サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
掃除・片付け
yamaguchiyuto.hatenablog.com
ICDM14が始まったので興味ありそうな論文をいくつか読んでみようと思う。 概要 色んな種類のノード、エッジがあるネットワーク(Heterogeneous networks)においてリンク予測をする。 論文中で例に挙げられてたネットワークのスキーマ(論文中Fig.2を引用)はこんな感じで、遺伝子とか病気とかの関係が複雑に表されてる。 例えばこのネットワークにおいてGeneからDiseaseへのリンクを予測するとかいうタスク。 貢献 Heterogeneous networkにおけるノード間の類似度(RM)を提案 Co-trainingをベースとしたリンク予測手法(HCLP)を提案 手法 ノーテーションが複雑すぎて詳細を理解するのが相当面倒くさいんだけど、概念的にはすごく単純なので概念だけ説明する。 Metapath あるノードタイプからあるノードタイプへのパスの種類。例えば上の図を使って説
Machine Learning Advent Calendar 2014の12日目。 最近半教師あり学習に興味があってちょっと勉強してみたのでそれについて書いてみる。自分が勉強した時に読んだ文献も下の方に書いたのでもし興味があれば。 半教師あり学習はラベル付きデータに加えてラベル無しデータも使って学習できるということですごく魅力的なんだけど、何も考えずに使うと教師あり学習より精度が落ちることがよくある。 ラベル無しデータはその名の通りどのクラスに属すかが分かっていないデータなので、何かしらの モデル に基いてそのデータがどのクラスに属するかを仮定してやらないといけない。つまりデータの分布(モデル)に仮定を置かないといけない。半教師あり学習をする上ではこれが 一番重要。 Introduction to Semi-Supervised Learningのp.15にもこう書いてある。 the
CIKM2014で発表してきた。タイトルは "Online User Location Inference Exploiting Spatiotemporal Correlations in Social Streams" 。質疑終わった後もオフラインでけっこう質問もらえていい感じだった。国際会議の醍醐味ですね―。あとで「お前の過去の論文読ませてくれ」っていうメールも来た。嬉しいね。 Web上(ソーシャルメディアも含めて)のリソースの位置情報に関する研究はかなり流行ってる印象。今回のCIKMでもLocWebっていうワークショップも開かれてた。自分が今回扱ったソーシャルメディアユーザの位置推定だけに限っても下に挙げるようにかなりたくさんの論文が発表されてる(まだまだある)。 論文 Online User Location Inference Exploiting Spatiotemporal
CIKM2014三日目。本会議二日目。 キーノートとインダストリートーク二つ聞いたけど、どこもかしこもKnowledge Graph!って感じだった。この前のKDDでもそうだったけど、すごい流行ってるな。みんなWebからエンティティを抽出しましょう!エンティティをつなげましょう!的な話をしてる。アカデミックで流行ってるというよりはインダストリーで流行ってる印象かな。 バンケットはさすが中国ご飯も美味しかったし、いろんなパフォーマンスを見せてくれた。何を見せてくれてるのかあんまりよくわかんなかったけど中国ゴマとかすごかった。よくある国別の参加者数とか論文数は発表されなくて、簡単なトピックごとの投稿数くらいが発表されただけだった。採択率20.9%。今年は少し高いのかな。あとベストペーパーが発表された。賞もらいたいっすねー。 Best paper "Cross-Device Search," G
CIKM2014に参加中。今日はワークショップとチュートリアルの日。本会議は明日から。 ワークショップとチュートリアルはどれに出るのが一番いいのか未だにわからない。自分の分野に近いチュートリアルに出て最新の状況とか確認するのがいいのか、直接は関係ないチュートリアルに出て雰囲気をつかむのがいいのか。後者のほうがいい気がするけど全くわからないことも多いから悩みどころ。ワークショップはあんまり良い発表が無かったりするからいつもあまり参加してない。 というわけで今日はチュートリアル二つとPIKMっていうPhD studentsのワークショップに参加した。PIKMはPhDのワークショップなだけあって自分の研究の壮大なロードマップを示したり、問題定義にerabolateしたりでなかなかおもしろかった。チュートリアルは一つ目(Non-IID)は正直人に分からせる発表をしてなかったと思う。残念。2つ目はヘ
StanfordのJure Leskovec関連の論文 The Bursty Dynamics of the Twitter Information Network を読んだ。 ファーストではないけどウェブ系の研究のトップ会議のWWWに4本も通しててもう何が何やら・・・。 論文はここから。 PDF 概要 Twitter上でのリツイートによる情報拡散によって、フォロー関係のネットワークがどのように変化するかを分析。 フォロー関係のネットワークはあまり変化していないように思えるが、実は一ヶ月間に全体の約10%のエッジが新しく追加(フォロー)され、3%のエッジが削除(アンフォロー)されている。 この定常的な変化に加えて、リツイートによる情報拡散が起きた時にそれによって突然大幅にフォロー関係のネットワークが変化することがある。 例えば、あるユーザuのツイートがリツイートによって、uをフォローしてい
