Your SlideShare is downloading. ×
0
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
ソーシャルグラフのデータ解析
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

ソーシャルグラフのデータ解析

322

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
322
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
7
Comments
0
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. 11 8 5
  • 2. • ( ) • @kimuras • G(2007 ) • • •11 8 5
  • 3. 11 8 5
  • 4. Agenda • Introduction • The past work • Introduction to GraphDB • Introduction to Neo4j • Introduction to analysis sample11 8 5
  • 5. Introduction11 8 5
  • 6. Motivation for social graph analysis11 8 5
  • 7. mixi 30000000 ID 22500000 # of member id 15000000 7500000 0 2007 2008 2009 2010 2011 year11 8 5
  • 8. What is Social Graph?11 8 5
  • 9. 11 8 5
  • 10. 11 8 5
  • 11. 11 8 5
  • 12. 11 8 5
  • 13. 11 8 5
  • 14. 11 8 5
  • 15. 11 8 5
  • 16. Feed Back11 8 5
  • 17. Feed Back11 8 5
  • 18. Feed Back11 8 5
  • 19. Feed Back11 8 5
  • 20. Feed Back11 8 5
  • 21. Approach for SG analysis Feed Back11 8 5
  • 22. Approach for SG analysis Feed Back11 8 5
  • 23. Approach for SG analysis Feed Back11 8 5
  • 24. Approach for SG analysis Feed Back11 8 5
  • 25. The past work11 8 5
  • 26. 11 8 5
  • 27. •11 8 5
  • 28. • •11 8 5
  • 29. Relational Databases from_id to_id id name age 1 2 1 Kimura 18 1 3 2 kato 45 2 3 3 ito 2111 8 5
  • 30. Relational Databases Dump & Denormalization from_id to_id id name age 1 2 1 Kimura 18 1 3 2 kato 45 2 3 3 ito 2111 8 5
  • 31. Relational Databases Dump & Denormalization from_id to_id id name age Key value 1 2 1 Kimura 18 From:1 2,3 1 3 2 kato 45 From:2 3 2 3 3 ito 21 Prof:1 Kimuras,18 Prof:2 Kato,4511 8 5
  • 32. Relational Databases Dump & Denormalization from_id to_id id name age Key value 1 2 1 Kimura 18 From:1 2,3 1 3 2 kato 45 From:2 3 2 3 3 ito 21 Prof:1 Kimuras,18 Prof:2 Kato,4511 8 5
  • 33. Relational Databases Dump & Denormalization from_id to_id id name age Key value 1 2 1 Kimura 18 From:1 2,3 1 3 2 kato 45 From:2 3 2 3 3 ito 21 Prof:1 Kimuras,18 Prof:2 Kato,4511 8 5
  • 34. Relational Databases Dump & Denormalization from_id to_id id name age Key value 1 2 1 Kimura 18 From:1 2,3 1 3 2 kato 45 From:2 3 2 3 3 ito 21 Prof:1 Kimuras,18 Prof:2 Kato,4511 8 5
  • 35. Relational Databases Dump & reimplementation Denormalization from_id to_id id name age Key value 1 2 1 Kimura 18 From:1 2,3 1 3 2 kato 45 From:2 3 2 3 3 ito 21 Prof:1 Kimuras,18 Prof:2 Kato,4511 8 5
  • 36. Relational Databases Dump & reimplementation Denormalization from_id to_id id name age Key value 1 1 2 3 maintenance cost 1 2 Kimura kato 18 45 From:1 From:2 2,3 3 2 3 3 ito 21 Prof:1 Kimuras,18 Prof:2 Kato,4511 8 5
  • 37. Relational Databases Dump & reimplementation Denormalization from_id to_id id name age Key value 1 1 2 3 maintenance cost 1 2 Kimura kato 18 45 From:1 From:2 2,3 3 2 3 3 ito 21 Prof:1 Kimuras,18 Prof:2 Kato,45 scalability11 8 5
  • 38. Introduction to GraphDB11 8 5
  • 39. What is graph11 8 5
  • 40. What is graph Vertex (node : )11 8 5
  • 41. What is graph Vertex (node : ) Edge ( )11 8 5
  • 42. What is graph Vertex (node : ) Undirected graph ( ) Edge ( )11 8 5
  • 43. What is graph Vertex (node : ) Edge ( )11 8 5
  • 44. What is graph Vertex (node : ) Edge ( )11 8 5
  • 45. What is graph Vertex (node : ) Edge ( )11 8 5
