Community detection for NetworkX’s documentation — Community detection for NetworkX 2 documentation
Community detection for NetworkX’s documentation¶ This module implements community detection. It uses the louvain method described in Fast unfolding of communities in large networks, Vincent D Blondel, Jean-Loup Guillaume, Renaud Lambiotte, Renaud Lefebvre, Journal of Statistical Mechanics: Theory and Experiment 2008(10), P10008 (12pp) It depends on Networkx to handle graph operations : http://net
projects:twitterソーシャルグラフã‹ã‚‰ã®ã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£æŠ½å‡º [ryogrid.net]
以下サイトã§Twitterã®ã‚½ãƒ¼ã‚·ãƒ£ãƒ«ã‚°ãƒ©ãƒ•ãŒé…布ã•ã‚Œã¦ã„る。 # 103万人分ã€2.8億エッジã¨ã„ã†é©šæ„•ã®è¦æ¨¡ http://d.hatena.ne.jp/code46/20110130/p1 今回ã€ã“ã®ãƒ‡ãƒ¼ã‚¿ã‚’é¡Œæã¨ã—ãŸã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£æŠ½å‡ºã®ãƒ—ãƒã‚°ãƒ©ãƒ を書ã„ãŸã®ã§ã€é–‹ç™ºéŽç¨‹ã®ã„ã‚ã„ã‚ã‚’ã¾ã¨ã‚ã¦ãŠã。 一部ã€Amazon Elastic MapReduceã§ã®åˆ†æ•£å‡¦ç†ãªã©ã‚‚ã‚„ã£ã¦ã¿ãŸã®ã§ã€MapReduceã‚„Cloudã«èˆˆå‘³ã‚’æŒã¤äººã«ã‚‚利益ãŒã‚ã‚‹ã‹ã‚‚ã—ã‚Œãªã„。特ã«ã€å®Ÿã‚¢ãƒ—リ開発を題æã¨ã—ãŸäº‹ä¾‹ç´¹ä»‹ã¯Web上ã§ã‚‚å°‘ãªã„よã†ãªã®ã§ã€ãã†ã„ã£ãŸä½ç½®ã¥ã‘ã§ã¯ä¾¡å€¤ãŒã‚ã‚‹ã®ã§ã¯ãªã„ã‹ã¨æ€ã†ã€‚ ソーシャルグラフã€ã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£æŠ½å‡º(≒クラスタリング?)ã®æ¦‚è¦ã«ã¤ã„ã¦ã¯ä»¥ä¸‹ãŒåˆ†ã‹ã‚Šã‚„ã™ã„。 http://www.slideshare.net/komiyaatsushi/newman-6670300 実ã¯ã€ä»¥å‰
Newman アルゴリズムã«ã‚ˆã‚‹ã‚½ãƒ¼ã‚·ãƒ£ãƒ«ã‚°ãƒ©ãƒ•ã®ã‚¯ãƒ©ã‚¹ã‚¿ãƒªãƒ³ã‚°
