大規模グラフアルゴリズムの最先端
2. 挨拶 • 自己紹介 – 秋葉拓哉 / @iwiwi – 東京大学 コンピュータ科学専攻 M1 – アルゴリズム系の研究室 – プログラミングコンテストが好き – 2009 年にインターンさせてもらって以来アルバイト アリ本 （グラフの話もあるよ） 1 3. いろんなグラフ 道路・交通ネットワーク • 頂点：交差点，駅など • 辺：道，路線など やりたいことの例 • 案内，交通管制 • 輸送や災害のための解析 • 地理情報と絡めたサービス • … 2 4. いろんなグラフ ソーシャルネットワーク • 頂点：人 • 辺：人間関係 やりたいことの例 • 「知り合いかも？」とか • 重要度・影響度の解析 • コミュニティ解析 • 情報の伝播力の解析 • … (MentionMap で作成) 映画 3
DeepWalk: Online Learning of Social Representations (KDD2014) 読んだ - 糞糞糞ネット弁慶
[1403.6652] DeepWalk: Online Learning of Social Representations 実装もある． DeepWalk - Online Learning of Social Representations - Bryan Perozzi's old website 概要 グラフ構造のデータから latent representation を学習する．skip-gramなどでは入力が文章集合になっているが，提案手法では random walk でそれを実現する． contributionは3つ． グラフデータを分析する手法として deep learning を適用した． マルチラベル分類タスクに提案手法を適用し精度を上げた． 並列実行可能なのでスケーラビリティもすごい． タスク グラフについて次元の特徴ベクトル集合とラベル集合が与えられた上でとの関係
ツイート中の頻出キーフレーズと連想語から関心事を可視化する実験: Twitter Streaming API→Yahoo API→各種補完API→Gephi - NO_WAIT_FOREVER
Twitter Streaming APIを使用して自分のツイートを取得し、頻出語を調べることを思い立ちました。 Twitterアカウントを通して見た自分の関心事がどんなものであるかを調べ、 どれくらい当たっているかを見る遊びでしたが、結果は当たらずといえども遠からずといった程度でした。 既存のサービスを呼び出すだけのプログラミングであり、 簡単に実装できると思いきや、コード量は思ったより多くなり苦労しました。 この記事では、使用したライブラリやAPIの備忘録を兼ねて、プログラム例とツイートの解析結果可視化例を紹介します。 実験の概要 下記の流れで実験しました。自分のTweet中のキーフレーズだけでは面白くないので、 ちょっと血迷ってGoogleなどが提供する補完サービス(いわゆるサジェスト)の結果を 「連想語」として利用することを考えました。 Twitter Streaming APIを
NIPS2013読み会: Scalable kernels for graphs with continuous attributes
GPU最適化ライブラリの利用（1/3，cuBLAS） 長岡技術科学大学2015年度GPGPU講習会（2015年10月14日実施） CUDA付属のライブラリを利用して連立一次方程式を解く内容を3回に分けて実施． 1回目 cuBLASを利用したGPU移植 http://www.slideshare.net/ssuserf87701/gpgpu-seminar-gpu-accelerated-libraries-1-of-3-cublas 2回目 cuSPARSEを利用した省メモリ化 http://www.slideshare.net/ssuserf87701/gpgpu-seminar-gpu-accelerated-libraries-2-of-3-cusparse 3回目 Thrustを利用した実装効率化 講義には長岡技術科学大学のGPGPUシステム（GROUSE）を利用しています。 開発
1
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://jmlr.org/proceedings/papers/v37/hegde15.pdf