Neural networks for Graph Data NeurIPS2018読み会@PFN[DL輪読会]Relational inductive biases, deep learning, and graph networksDeep Learning JP
会社の名寄せにグラフDB(Neo4j)を使ってみた話 - Speee DEVELOPER BLOG
こんにちはっ、海外事業部エンジニアのid:kawakuboxです。 先日行われた SpeeeKaigi で「会社名の名寄せにグラフDBを使ってみた話(wip)」を発表しました。 名寄せという作業は、最終的には人手に頼らざる所が少なからず残ってしまうと思います。 この最後の人の手による作業コストを軽減するために、何かしらの技術的な解決ができないかと思いました。 発表時点では構想段階で簡単な検証にとどまっていましたが、その後実際に補助ツールという位置づけで稼働させるまでいたりました。 このスライドはその発表当時のものになります。 SpeeeKaigi については、以前の記事をごらんください。 tech.speee.jp トークテーマ 文字列ベースの名寄せ解決へのグラフDBを用いたアプローチ キーワード 名寄せ Neo4j 発表資料 質疑応答 結果の検証はどうすると良いのでしょう 人手による名寄
CerebralWeb
OverviewCerebralWeb is a light-weight JavaScript plug-in that extends Cytoscape.js to enable fast and interactive visualisation of molecular interaction networks stratified based on subcellular localisation or other custom annotation. The application is designed to be easily integrated into any website and is configurable to customise the network visualisation. CerebralWeb also supports the automa
Graph Engine
Graph Engine# = RAM Store + Computation Engine + Graph Model Graph Engine (GE) is a distributed in-memory data processing engine, underpinned by a strongly-typed RAM store and a general distributed computation engine. The distributed RAM store provides a globally addressable high-performance key-value store over a cluster of machines. Through the RAM store, GE enables the fast random data access p
20+ JavaScript libraries to draw your own diagrams (2024 edition)
20+ JavaScript libraries to draw your own diagrams (2024 edition) by Jordi Cabot | Jan 10, 2024 | tools, cloud & web engineering, Model-driven Engineering | 53 comments You can draw and model anything in your browser with JavaScript. Indeed, there is a vast array of user-friendly online modeling tools available to create UML (or ER, BPMN, …) diagrams right in the browser. But what if you want to c
グラフデータベース「Neo4j」の 導入の導入
21. ドキュメント指向ならこうやってモデル化 { "title": "第3回 「はじめてのパターン認識」 読書会", "accepted": 36, "limit": 50, "waiting": 0, "event_id": 41119, "event_url": "http://atnd.org/events/41119", "users": [ { "nickname": "Prunus1350", "status": 1, "user_id": 120155, "twitter_id": "Prunus1350" }, { "nickname": "millionsmile", "status": 1, "user_id": 75357, "twitter_id": "millionsmile" }, { "nickname": "kmiyachi1024", "status":
グラフデータベース
SNSの普及や相互依存性の高いデータの増加に伴い、従来型のリレーショナルデータモデルの処理効率の問題を解決するために登場し、近年使われるようになったのが、「グラフデータモデル」です。本書ではこのグラフデータモデルと、このモデルを使ったグラフデータベースについて、グラフデータベースの代表的な存在であるNeo4jを使って解説。Neo4jの中心的な開発者たちによる執筆のため信頼性が高く、また、実例も随所に織り込まれ実用性も高いものとなっています。内部アーキテクチャについてもていねいに書かれており、なぜリレーショナルデータモデルよりもグラフデータモデルの方がグラフ処理に適しているのかを理解できるでしょう。本書は、グラフデータモデルとグラフデータベースの特徴と使い方をまとめた優れた入門書です。 序 まえがき 1章 はじめに 1.1 グラフとは何か 1.2 グラフ領域の概要 1.2.1 グラフデータベ