  • 46. What is graph Vertex (node : ) Directed graph ( ) Edge ( )11 8 5
  • 47. What is GraphDB Vertex (node : ) Edge ( )11 8 5
  • 48. What is GraphDB ID: 1 Vertex (node : ) NAME: kimura PROP: Male AGE: 18 Edge ( )11 8 5
  • 49. What is GraphDB ID: 1 Vertex (node : ) NAME: kimura PROP: Male AGE: 18 Edge ( ) ID: 2 NAME: ITO PROP: Female AGE: 2111 8 5
  • 50. What is GraphDB ID: 1 Vertex (node : ) NAME: kimura PROP: Male AGE: 18 Edge ( ) ID: 2 NAME: ITO PROP: Female AGE: 2111 8 5
  • 51. What is GraphDB ID: 1 Vertex (node : ) NAME: kimura PROP: Male AGE: 18 Edge ( ) ID: 2 NAME: ITO PROP: Female AGE: 2111 8 5
  • 52. What is GraphDB ID: 1 Vertex (node : ) NAME: kimura PROP: Male AGE: 18 Edge ( ) ID: 2 ID: 3 NAME: ITO LABEL: Like PROP: Female Since: 2011/08/06 AGE: 21 OutGoing: 211 8 5
  • 53. What is GraphDB ID: 1 Vertex (node : ) NAME: kimura PROP: Male AGE: 18 Edge ( ) ID: 2 ID: 3 NAME: ITO LABEL: Like PROP: Female Since: 2011/08/06 AGE: 21 OutGoing: 211 8 5
  • 54. What is GraphDB ID: 1 Vertex (node : ) NAME: kimura PROP: Male AGE: 18 Edge ( ) ID: 2 ID: 3 NAME: ITO LABEL: Like PROP: Female Since: 2011/08/06 AGE: 21 OutGoing: 211 8 5
  • 55. The implementations for GraphDB http://en.wikipedia.org/wiki/GraphDB11 8 5
  • 56. Introduction to Neo4j11 8 5
  • 57. GraphDB Neo4j • True ACID transactions • High availability • Scales to billions of nods and relationships • High speed querying through traversals Single instance(GPLv3) Multiple instance(AGPLv3) Embedded EmbeddedGraphDatabase HighlyAvailableGraphDatabase Standalone Neo4j Server Neo4j Server high availability mode http://neo4j.org/11 8 5
  • 58. Other my favorite features for Neo4j http://www.tinkerpop.com/post/4633229547/tinkerpop-graph-stack11 8 5
  • 59. Other my favorite features for Neo4j • RESTful APIs http://www.tinkerpop.com/post/4633229547/tinkerpop-graph-stack11 8 5
  • 60. Other my favorite features for Neo4j • RESTful APIs • Query Language(Cypher) http://www.tinkerpop.com/post/4633229547/tinkerpop-graph-stack11 8 5
  • 61. Other my favorite features for Neo4j • RESTful APIs • Query Language(Cypher) • Full indexing – lucene http://www.tinkerpop.com/post/4633229547/tinkerpop-graph-stack11 8 5
  • 62. Other my favorite features for Neo4j • RESTful APIs • Query Language(Cypher) • Full indexing – lucene • Implemented graph algorithm – A*, Dijkstra – High speed traverse http://www.tinkerpop.com/post/4633229547/tinkerpop-graph-stack11 8 5
  • 63. Other my favorite features for Neo4j • RESTful APIs • Query Language(Cypher) • Full indexing – lucene • Implemented graph algorithm – A*, Dijkstra – High speed traverse • Gremlin supported – Like a query language http://www.tinkerpop.com/post/4633229547/tinkerpop-graph-stack11 8 5
  • 64. Introduction simple Neo4j usecase Single node Multi node Embedded Server11 8 5
  • 65. Introduction simple Neo4j usecase Single node Multi node Embedded Analyses system Server11 8 5
  • 66. Introduction simple Neo4j usecase Single node Multi node Embedded Analyses system Analyses system Server11 8 5
  • 67. Introduction simple Neo4j usecase Single node Multi node Embedded Analyses system Analyses system Analyses system Server11 8 5
  • 68. Introduction simple Neo4j usecase Single node Multi node Embedded Analyses system Analyses system Analyses system Analyses system Server11 8 5