昨今よã耳ã«ã™ã‚‹ã‚ーワード「ソーシャルグラフã€ã€‚ãã®å¯èƒ½æ€§ãƒ»æ´»ç”¨æ–¹æ³•ã«ã¤ã„ã¦æ§˜ã€…ãªä¼æ¥ã«æ³¨ç›®ã•ã‚Œã¦ã„ã¾ã™ã€‚今回ã¯ãã®ã€Œã‚½ãƒ¼ã‚·ãƒ£ãƒ«ã‚°ãƒ©ãƒ•ã€ã‚’「ã©ã†ã™ã‚Œã°ã‚¯ãƒ©ã‚¹ã‚¿ãƒªãƒ³ã‚°ã§ãã‚‹ã®ã‹ï¼Ÿã€ã¨ã„ã†è¦³ç‚¹ã§ã€ã‚°ãƒ©ãƒ•ã«å¯¾ã™ã‚‹ã‚¯ãƒ©ã‚¹ã‚¿ãƒªãƒ³ã‚°ã®åŸºç¤Žã‚’説明ã„ãŸã—ã¾ã™ã€‚ã¾ãŸã€å…·ä½“çš„ãªã‚¯ãƒ©ã‚¹ã‚¿ãƒªãƒ³ã‚°æ‰‹æ³•ã¨ã—㦠Newman アルゴリズムをã”紹介ã„ãŸã—ã¾ã™ã€‚Read less
Homeå¿…å‘å…¨çƒé¡¶å°–娱ä¹é¦–页|最佳线路
系统æ示 您访问的页é¢æœªæ‰¾åˆ°ï¼Œ 5秒åŽè‡ªåŠ¨è·³è½¬åˆ°é¦–页
インデックス - Docs-Japanese - 10gen Confluence
based on v49 インデックスã¯ã‚¯ã‚¨ãƒªãƒ¼ã®ãƒ‘フォーマンスを(ã¨ã¦ã‚‚)å‘上ã•ã›ã¾ã™ã€‚有効ãªã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã‚’定義ã™ã‚‹ãŸã‚ã«ã¯ã€ã‚¢ãƒ—リケーションãŒå¿…è¦ã¨ã™ã‚‹ã‚¯ã‚¨ãƒªã«ã¤ã„ã¦ã‚ˆã知るã“ã¨ãŒå¤§åˆ‡ã§ã™ã€‚ãã‚Œã•ãˆã§ãã¦ã„ã‚Œã°ã€MongoDBã§ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã‚’作æˆã™ã‚‹ã®ã¯ç°¡å˜ã§ã™ã€‚ MongoDBã®ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã¯ã€MySQLã®ã‚ˆã†ãªRDBMSã®ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã¨æ¦‚念的ã«ä¼¼ã¦ã„ã¾ã™ã€‚MySQLã§ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã‚’付ã‘ãŸã„よã†ãªå ´æ‰€ã«ã€MongoDBã§ã‚‚インデックスを付ã‘ã‚‹ã“ã¨ã«ãªã‚‹ã§ã—ょã†ã€‚ 基本 インデックスã¯ã€ã‚³ãƒ¬ã‚¯ã‚·ãƒ§ãƒ³ã®ä¸ã®ãƒ‰ã‚ュメントã®ç‰¹å®šã®ãƒ•ã‚£ãƒ¼ãƒ«ãƒ‰ã®å€¤ã«ã¤ã„ã¦é›†ã‚ãŸãƒ‡ãƒ¼ã‚¿æ§‹é€ ã§ã™ã€‚ã“ã®ãƒ‡ãƒ¼ã‚¿æ§‹é€ ã¯Mongoã®ã‚¯ã‚¨ãƒªã‚ªãƒ—ティマイザã«ã‚ˆã£ã¦ã€ã‚³ãƒ¬ã‚¯ã‚·ãƒ§ãƒ³å†…ã®ãƒ‰ã‚ュメントをã€ç´ æ—©ã検索ã—ãŸã‚Šã‚½ãƒ¼ãƒˆã™ã‚‹ãŸã‚ã«ä½¿ã‚ã‚Œã¾ã™ã€‚æ£å¼ãªè¨€ã„æ–¹ã§è¨€ã†ã¨ã€ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã¯"B-Tree"ã§å®Ÿè£…ã•ã‚Œã¦ã„ã¾ã™ã€‚ シェル 上ã§ã€
ãƒãƒƒã‚¯ã‚°ãƒ©ã‚¦ãƒ³ãƒ‰ã§ã®ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã®ä½œæˆ - Docs-Japanese - 10gen Confluence
