SlideShare une entreprise Scribd logo
1  sur  27
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
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
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!
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
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
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
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
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
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
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
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
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
復習(1/2)
Q1. どちらが幸福な人間関係か
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
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
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
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
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
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
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
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
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
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)
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
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
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?
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?

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
 
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―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 & PythonThe Art of Social Media Analysis with Twitter & Python
The Art of Social Media Analysis with Twitter & PythonKrishna 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〜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
 

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
AtndapiAtndapi
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―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 & PythonThe 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〜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 networksStructural data analysis based on multilayer networks
Structural data analysis based on multilayer networkstm1966
 
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 networksStructural data analysis based on multilayer networks
Structural data analysis based on multilayer networks
 
Enigma
EnigmaEnigma
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