  • 69. Introduction simple Neo4j usecase Single node Multi node Embedded Analyses system Analyses system Analyses system Analyses system Server11 8 5
  • 70. Introduction simple Neo4j usecase Single node Multi node Analyses system Embedded Analyses system Analyses system Analyses system Server11 8 5
  • 71. Introduction simple Neo4j usecase Single node Multi node Analyses system Embedded Analyses system Analyses system Analyses system Server11 8 5
  • 72. Introduction to simple embedded Neo4j • Insert Vertices & make Relationships • Single node & Embedded • Traversal sample11 8 5
  • 73. Insert vertices, make relationship public final class InputVertex { public static void main(final String[] args) { GraphDatabaseService graphDb = new EmbeddedGraphDatabase("/tmp/neo4j"); Transaction tx = graphDb.beginTx(); try { Node firstNode = graphDb.createNode(); firstNode.setProperty("Name", "Kimura"); Node secondNode = graphDb.createNode(); secondNode.setProperty("Name", "Kato"); firstNode.createRelationshipTo(secondNode, DynamicRelationshipType.withName("LIKE")); tx.success(); } finally { tx.finish(); } graphDb.shutdown(); } }11 8 5
  • 74. Insert vertices, make relationship public final class InputVertex { public static void main(final String[] args) { GraphDatabaseService graphDb = new EmbeddedGraphDatabase("/tmp/neo4j"); Transaction tx = graphDb.beginTx(); try { Node firstNode = graphDb.createNode(); firstNode.setProperty("Name", "Kimura"); Node secondNode = graphDb.createNode(); secondNode.setProperty("Name", "Kato"); firstNode.createRelationshipTo(secondNode, DynamicRelationshipType.withName("LIKE")); tx.success(); } finally { tx.finish(); } graphDb.shutdown(); } }11 8 5
  • 75. Insert vertices, make relationship public final class InputVertex { public static void main(final String[] args) { ID: 1 GraphDatabaseService graphDb = new NAME: kimura EmbeddedGraphDatabase("/tmp/neo4j"); Transaction tx = graphDb.beginTx(); try { Node firstNode = graphDb.createNode(); firstNode.setProperty("Name", "Kimura"); Node secondNode = graphDb.createNode(); secondNode.setProperty("Name", "Kato"); firstNode.createRelationshipTo(secondNode, DynamicRelationshipType.withName("LIKE")); tx.success(); } finally { tx.finish(); } graphDb.shutdown(); } }11 8 5
  • 76. Insert vertices, make relationship public final class InputVertex { public static void main(final String[] args) { ID: 1 GraphDatabaseService graphDb = new NAME: kimura EmbeddedGraphDatabase("/tmp/neo4j"); Transaction tx = graphDb.beginTx(); try { Node firstNode = graphDb.createNode(); firstNode.setProperty("Name", "Kimura"); Node secondNode = graphDb.createNode(); secondNode.setProperty("Name", "Kato"); firstNode.createRelationshipTo(secondNode, DynamicRelationshipType.withName("LIKE")); tx.success(); } finally { tx.finish(); } graphDb.shutdown(); } }11 8 5
  • 77. Insert vertices, make relationship public final class InputVertex { public static void main(final String[] args) { ID: 1 GraphDatabaseService graphDb = new NAME: kimura EmbeddedGraphDatabase("/tmp/neo4j"); Transaction tx = graphDb.beginTx(); try { Node firstNode = graphDb.createNode(); firstNode.setProperty("Name", "Kimura"); Node secondNode = graphDb.createNode(); secondNode.setProperty("Name", "Kato"); firstNode.createRelationshipTo(secondNode, DynamicRelationshipType.withName("LIKE")); tx.success(); } finally { ID: 2 tx.finish(); NAME: Kato } graphDb.shutdown(); } }11 8 5
