タグ

2014年3月12日のブックマーク (5件)

  • グラフ(ネットワーク)を奇麗に描画するアルゴリズム - mfumiの日記

    グラフはノードと辺の集合から構成されているだけなので,その描画方法は任意です.例として,以下の3つのグラフはどれも同じです. グラフをどうやって奇麗に描画するかという研究は昔からおこなわれていて,そのうちの一つに力学モデルがあります(Wikipedia).このモデルではノード間にある力が作用すると考えてそれが安定するような場所を探します.簡単な例ではノードを電荷だと仮定してそれぞれに働くクーロン力を計算し,それをもとにノード位置の修正をおこないます. 力学モデルのアルゴリズムで代表的なものにFruchterman-Reingold アルゴリズムがあります.このアルゴリズムは多くのグラフを扱うライブラリでサポートされているようです. このアルゴリズムの考え方はシンプルで,ノードに影響する力が2つあります.一つは自分以外の全てのノードからの斥力,もう一つが隣接ノードからの引力です.斥力f_rと

    グラフ(ネットワーク)を奇麗に描画するアルゴリズム - mfumiの日記
    tvsk
    tvsk 2014/03/12
  • 中心性の数値について [スレッド] KH Coder 旧掲示板

    [掲示板へもどる] 一括表示 ■ - 中心性の数値について - 中田 01/29-16:37 No.897 ・  Re: 共起ネットワークにおける中心性の数値の確認 - HIGUCHI Koichi 01/29-17:20 No.898 ・  Re: 共起ネットワークにおける中心性の数値の確認 - 中田 01/29-17:44 No.899 ・  Re: 共起ネットワークにおける中心性の数値の確認 - 袋井 02/06-20:44 No.900 ・  Re: 共起ネットワークにおける中心性の値とサブグラフ検出結果 - HIGUCHI Koichi 02/07-17:27 No.901 ・  Re: 共起ネットワークにおける中心性の数値の確認 - 袋井 02/07-21:04 No.902 はじめまして。中田と申します。 現在研究でkh coderを利用させていただいております。 質問なので

    tvsk
    tvsk 2014/03/12
    次数の利用に関する作者のコメント
  • [連載]フリーソフトによるデータ解析・マイニング第61回 統計的テキスト解析(6)~語のネットワーク分析~

    [連載] フリーソフトによるデータ解析・マイニング 第61回 統計的テキスト解析(6)~語のネットワーク分析~ 1.ネットワーク分析とは ネットワーク分析は、社会学や通信ネットワークなどの分野で多く用いられている。数学のグラフ(Graph)理論に基礎を置いている。したがって、分野によってはグラフ分析とも呼ぶ。ネットワークは、頂点(V: Vertex)と辺(E: Edge)を基構成要素とする。頂点を「点」「ノード」、辺を「線」とも呼ぶ。ネットワークは、線で点と点の関係を示す。線が方向性を持つグラフを有向グラフ(Directed Graph)、線が方向性を持たないグラフを無向グラフ(Undirected Graph)と呼ぶ。図1に、有向グラフと無向グラフの例を示す。

    tvsk
    tvsk 2014/03/12
    グラフの概念とハンドリングの初歩から、指標の解説まで。
  • 統計ソフトRのブログ 共起性尺度

    共起尺度について説明します。 共起とは、まさに ある一組の「共に起きる」程度を表したものです。 例えば、 amazonを検索するときに、 この商品を買っている人は、このも買っています と紹介されますが、それは、過去の購買データから、 共起が高い商品を勧めているのです。 共起尺度として、 主なものは、 共起頻度、Jaccard係数、Simpson係数、コサイン距離があります。 これらの指標について、「X」と「Y」という一組の共起性がどう測られるか示します 「X」と「Y」の単独での出現数を|X|、|Y|、 どちらか一方が出現した回数を|X∪Y|、 両方が出現した回数を|X∩Y|とします。 A)共起頻度 共起の回数であり、 |X∩Y|で計算される。 B)Jaccard係数 どちらかが出現したうち、何回同時に出現するかで、 |X∩Y|/|X∪Y|で計算される C)Simpson係数 Jacc

    tvsk
    tvsk 2014/03/12
    単語の共起に関する各種指標の解説とサンプルコード。Jaccard係数、Simpson係数、コサイン距離
  • 自然言語処理の入門的な授業の構成 - 武蔵野日記

    来年度、大学院生(とやる気のある学部生)を対象とした自然言語処理の授業をする予定で、シラバスを考えているところである。形態素解析から構文解析、そして意味解析につながるオーソドックスなスタイル(必ずしも機械学習を出さなくてもよい)でやるか、あるいは機械学習を前面に出してやるか(Teaching (intro, grad) NLP 参照)、悩んだのだが、そういえば来年度は人文系の人も含めた交換留学生対象の授業(同一内容だが英語で授業)もやることを思い出し、それなら後者は難しいか……。 自分自身人文系出身なので他人事ではなく、人文系で数学に苦手意識があると、かけ算が2回以上含まれる数式はダメで、かつ割り算が1回でも含まれる数式はダメで、cosやlogが含まれる数式はそもそも意味を理解することができない(そのため、意味を考えず単なる文字列として考えるので、かえって割り算を含む数式よりよいかもしれな

    自然言語処理の入門的な授業の構成 - 武蔵野日記
    tvsk
    tvsk 2014/03/12