にじさんじの配信者の類似性をチャットデータからネットワークグラフにして分析する - Qiita
にじさんじの配信者間で"似ている"配信者はどういう人たちか 唐突ですが、一週間前は文化の日でしたね。せっかくだったので、文化らしいことをしたいなと思い、youtube data apiを使って遊んでみることにしました。 youtube のデータを使ってなにかしよう、となったとき、他の人はどういう分析をするんでしょうか。最近よくみるデータとしてはスパチャランキング・登録者数推移の予測などが思い当たります。 そしてまた唐突に語り始めるのですが、僕はvtuberの配信をラジオ代わりに流していることが多く、いわゆるvtuberのオタクです。オタクのあり方には諸説ありますが、僕はラジオ代わりということもあり雑談配信やマイクラ配信を流していることが多いです。「にじさんじ」の配信を見ることが多い気がします。 さて、「にじさんじ」は言わずとしれた大所帯グループです。約100人の配信者が一つの箱に所属してい
年収を偏差値化した世界
年収を偏差値で表すと、どんなことが起きるのでしょうか。 「偏差値」という統計量は、受験戦争を通じて日本社会に定着しています。 私も受験期にはこの言葉が大嫌いでした。 受験業界ではもはやなくてはならない統計量になっている偏差値ですが、その数値の高低のみで進学先を決定する風習から偏差値至上主義を生み出し、”悪の元凶”のように目の敵にされてしまっている一面があります。 実際、偏差値に振り回されて嫌な思いをされた方も多いのではないでしょうか。 しかし、これだけ長きに渡り、日本の受験業界に君臨している指標ですから、使い方次第で大きな恩恵を手にできる優れた面も持ち合わせているはずです。 一方で、この偏差値という数値指標は、受験生時ほぼ毎日のように耳にし、その数値を意識して過ごしていきますが、一旦入試を終え、社会に出ると耳にする機会はほとんど無くなります。 社会人になると自分自身の客観的な立ち居地を把握
ハリー・ポッター世界の人間関係をバランス理論に基づいて可視化した「PotterVerse」
世界的に大ヒットしたハリー・ポッターシリーズでは数多くのキャラクターたちの人間模様が描かれていますが、そんなハリー・ポッターシリーズのキャラクターをバランス理論に基づいて可視化させたのが「PotterVerse」です。誰と誰がどのような関係にあり、1つの小説がどれだけ濃密な世界観で成り立っていたのかが一目で分かるようになっています。 PotterVerse http://efekarakus.com/potterverse ハリー・ポッター世界の人間関係を視覚化するとこんな感じ。 グラフに描かれている点は各登場人物を示し、カーソルを当てるとキャラクター名と簡単な説明が現れます。主人公なだけあって、ハリー・ポッターからは多くの線が伸びています。 ポジティブな繋がりは黄色、ネガティブな繋がりは緑で書かれており、魔法学校の管理人アーガス・フィルチの場合、ミネルバ・マクゴナガル先生やセブルス・スネ
Romantic Partnerships and the Dispersion of Social Ties: A Network Analysis of Relationship Status on Facebook (CSCW 2014) 読んだ - 糞糞糞ネット弁慶
概要 [1310.6753] Romantic Partnerships and the Dispersion of Social Ties: A Network Analysis of Relationship Status on Facebook facebook上の友人関係のみを用いて彼氏や彼女，婚約者，配偶者(Romantic Partnership)を特定する． 著者はグラフ，ネットワーク研究でお馴染みfacebookのLars BackstromとJon Kleinberg．CSCW2014のbest paper． 手法 すごく大雑把に書くと，「カップルの友人関係は大きく重なっているわけではないが，異なるコミュニティに少しずつ共通の友達がいる状態だ」という仮説に基づいている．例として，妻の同僚や家族，昔の同級生を夫が知っているという事例が上げられている．この時，それぞれの異なる
Twitterのエゴネットワーク描いてみた - ふゆみけ
Twitterのfriends間のフォロー関係をAPI叩いて取得（今回はTweepyを使用）。 networkxとmatplotlib使って描画します。 コードはここよ https://github.com/who-you-me/twitter-friends-network 描画するだけでもアレなんで、中心性指標も計算してみました。 まずは次数（無向グラフなんで入次数＋出次数） なまえ 次数 @knighthalt 131 @NHK_PR 122 @shuumai 106 @HikaruIjuin 96 @Holly_carp_10 95 @shuzo_matsuoka 95 @nurenure_opanty 92 @Mr_Mikan00 88 @faridyu 86 @yukari_tamura 82 入次数 なまえ 入次数 @NHK_PR 121 @shuumai 105 @shuz
【R】【Python】igraphやNetworkXで手持ちのデータをネットワークに変換してみよう - 歩いたら休め
R Advent Calenderの18日目の記事です 「お手持ちのデータからネットワークを作成をしてみよう」というテーマです。 Rを使ったネットワークの解析（次数や媒介中心性、コミュニティ検出etc...）のやり方については様々な方が本やブログにまとめてらっしゃいます。ところが、いざ手持ちのデータをネットワーク解析しようとしても、ネットワークの形式に変換する方法が分からず、手が付けられていないという方も多いのではないでしょうか？ そういう人の手助けになるような記事を目指しました。 解析方法についてはこういうとこ見てください。 R+igraph問題「友好関係ネットワークから派閥を検出」 @kztakemoto さんによる解説記事 #R #igraph #sna - CodeIQ Blog ネットワーク分析をもうちょっと勉強 - でたぁっ 感動と失敗の備忘録 ネットワークの基本的な知識はこの
Python/NetworkXで簡単ネットワーク分析 - あんちべ！
slaさん主催のNumpy/Scipy勉強会でLTをします。 内容はNetworkXというPythonのネットワーク分析パッケージの紹介です。 Pythonで簡単ネットワーク分析 View more presentations from AntiBayesian ネットワーク分析と言えば、PajekやRのigraphが定評有りますが、 これらはどうしてもサブグラフの扱いに不満がありました。 ネットワークからサブグラフを抽出するところまでは出来ますが、 各サブグラフがどのような性質を持つか分析したい場合、 指定したサブグラフを形成しているノード、エッジ、重みの情報を簡単に取り出す方法がありません。 NetworkXであれば、指定したノードやエッジだけ隣接行列や辺行列の形で入出力することが可能です。 また、ネットワーク分析は非常に計算量が大きく、高速な演算が求められるため、データをNumpyへ
GrowthForecastというグラフ表示ツールで捗る話 - blog.nomadscafe.jp
追記 2012/06/22 公式ページを作りました。そちらも参考にしてくださいませ GrowthForecast - Lightning fast Graphing / Visualization http://kazeburo.github.com/GrowthForecast/ Kansai.pmのLTでも紹介したんだけど、APIを叩く事でグラフを更新するツールを書きました。話の発端としては「cloudforecastのグラフを外からAPIで更新したい」ということでしたが、cloudforecastではグラフの追加が重い処理になってしまうので、別のプロダクトとしています。 サーバの負荷などのメトリクスを収集し、グラフ化することで、システムに掛かっている負荷を把握し、パフォーマンスに影響がでるまえに対策をうったり、改善の結果を知る事ができますが、同じ事はシステムだけではなく提供しているサ
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
1
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