  • 78. Insert vertices, make relationship public final class InputVertex { public static void main(final String[] args) { ID: 1 GraphDatabaseService graphDb = new NAME: kimura EmbeddedGraphDatabase("/tmp/neo4j"); Transaction tx = graphDb.beginTx(); try { Node firstNode = graphDb.createNode(); firstNode.setProperty("Name", "Kimura"); Node secondNode = graphDb.createNode(); secondNode.setProperty("Name", "Kato"); firstNode.createRelationshipTo(secondNode, DynamicRelationshipType.withName("LIKE")); tx.success(); } finally { ID: 2 tx.finish(); NAME: Kato } graphDb.shutdown(); } }11 8 5
  • 79. Insert vertices, make relationship public final class InputVertex { public static void main(final String[] args) { ID: 1 GraphDatabaseService graphDb = new NAME: kimura EmbeddedGraphDatabase("/tmp/neo4j"); Transaction tx = graphDb.beginTx(); try { Node firstNode = graphDb.createNode(); ID: 3 firstNode.setProperty("Name", "Kimura"); Relation: Like Node secondNode = graphDb.createNode(); secondNode.setProperty("Name", "Kato"); firstNode.createRelationshipTo(secondNode, DynamicRelationshipType.withName("LIKE")); tx.success(); } finally { ID: 2 tx.finish(); NAME: Kato } graphDb.shutdown(); } }11 8 5
  • 80. Batch Insert • Non thread safe, non transaction • But very fast! public final class Batch { public static void main(final String[] args) { BatchInserter inserter = new BatchInserterImpl("/tmp/neo4j", BatchInserterImpl.loadProperties("/tmp/neo4j.props")); Map<String, Object> prop = new HashMap<String, Object>(); prop.put("Name", "Kimura"); prop.put("Age", 21); long node1 = inserter.createNode(prop); prop.put("Name", "Kato"); prop.put("Age", 21); long node2 = inserter.createNode(prop); inserter.createRelationship(node1, node2, DynamicRelationshipType.withName("LIKE"), null); inserter.shutdown(); } }11 8 5
  • 81. Traversal sample • public static void main(final String[] args) { GraphDatabaseService graphDB = new EmbeddedGraphDatabase(args[0]); Node node = graphDB.getNodeById(1); Traverser friends = node.traverse( Order.DEPTH_FIRST, StopEvaluator.END_OF_GRAPH, ReturnableEvaluator.ALL_BUT_START_NODE, DynamicRelationshipType.withName("LIKE"), Direction.OUTGOING); for (Node nodeBuf : friends) { TraversalPosition currentPosition = friends.currentPosition(); } }11 8 5
  • 82. Traversal sample • public static void main(final String[] args) { GraphDatabaseService graphDB = new EmbeddedGraphDatabase(args[0]); Node node = graphDB.getNodeById(1); Traverser friends = node.traverse( // Order.DEPTH_FIRST, BREADTH_FIRST StopEvaluator.END_OF_GRAPH, ReturnableEvaluator.ALL_BUT_START_NODE, DynamicRelationshipType.withName("LIKE"), Direction.OUTGOING); for (Node nodeBuf : friends) { TraversalPosition currentPosition = friends.currentPosition(); } }11 8 5
  • 83. Traversal sample • public static void main(final String[] args) { GraphDatabaseService graphDB = new EmbeddedGraphDatabase(args[0]); Node node = graphDB.getNodeById(1); Traverser friends = node.traverse( // Order.DEPTH_FIRST, BREADTH_FIRST // StopEvaluator.END_OF_GRAPH, DEPTH_ONE ReturnableEvaluator.ALL_BUT_START_NODE, DynamicRelationshipType.withName("LIKE"), Direction.OUTGOING); for (Node nodeBuf : friends) { TraversalPosition currentPosition = friends.currentPosition(); } }11 8 5