PythonとCytoScapeを使ってクラスタリングと可視化 - Qiita
概要 クラスタリングは簡易であり，有益な結果を得やすいデータ分析の手法です． もともとネットワーク構造のであるデータはもちろんのこと，ネットワーク構造でないデータに関しても距離関数を定義することでネットワーク化し，クラスタリングをすることができます． このエントリではクラスタリングを行い，その結果を可視化する方法について紹介します． ネットワークとは そもそもネットワーク構造とはなんでしょうか？ 一般的にはノードとエッジから構成されるデータのことであり， エッジには方向がついていたりついていなかったりします 方向があるものを有向グラフ, ないものを無向グラフといいます． エッジに重みがあるものもないものもあり，あるものを重み付きグラフといいます． クラスタリングとは データの集合をいくつかのまとまり(部分集合)に分けることです それぞれの部分集合がある共通の特徴を持つように分けます ネット
htmlwidgets for R
HTML widgets work just like R plots except they produce interactive web visualizations. A line or two of R code is all it takes to produce a D3 graphic or Leaflet map. HTML widgets can be used at the R console as well as embedded in R Markdown reports and Shiny web applications. In addition to the widgets featured below you may also want to check out the htmlwidgets gallery. Bring the best of Java
可視化周辺の進化がヤヴァイ～rChartsを中心として～
TDD bootcamp 札幌2.0 http://atnd.org/events/15811 の自己紹介で使った資料です。
ゴールデンウィーク中にD3.jsを学びたい方にお勧めな厳選まとめ
「データビジュアライゼーション（D3.js）を学ぶための教材まとめ」も大分量が増えてきて、初めてD3.jsを学ぶという人にはどこから手をつけて良いものか解りづらくなってきました。 そこで、ゴールデンウィーク中にD3.jsを学んでみたいという方に、いくつか厳選してお勧めしてみたいと思います。 スライドを眺める まずはD3.jsがどんなライブラリなのか把握しましょう。 ・about d3.js チュートリアルを学ぶ とりあえず分量・内容的に下記のチュートリアルがお勧めです。 ・D3 チュートリアル｜スコット・マレイ｜alignedleft 余裕があっていろんなレイアウトのグラフを描いてみたいなら、下記サイトを。 ・svg要素の基本的な使い方まとめ コード共有サイトを使って実践 チュートリアルを手軽に試すなら、コード共有サイトを利用するのが楽チンです。 jsdo.it, jsfiddle, Tr
Twitterネットワークの可視化 - よしなしごと
入門 機械学習の11章でTwitterのネットワーク可視化がトピックになっていて面白そうだったので、Pythonで作成してみました。*1 某Q大の図書館のアカウントを分析してみました。*2大きく2つに分かれていて、左側が図書館関係のアカウント、右側が大学関係のアカウントになっています。図書館関係のアカウントもそのなかで、LSS関係、大学図書館公式、あたりはクラスタになっていそうな感じです。大学関係のアカウントで多くフォローを集めているのは、個人よりも大学関連の情報発信系のアカウントのようです。個人ユーザーとおぼしきアカウントは、図書館系のクラスタよりも密度が低くなっていますね。このあたりに学部ごとのクラスタが出来てないかなぁと期待しているのですが、実際はどうなんでしょうね。 以下にデータとで作成したグラフをいくつか置いておくのでよかったらご覧ください。 https://dl.dropbox
建築批評空間を可視化してみた | せかいらぼ
最近Pythonにはまっています。 ついでに機械学習の勉強にもはまっています。 こりゃあ建築批評空間を可視化するしかあるまい。 公開されている建築批評といえば「『10+1』データベース」ですね。 なんとなく見た感じ、アドレスは こんな感じになってるので、適当に番号を増やしてったところ、どうやら1549まであるみたい。 というわけで、全ページを次のシェルスクリプトで取得します # var1=http://db.10plus1.jp/backnumber/article/articleid/ var2=.html for ((i=1;i<1550;i++)) do wget -O $i$var2 $var1$i/ done; この1549の中にも歯抜けになってる番号が100ありました。 それで、記事によっては こんな具合に公開されてないものもあります。全1449記事のうち、公開数：721、未公
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
VPN(Point To Site)接続する際の注意点 – SIOS Tech. Lab
大規模なNeo4jクラスタにおける因果一貫性
Dgraph | GraphQL Cloud Platform, Distributed Graph Engine
Amazon.co.jp: 超高速グラフ列挙アルゴリズム:〈フカシギの数え方〉が拓く,組合せ問題への新アプローチ: ERATO 湊離散構造処理系プロジェクト (著), 湊真一 (編集): 本
graphosaurus/README.md at master · frewsxcv/graphosaurus
MetricsGraphics
Yohoushi という分散 GrowthForecast グラフツールを作りました : sonots:blog