スレーブã¨ãƒ¬ãƒ—リカã®ã‚»ã‚«ãƒ³ãƒ€ãƒªãƒ¼ã¯ã‚ã‚‹ãƒãƒ¼ã‚¸ãƒ§ãƒ³(最新をå«ã‚€)ã§ã¯ã™ã¹ã¦ãƒ•ã‚©ã‚¢ã‚°ãƒ©ã‚¦ãƒ³ãƒ‰ã§ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã®ãƒ“ルドを行ãªã„ã¾ã™ã€‚ãã®ãŸã‚〠background:true ãŒãƒ—ライマリã§å®Ÿè¡Œã•ã‚Œã¦ã‚‚〠slave/secondary ã§ã¯ã€ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ãŒãƒ“ルドã•ã‚Œã¦ã„る最ä¸ã¯ã‚¯ã‚¨ãƒªã‚’実行ã§ãã¾ã›ã‚“。 デフォルトã§ã¯ã€ ensureIndex() æ“作ã¯ãƒ–ãƒãƒƒã‚¯ã‚’è¡Œãªã„ã€å®Œäº†ã™ã‚‹ã¾ã§åŒã˜ãƒ‡ãƒ¼ã‚¿ãƒ™ãƒ¼ã‚¹ä¸Šã§ã®æ“作をåœæ¢ã•ã›ã¾ã™ã€‚ã—ã‹ã—〠ãƒãƒ¼ã‚¸ãƒ§ãƒ³1.3.2以上ã§ã¯ã€ãƒãƒƒã‚¯ã‚°ãƒ©ã‚¦ãƒ³ãƒ‰ã§ã®ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ä½œæˆã®ã‚ªãƒ—ションãŒã‚ã‚Šã¾ã™ã€‚ ãƒãƒƒã‚¯ã‚°ãƒ©ã‚¦ãƒ³ãƒ‰ã§ã‚¤ãƒ³ãƒ‡ãƒƒã‚¯ã‚¹ã‚’ビルドã™ã‚‹ã«ã¯ã€ background:true をインデックスオプションã«ä»˜ã‘ã¦ãã ã•ã„。 例: > db.things.ensureIndex({x:1}, {background:true}); > db.things.ensureInd
第31回　Rubyistã®ãŸã‚ã®MongoDB入門（1） | gihyo.jp
ã¯ã˜ã‚ã« ã“ã“最近ã€NoSQLã¨ã„ã†ã‚ーワードãŒæ³¨ç›®ã‚’集ã‚ã¦ã„ã¾ã™ã€‚ リレーショナルデータベースã¯ã€ä¸€èˆ¬çš„ã«ã‚¹ã‚±ãƒ¼ãƒ«ã‚¢ã‚¦ãƒˆï¼ˆã‚µãƒ¼ãƒã®å°æ•°ã‚’増やã—ã¦æ€§èƒ½å‘上を図る手法）ãŒé›£ã—ãã€ç‰¹ã«å¤§è¦æ¨¡ã‚µãƒ¼ãƒ“スã«ãŠã„ã¦ãƒ‘フォーマンス上ã®ãƒœãƒˆãƒ«ãƒãƒƒã‚¯ã¨ãªã‚Šãˆã¾ã™ã€‚ã¾ãŸã€ã‚¿ã‚°ã‚„ã‚°ãƒ©ãƒ•æ§‹é€ ã®ã‚ˆã†ãªãƒ‡ãƒ¼ã‚¿ã¯é–¢ä¿‚モデルã«é¦´æŸ“ã¿ã«ãã„ãŸã‚ã€ãれらを扱ã†éš›ã«ã¯ã‚¢ãƒ—リケーションコードもãŽã“ã¡ãªã„ã‚‚ã®ã«ãªã‚ŠãŒã¡ã§ã™ã€‚ ã“れらã®å•é¡Œã‚’背景ã«ã€ä½•ã«ã§ã‚‚リレーショナルデータベースを使ã†ã®ã§ã¯ãªãã€ç”¨é€”ã«å¿œã˜ã¦KVSãªã©ä»–ã®ãƒ‡ãƒ¼ã‚¿ã‚¹ãƒˆã‚¢ã‚’é¸æŠžã™ã‚‹æµã‚ŒãŒåºƒã¾ã‚Šã¤ã¤ã‚ã‚Šã¾ã™ã€‚ã“ã®ãƒ ーブメントãŒNoSQL（Not Only SQL）ã¨å‘¼ã°ã‚Œã¦ã„ã‚‹ã‚‚ã®ã§ã™ã€‚ 今回ã¯ã€NoSQLãªãƒ‡ãƒ¼ã‚¿ãƒ™ãƒ¼ã‚¹ã®1ã¤ã§ã‚ã‚‹MongoDBã‚’ã”紹介ã—ã¾ã™ã€‚ MongoDBã¨ã¯ MongoDBã¯é«˜ã„パフォーマンスã¨ã‚¹ã‚±ãƒ¼ãƒ©ãƒ“リティを特徴ã¨ã™ã‚‹ãƒ‰ã‚ュメント指å‘型デー
ãƒãƒƒãƒ•ã‚¡ãƒãƒ¼ã€Windows 7ã«å¯¾å¿œã—ãŸã€ŒBUFFALO RAMDISK ユーティリティーã€ã‚’公開
ã€Gavotte RAMDisk】Windows 7 Ultimate 32bit版ã§SSDより10å€ä»¥ä¸Šé«˜é€ŸãªRAMディスクを作æˆãƒ»é‹ç”¨ - ლ(ʘ▽ʘ)ლ