いろいろ調べてたら楽しくなってきたから実装してみた。 やっぱりフラクタルには夢が詰まってると思う。 実装はGithubにあげてみた。 yamaguchiyuto/fractal · GitHub まとめ ボックスカウント法でコッホ曲線、シェルピンスキーのギャスケット、直線、点のフラクタル次元を計算した。 コッホ曲線は自分で描いた 結果は理論値と一致した(シェルピンスキーのギャスケットは少しずれたけどそれは画像の問題っぽい) フラクタル次元 フラクタル次元 - Wikipedia 次元の値が整数にならないすごいやつ。 説明はWikipediaに完全に丸投げ。 ボックスカウント法 画像をボックス(格子状とか)に区切って、フラクタル図形が含まれるボックスの数を数えていろいろやってフラクタル次元を計算する方法。 フラクタル次元をD、ボックスの幅をδ、フラクタル図形を含むボックスの個数をN(δ)とす
ノードの中心性はネットワーク分析をする上でとても重要です。 例えば、TwitterやFacebookでは中心性の大きい人は他の人に対して大きな影響を与えると考えられますし、Webで中心性の大きいページは重要な情報を含むページであると考えることができます。 今読んでるNetworksという本で結構ページを割いて説明されていたので簡単にまとめたいと思います。 Networks: An Introduction 作者: M. E. J. Newman出版社/メーカー: Oxford Univ Pr (Txt)発売日: 2010/05/20メディア: ハードカバー購入: 1人 クリック: 19回この商品を含むブログを見る 次数中心性(Degree centrality) 一番単純な中心性は次数中心性です。これはホントに単純で、あるノードの次数中心性=そのノードの次数です。 単純すぎてあんまり良くな
@y_benjoさん主催のKDD2013読み会に参加してきました。 KDD2013読み会 : ATND 会場はいまをときめくGunosyのオフィス(Gunosyの皆様ありがとうございました)。 次がアレば何か発表させてもらおう。 Confluence: Conformity Influence in Large Social Networks @coffee_yoshidaさん 資料:Kdd2013読み会資料「Confluence: Conformity Influence in Large Social Newtw... SNS上のユーザの行動をモデル化する研究。 あるユーザの行動は他のユーザの行動に影響されて起こったというありがちな仮定をおいているが、それをindividual conformity, peer conformity, group conformityに分けている。in
研究室の先生の紹介で、科学者維新塾 御茶ノ水に参加してきました! 科学者維新塾 (科新塾)・御茶ノ水 科学者維新塾(科新塾)は理系博士課程の学生や修了者などが集まって、博士号取得後のキャリアについて議論する集まりです(HP読んだだけw)。博士号取得後は別に研究者になるしかないわけじゃないよね!っていうのが主なスタンスだった。 自分は来年度から博士課程に進学するので、視野を広げないとね!ということでいろんな方の話を聞きたくて参加した。 今回はNature Photonics誌のエディターであるRachel Wonさんの講義だった。 マレーシアで修士号を取り、光学系のエンジニアとして働き、イギリスで博士号を取り、Natureのエディターになるという、すごいアグレッシブなキャリアの持ち主。 彼女のキャリアについて、Natureのエディターとしての仕事について、科学者として生きていく上での考え方な
前回に引き続いて今回もHaskellでB-treeの実装。今回はキーの削除を実装する。前回同様 "Introduction to Algorithms" の実装方針に沿って実装する。前回はこちら。 yamaguchiyuto.hatenablog.com コードはここにおいた Haskell B-tree implementation · GitHub shift と merge キーの削除において重要な概念となるshiftとmergeについてはじめに説明する。B-treeの定義より、各ノードはキーを (m-1) 個以上、 (2m-1) 個以下持たないといけない(m はB-treeのオーダー)。なので、キーを (m-1) 個しか持たないノードからそのままキーを削除することはできない。キーを (m-1) 個しか持たないノードをここでは "few" であると呼ぼう*1。キーを削除する前に、me
このページを最初にブックマークしてみませんか?
『でかいチーズをベーグルする』の新着エントリーを見る
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