネントとサブグラフ サブグラフ―エゴネットワーク トライアド クリーク 階層的クラスタ分析 トライアド、ネットワークの密度、対立
7.
コンポーネントとサブグラフ
(1/2) コンポーネント 互いに繋がっていないネットワークの部分部分 例)ロミオとジュリエットが出会う前の2家族 モンタギュー家 キャピュレット家
8.
コンポーネントとサブグラフ
(2/2) グラフ内の任意のエッジから構成されるグ ラフ
9.
アイランド法 お題 エジプト革命時のリツイートグラフから「お 互いにリツートしあっている親密なグルー プ」を特定する
水平線=リツイート数
10.
目次 コンポーネントとサブグラフ サブグラフ―エゴネットワーク トライアド クリーク 階層的クラスタ分析 トライアド、ネットワークの密度、対立
11.
エゴネットワーク 自分を中心とした人間関係のサブグラフ 観測可能な地平線 友達の友達の友達(距離3)が地平線
知らん 自分 A B C
12.
目次 コンポーネントとサブグラフ サブグラフ―エゴネットワーク トライアド クリーク 階層的クラスタ分析 トライアド、ネットワークの密度、対立
13.
復習(1/2) Q1. どちらが幸福な人間関係か
14.
復習(2/2) Q2. 三角の数が多いと高くなる指標の名前 は? A2. クラスタ係数
15.
トライアド 無向トライアド
閉じたトライアド 有向トライアド
16.
トライアドと文化 フィードバックループによる情報の歪みの 蓄積 「中立者と媒介者」「漁夫の利」「分割統
A 治」 B C B C
17.
禁じられたトライアド
自分 銀行 5% 10% 金貸 彼女X 彼女Y 債務者 し 二者間の空隙による情報の偏りが生じる (1)彼女Xは彼女Yについて知らない (2)債務者は金貸しが何%で金を貸している のか知らない
18.
トライアドセンサス(1/2) 閉じたトライアドの数はいくつ? 11個
19.
トライアドセンサス(2/2) ノード0を含む閉じたトライアドの数 4個
20.
目次 コンポーネントとサブグラフ サブグラフ―エゴネットワーク トライアド クリーク 階層的クラスタ分析 トライアド、ネットワークの密度、対立
21.
クリーク 最大の完全サブグラフ 全てのノードが他の全てのノードとつながって いる クリーク以外のどのノードを持ってきても完全 グラフではなくなる
22.
目次 コンポーネントとサブグラフ サブグラフ―エゴネットワーク トライアド クリーク 階層的クラスタ分析 トライアド、ネットワークの密度、対立
23.
クラスタリング データ解析手法の1つ。機械学習やデータマイニング、パ ターン認識、イメージ解析やバイオインフォマティック スなど多くの分野で用いられる。クラスタリングでは データの集合を部分集合(クラスタ)に切り分けて、そ れぞれの部分集合に含まれるデータが(理想的には)あ る共通の特徴を持つようにする。この特徴は多くの場合、 類似性や、ある定められた距離尺度に基づく近さで示さ れる。(Wikipediaより)
24.
階層的クラスタ分析 • もっとも近いノードペアを新しいノードと
する • N回繰り返す
25.
目次 コンポーネントとサブグラフ サブグラフ―エゴネットワーク トライアド クリーク 階層的クラスタ分析 トライアド、ネットワークの密度、対立
26.
敵対関係 味方の味方は? 味方の敵は? 敵の味方は?
矛盾 敵の敵は?
27.
ネットワークのダイナミズ
ム 大量のノードをランダムにつなげていく → 飽和状態になる(完全グラフになる) 敵対関係が生じると? 矛盾を回避しようと対立関係がネットワークを広 がっていく ネットワークの密度が濃いほど対立関係が広がり やすい → クラスタ係数が高いネットワークに所属する 人は人間関係に悩まされるんじゃないの?
Télécharger maintenant