ã€Gavotte RAMDisk】Windows 7 Ultimate 32bit版ã§SSDより10å€ä»¥ä¸Šé«˜é€ŸãªRAMディスクを作æˆãƒ»é‹ç”¨ Windows XP/VISTA/7ã®32bit版ã¯3GB以上ã®ãƒ¡ãƒ¢ãƒªã‚’使ãˆãªã„仕様ã«ãªã£ã¦ã„ã¾ã™ã€‚ ä»®ã«8GBã®ãƒ¡ãƒ¢ãƒªã‚’ç©ã‚“ã§ã„ã¦ã‚‚32bit版ã®OSã ã¨5GBを無駄ã«ã—ã¦ã—ã¾ã„ã¾ã™ã€‚ ãã“ã§ã“ã®OSã®ãƒ¡ãƒ¢ãƒªã¨ã—ã¦ä½¿ãˆãªã„é ˜åŸŸã‚’RAMãƒ‡ã‚£ã‚¹ã‚¯é ˜åŸŸã¨ã—ã¦ä½¿ã„ã¾ã™ã€‚ 今回使用ã™ã‚‹Gavotte RAMDisk以外ã«ã‚‚ IOデータãŒæä¾›ã—ã¦ã„ã‚‹RamPhantomç‰ã®ã‚½ãƒ•ãƒˆã‚¦ã‚§ã‚¢ãŒã‚ã‚Šã¾ã™ã®ã§ã€ã„ã‚ã„ã‚試ã—ã¦ã¿ã‚‹ã®ã‚‚ã„ã„ã¨æ€ã„ã¾ã™ã€‚ Gavotte RAMDiskã¯ãƒ¦ãƒ¼ã‚¶æ•°ãŒæ¯”較的多ã„ãŸã‚ã€WEBã§ã®æƒ…å ±åŽé›†ãŒã—ã‚„ã™ã„ã¨ã„ã£ãŸåˆ©ç‚¹ãŒã‚ã‚Šã¾ã™ã€‚ ◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇ RAMディスクを使用ã™ã‚‹ã«å½“ãŸã£ã¦æ³¨æ„
先週ã®è‡ªä¸»ã‚¼ãƒŸã§ç™ºè¡¨ã—ãŸã‚¹ãƒ©ã‚¤ãƒ‰ã¯æ™’ã—ã¾ã›ã‚“ãŒèªã‚“ã è«–æ–‡ã ã‘ã¯è²¼ã‚‹ - 糞ãƒãƒƒãƒˆå¼æ…¶
ゼミã§åŠæ•™å¸«ã‚ã‚Šå¦ç¿’ã®ã“ã¨ã‚’発表ã—ãŸã®ã§ã‚¹ãƒ©ã‚¤ãƒ‰ã‚’公開ã—ã¾ã™ - yasuhisa's blog ã“ã®æ¬¡ã®å›žã ã£ãŸã®ã§å½¼ã‹ã‚‰ã®åœ§åŠ›ãªã©ã‚‚ã‚ã‚Šã¾ã—ãŸãŒã€æ£ç›´ç†è§£ãŒä¸å分éŽãŽã‚‹ã®ã§æ»ã¬ã€‚ 何ã®è©±ã‹ 一年ãらã„å‰ã€twitterã‚’é¡Œæã«è‰²ã€…クラスタリングをやã£ã¦ã¿ã‚ˆã†ã¨æ€ã„ç«‹ã£ãŸã‚ãŸã‚Šã‹ã‚‰ã€ã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£æ¤œå‡ºã«äº¬å‘³ãŒã‚ã£ãŸã®ã§ãã®è©±ã‚’ã—ãŸã€‚ 基本的ã«ã¯Newmanã®è«–æ–‡(Mark Newman: Publications)ã‚’å‰ã‹ã‚‰ã¡ã¾ã¡ã¾è¦‹ã¦ã„ãæ„Ÿã˜ã€‚ 自分ã®å…ˆç”Ÿã¯æ©Ÿæ¢°å¦ç¿’ã€ã¨ã‚Šã‚ã‘SVMやらNNãŒå¥½ããªã®ã§ã“ã†ã„ã†è©±ã«ã¯ç–Žã„ã€‚å›³æ›¸é¤¨æƒ…å ±ã¨ã‹ã«è¡Œã‘ã°å°‚é–€ã®å…ˆç”ŸãŒã„ã‚‹ã£ã½ã„。 モãƒãƒ™ãƒ¼ã‚·ãƒ§ãƒ³ 人ã¨äººã€è«–æ–‡ã¨è‘—者ã€éƒ½å¸‚ã¨éƒ½å¸‚ãªã©ãŒçµã°ã‚ŒãŸãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã‹ã‚‰ã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£ã‚’抽出ã—ãŸã„。コミュニティ検出ã®æŒ‡æ¨™ãƒ»ã‚‰ã—ã•ã¯ Modurality ã§åˆ¤åˆ¥ã™ã‚‹ã€‚ã“ã®QãŒä½•æ•…指標ã¨æˆã‚Šå¾—ã‚‹ã®ã‹ã€å‡¸é–¢æ•°ã§å˜å³°æ€§ãªã®ã‹ã¯[
