OSC2012北海道のセッション． 今日からわかる！ソーシャルグラフ解析についての発表資料です． 内容は ・ソーシャルグラフのグラフ構造 ・有向グラフ，無向グラフ ・二部グラフ ・データ表現 ・ライブラリ ・グラフDBの紹介 となっています．

1. 今日からわかる！(?)
ソーシャルグラフ解析
複雑ネットワークとOSS
How many friends do you
have?
一般社団法人LOCAL
おのでら だいち

2. 小野寺大地(onodes)

3. リアルろくろ
小野寺大地(onodes)

4. 自己紹介
✓ 苫小牧生まれ苫小牧育ち チーム苫小牧を作りたい
✓ 北海道大学大学院
✓ 複雑ネットワーク，クラスタって何？
✓ 一般社団法人LOCAL
✓ Ruby札幌
✓ 好：酒，寝，肉，肉チャー，二郎，写真，温泉，ヱヴァ
✓ 嫌：読書，英語，暑，睡眠妨害，窓...

5. はじめに

6. 本日の目的

7. 本日の目的

8. 本日の目的

9. 本日の目的

10. 複雑ネットワーク
✓ グラフ構造を扱う研究分野
✓ Twitter,Facebook,blog...も研究対象
✓ 友達の友達は友達
✓ 世界は狭い
✓ 知り合いが超多い人は少なく，それなりの人が多い

11. 複雑ネットワーク
✓ グラフ構造を扱う研究分野
✓ Twitter,Facebook,blog...も研究対象
✓ 友達の友達は友達
✓ 世界は狭い
✓ 知り合いが超多い人は少なく，それなりの人が多い

12. グラフ

13. 油 野菜
100
75
50
25
2007
2008 0
2009
2010

14. 油 野菜
100
75
50
25
2007
2008 0
2009
2010

15. 2007 2008 2009 2010
9%
14%
50%
28%

16. 100
75
100
50
75
25
50
2007 0
2008
25 2009
2010
20072008 0
2009
2010
9%
14%
50%
28%

17. 100
75
100
50
75
25
50
2007 0
2008
25 2009
2010
20072008 0
2009
2010
9%
14%
50%
28%

18. グラフ?

19. ここで扱うグラフ
✓ 人と人
✓ モノとモノ
✓ 人とモノ

20. ここで扱うグラフ
✓ 人と人(一部グラフ）
✓ モノとモノ(一部グラフ）
✓ 人とモノ(二部グラフ)

21. ここで扱うグラフ
✓ 人と人(一部グラフ）
✓ モノとモノ(一部グラフ）
✓ 人とモノ(二部グラフ)

22. 一部グラフ
✓ Twitterのfollow follower関係
✓ Facebookのfriend
✓ リアルでの友人関係

23. 一部グラフ
friend
friend
friend friend

24. 一部グラフ
follow
follow
follow follow

25. 一部グラフ
follow
follow
follow

26. 本日の目的

27. 本日の目的
✓ じゃあグラフ構造から誰が
✓ 「もしかして知り合い？」
✓ その人のデータ（居住地）からではできないの？

28. 本日の目的
✓ じゃあグラフ構造から誰が
✓ 「もしかして知り合い？」
✓ その人のデータ（居住地）からではできないの？
できない

31. 職歴
学歴
自己紹介
基本データ
住んだこと
ある場所

32. 職歴
学歴
自己紹介
基本データ
住んだこと
ある場所
全く違う人でも知り合いなことはあるよね？

33. 一部グラフ
friend
friend
friend friend

34. もしかして知り合い？
friend
friend
friend friend

35. 二部グラフ
✓ amazonの購買データなどなど

36. 二部グラフ

37. 二部グラフ

38. 二部グラフ

39. 二部グラフ

40. グラフのみえる化

41. みえる化=可視化
✓ ネットワークの可視化
✓ 適当に人を配置してもダメ
✓ どうすればいい配置になるの？

42. 可視化の方法
✓ ランダム配置
✓ kkっていう配置
✓ FRっていう配置

43. ちょっと実演

44. 可視化
✓ Twitterの可視化
✓ @onodesから友達の友達まで
✓ ユーザ数30000くらい
✓ follow数35000くらい
✓ powered by Gephi & openord

45. 可視化

46. 可視化
✓ Facebookの可視化
✓ touch graph
✓ http://www.touchgraph.com/

47. 可視化
touch
graph

48. グラフの計算

49. グラフの計算
✓ コンピュータで計算しようと思ったとき
✓ どうやって「繋がり」を保存すれば良いのか？

50. グラフの計算
✓ 隣接行列(2次元配列）
A B C
A
A 0 1 0 B
B 1 0 1 C
C 0 1 0

51. グラフの計算
✓ 隣接リスト
a,b
b,c A
B
c
... C
...
...

