Rによるネットワーク分析をまとめました<ネットワークの指標編> - Qiita
はじめに ネットワーク分析に興味を持ち、共立出版のRで学ぶデータサイエンスシリーズの「ネットワーク分析」を読みました。 適用範囲は未知数ですが、なかなか面白いと思いました。 ２,3回に分けて内容を簡単にまとめたいと思います。 初めはネットワークの構造やノードの特徴を表す指標についてです。 igraphとggraph、tidygraphパッケージを中心に使用していきます。 こちらで掲載しているコードの詳細はgithubにあげています。 ネットワーク分析について ネットワークとは ネットワークとは頂点とそれらをつなぐ辺で構成された頂点との関係を表現するものです。 例えば、頂点は人、辺を人々の繋がりであるとするとネットワークは組織内のコミュニケーション関係を表現するものになります。 インターネットも、頂点はWebページ、辺はリンクであり、一種のネットワークであると言えます。 また、グラフ理論にお
GitHub - saibalmars/GraphRicciCurvature: A python library to compute the graph Ricci curvature and Ricci flow on NetworkX graph.
A Python library to compute Discrete Ricci curvature, Ricci flow, and Ricci community on NetworkX graph. This work computes the Ollivier-Ricci Curvature[Ni], Ollivier-Ricci Flow[Ni2,Ni3], Forman-Ricci Curvature(or Forman curvature)[Sreejith, Samal], and Ricci community[Ni3] detected by Ollivier-Ricci flow metric. Curvature is a geometric property to describe the local shape of an object. If we dra
読了: Jacomy, et al. (2014) 俺たちが開発したForceAtlas2はネットワーク・グラフをどのように視覚化しているか | 読書日記
Jacomy, M., Venturini, T., Heymann, S., Bastian, M. (2014) ForceAtlas2, a Continuous Graph Layout Algorithm for Handy Network Visualization Designed for the Gephi Software. PLoS One, 9(6), e98679. たまに仕事の都合でネットワーク・グラフを描くことがあるんだけど、あれはホントに怖い。ノードの位置やエッジの太さ・色などの非本質的な視覚的要素によって、ユーザが図から受ける印象ががらっと変わってしまう。正直、データの視覚化手法としては危険すぎると思うこともある。 ノードの位置を決めるアルゴリズムもいろいろあって困ってしまう。適切なアルゴリズムを選ぶのはなかなか難しいし、個々のアルゴリズムについて理解する時
ネットワーク分析から直感的に理解するTransformerの仕組みと処理の流れ - あつまれ統計の森
グラフ理論と隣接行列 グラフ理論は点と線で物事を表す理論です。たとえば駅の路線図では下記のように駅を点、路線を線で表します。 東京メトロホームページより 上記の路線図では「駅と駅が隣接するかどうか」を中心に取り扱う一方で、それぞれの位置や方角などは厳密に再現はされません。このように、「隣接するかどうか」のみに着目して物事を表す際の理論を「グラフ理論」といいます。 グラフ理論では点をノード(node)、線をエッジ(edge)、全体をグラフ(graph)と定義します。数式で表すと$G = (V,E)$のように表しますが、$V$が頂点のVertice、$E$がEdge、$G$がGraphであるとそれぞれ解釈すると良いです。 グラフの表記法に関しては主に$2$通りあり、「①図を用いる」と「②隣接行列を用いる」をそれぞれ抑えておくと良いです。例があるとわかりやすいので下記のWikipediaの例を元
Pythonを使って文章から共起ネットワークを作る 〜テキストマイニングでの可視化〜 - 見習いデータサイエンティストの隠れ家
テキストから示唆を作り出すテキストマイニングの一つとして、今回は文章から共起ネットワークを作ります。共起ネットワークは、同時に出現する単語の組み合わせをエッジで繋ぎ、単語間の関係をネットワークで表したものです。これにより、文章内の単語の関連性を可視化できます。 今回は、Pythonの「networkx」を使って、共起ネットワークを実装します。今回の記事で最終的に出来上がった共起ネットワークは以下になりました。 今回の記事のコードはここに置いてあります。 データの準備 必要モジュールのインポート データの取得と加工 共起ネットワークのためのデータ整形 エッジの重みJaccard係数 Jaccard係数の分布 共起ネットワークの作成 終わりに データの準備 共起ネットワークを描くためには、テキストを文章を1区切りとして分割し、文章ごとに同時に出現する単語の組み合わせリストを作る必要があります。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://www.r-bloggers.com/2023/11/simulating-phylogenetically-structured-networks/
https://www.researchgate.net/publication/283011657_Toward_a_Formalized_Account_of_Attitudes_The_Causal_Attitude_Network_CAN_Model
Individual-based models of cultural evolution
Tutorial on the snha package
https://pure.rug.nl/ws/portalfiles/portal/52735642/Appendix_D.pdf
http://psychosystems.org/wp-content/uploads/2015/06/IMPS_CvB_2015_website.pdf
A Tutorial on Estimating Time-Varying Vector Autoregressive Models
A new method for constructing networks from binary data - Scientific Reports
Code & Tips
Psychometric Network Models From Time-series and Panel Data – psychonetrics
横断的ネットワーク解析：基礎編
Simulation Models of Cultural Evolution in R
Graphical modeling of stochastic processes driven by correlated noise | R-bloggers
Kashihara_Ito_2020
Code & Tips