グラフを扱ã†Javaライブラリ「Jungã€ã®ç´¹ä»‹ - Twitterã®ã‚°ãƒ©ãƒ•æ§‹é€ を視覚化 - public static void main
java-ja 第12回ã®LTã§è©±ãã†ã¨æ€ã£ãŸã®ã§ã™ãŒã€å‡ºç•ªãŒãªã‹ã£ãŸã®ã§è³‡æ–™ã‚’ブãƒã‚°ã§å…¬é–‹ã—ã¦ãŠãã¾ã™ã€‚ Jungã¯ç ”究ãªã©ã§ã‚°ãƒ©ãƒ•æ§‹é€ ãŒå‡ºãŸã¨ãã«ã€ç†è§£ã—ã‚„ã™ãã™ã‚‹ãŸã‚ã«å¯è¦–化ã™ã‚‹ã®ã«ä½¿ã£ã¦ã„ã¾ã™ã€‚ä»–ã«ã‚‚ã„ãã¤ã‹ã‚°ãƒ©ãƒ•ã‚’扱ã†ãƒ©ã‚¤ãƒ–ラリã¯å˜åœ¨ã—ã¦ã„ã¾ã™ãŒã€æ—¥æœ¬èªžã®è³‡æ–™ãŒã‚ã£ãŸã®ã¨æ‹¡å¼µå¯èƒ½ãªã“ã¨ãŒå¤šã‹ã£ãŸã®ã§Jungã‚’çµæžœçš„ã«ä½¿ã†ã‚ˆã†ã«ãªã‚Šã¾ã—ãŸã€‚ 以下ã¯ãã®Jungã«ã¤ã„ã¦ã®ç°¡å˜ãªè§£èª¬ã§ã™ã€‚ Jungã¨ã¯ Jungã®æ£å¼å称ã¯Java Universal Network/Graph Frameworkã§ã€ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯(グラフ) æ§‹é€ ã®åˆ†æžã‚„視覚化を行ã†ãŸã‚ã®Javaã®OSSライブラリã§ã™ã€‚グラフç†è«–ã€ãƒ‡ãƒ¼ã‚¿ãƒžã‚¤ãƒ‹ãƒ³ã‚°ã€ã‚½ãƒ¼ã‚·ãƒ£ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯åˆ†æžã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ を数多ã実装ã—ã¦ã„ã¾ã™ã€‚ 安定ãƒãƒ¼ã‚¸ãƒ§ãƒ³ã¯1.7.6ã§æœ€æ–°ã¯2.0betaã§ã€BSDライセンスã§ä½¿ç”¨ã§ãã¾ã™ã€‚ http://jun
Self-organizing map - Wikipedia
A self-organizing map (SOM) or self-organizing feature map (SOFM) is an unsupervised machine learning technique used to produce a low-dimensional (typically two-dimensional) representation of a higher-dimensional data set while preserving the topological structure of the data. For example, a data set with variables measured in observations could be represented as clusters of observations with simi
1
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
{{#tags}}- {{label}}
{{/tags}}