52. このあたりをやってくれる
ライブラリ

53. ライブラリ
✓ JUNG(Java)
✓ iGraph(R,Python)
✓ NetworkX(Python)

54. ライブラリ
✓ JUNG(Java)
✓ iGraph(R,Python)
✓ NetworkX(Python)

55. JUNG
✓ Javaで書かれたオープンソースライブラリ
✓ グラフで表現可能なデータのサポート
✓ モデリング
✓ 分析
✓ 可視化
✓ http://jung.sourceforge.net/

56. JUNG
✓ 簡単なソースコードとtutorial(日本語)
✓ http://www.cs.tsukuba.ac.jp/ misue/
open/tutorial/jung2/step1.html

57. JUNG
import edu.uci.ics.jung.graph.Graph;
import edu.uci.ics.jung.graph.UndirectedSparseGraph;
public class Sample1a {
public static void main(String[] args) {
Graph<Integer,Integer> graph = new
UndirectedSparseGraph<Integer,Integer>();
graph.addVertex(1);
graph.addVertex(2);
graph.addVertex(3);
graph.addEdge(101, 1, 2);
graph.addEdge(102, 2, 3);
System.out.println("Graph G = " + graph.toString());
}
}

58. JUNG
import edu.uci.ics.jung.graph.Graph;
import edu.uci.ics.jung.graph.UndirectedSparseGraph;
public class Sample1a {
public static void main(String[] args) {
Graph<Integer,Integer> graph = new
UndirectedSparseGraph<Integer,Integer>();
graph.addVertex(1);
graph.addVertex(2);
graph.addVertex(3);
graph.addEdge(101, 1, 2);
graph.addEdge(102, 2, 3);
System.out.println("Graph G = " + graph.toString());
}
}

59. ライブラリ
✓ JUNG(Java)
✓ iGraph(R,C++,Python)
✓ NetworkX(Python)

60. NetworkX
import networkx
import pylab
g = networkx.Graph()
g.add_edge("A", "B")
g.add_edge("B", "C")
networkx.draw(g)
pylab.savefig("network.png")

61. さらに大規模化へ

62. GraphDBの紹介

63. GraphDB
✓ GraphDB
✓ あるデータと接続しているデータを調べるために
インデックスを参照しない
✓ あるデータからの接続関係でデータを見つける

64. GraphDB
friend
friend
friend friend

65. GraphDB
✓ データベースといえばクエリ
✓ GraphDBのクエリは？インデックス参照しない...?

66. GraphDB
✓ Query = Traversal
✓ 関係性，接続が大事
✓ このデータからあのデータまでの最短経路って？
✓ このデータに関係するデータ一覧はどれ？

67. GraphDB
✓ 簡単なまとめ
✓ GraphDBを使うべき場面
✓ あるデータからあるデータまでの距離が知りたい
✓ この人の友達の友達は何人いる？
✓ 使わない方がいい場面
✓ データの中からこの条件に合うデータを見つける

68. GraphDB
✓ 種類
✓ OrientDB
✓ Neo4j
✓ sones
✓ info grid...

69. まとめ

70. まとめ
✓ SNSの普及で人と人，モノとモノの繋がりが見えるよ
うになってきた
✓ 繋がりから色々「オススメ」ができる
✓ この繋がりがネットワーク
✓ 扱うにはGraphを扱うライブラリ，DBが有効
✓ Facebookとかに色々バレている毎日

71. 今日使ったツールなど
✓ Gephi(ネットワーク可視化）
✓ iGraph(ネットワーク解析，可視化ライブラリ）
✓ JUNG(ネットワーク解析，可視化ライブラリ）
✓ OrientDB(GraphDB)
✓ Gremlin(GraphDBアクセス用インタフェース）