  • 84. Traversal sample • public static void main(final String[] args) { GraphDatabaseService graphDB = new EmbeddedGraphDatabase(args[0]); Node node = graphDB.getNodeById(1); Traverser friends = node.traverse( // Order.DEPTH_FIRST, BREADTH_FIRST // StopEvaluator.END_OF_GRAPH, DEPTH_ONE // ReturnableEvaluator.ALL_BUT_START_NODE, ALL, isReturnableNode() DynamicRelationshipType.withName("LIKE"), Direction.OUTGOING); for (Node nodeBuf : friends) { TraversalPosition currentPosition = friends.currentPosition(); } }11 8 5
  • 85. Traversal sample • public static void main(final String[] args) { GraphDatabaseService graphDB = new EmbeddedGraphDatabase(args[0]); Node node = graphDB.getNodeById(1); Traverser friends = node.traverse( // Order.DEPTH_FIRST, BREADTH_FIRST // StopEvaluator.END_OF_GRAPH, DEPTH_ONE // ReturnableEvaluator.ALL_BUT_START_NODE, ALL, isReturnableNode() // DynamicRelationshipType.withName("LIKE"), Direction.OUTGOING); for (Node nodeBuf : friends) { TraversalPosition currentPosition = friends.currentPosition(); } }11 8 5
  • 86. Traversal sample • public static void main(final String[] args) { GraphDatabaseService graphDB = new EmbeddedGraphDatabase(args[0]); Node node = graphDB.getNodeById(1); Traverser friends = node.traverse( // Order.DEPTH_FIRST, BREADTH_FIRST // StopEvaluator.END_OF_GRAPH, DEPTH_ONE // ReturnableEvaluator.ALL_BUT_START_NODE, ALL, isReturnableNode() // DynamicRelationshipType.withName("LIKE"), // Direction.OUTGOING); INCOMING, BOTH for (Node nodeBuf : friends) { TraversalPosition currentPosition = friends.currentPosition(); } }11 8 5
  • 87. Traversal sample Order.BREADTH_FIRST •11 8 5
  • 88. Traversal sample Order.BREADTH_FIRST •11 8 5
  • 89. Traversal sample Order.BREADTH_FIRST •11 8 5
  • 90. Traversal sample Order.BREADTH_FIRST •11 8 5
  • 91. Traversal sample Order.BREADTH_FIRST •11 8 5
  • 92. Traversal sample Order.BREADTH_FIRST •11 8 5
  • 93. Traversal sample Order.DEPTH_FIRST •11 8 5
  • 94. Traversal sample Order.DEPTH_FIRST •11 8 5
  • 95. Traversal sample Order.DEPTH_FIRST •11 8 5
  • 96. Traversal sample Order.DEPTH_FIRST •11 8 5
  • 97. Traversal sample Order.DEPTH_FIRST •11 8 5
  • 98. Traversal sample Order.DEPTH_FIRST •11 8 5
  • 99. Neoclipse sample http://wiki.neo4j.org/content/Neoclipse11 8 5
  • 100. experiment11 8 5
  • 101. experiment • mixi Neo4j • • Machine: 24 core CPU, Memory 65GB • Neo4j: BatchInsert, community, embedded • Data • 1.5 6011 8 5
  • 102. experiment • mixi Neo4j • • Machine: 24 core CPU, Memory 65GB • Neo4j: BatchInsert, community, embedded • Data • 1.5 60 513m17sec (about 8.6h)11 8 5
  • 103. Network Dataset • Stanford Large Network Dataset Collection • SNAP has a Wide variety of graph data! Social Networks Communication networks Citation networks Collaboration networks Web graphs Product co-purchasing networks Internet peer-to-peer networks Road networks Autonomous systems graphs Signed networks Wikipedia networks and metadata Memetracker and Twitter http://snap.stanford.edu/data/index.html11 8 5
  • 104. Introduction to Analysis Sample11 8 5
  • 105. Architecture Service Database Analyses Visualization (Social Graph)11 8 5
  • 106. Architecture Service Database Analyses Visualization (Social Graph)11 8 5
  • 107. Introduction Analyses Sample • Centrarity ( ) • Clustering coefficient ( )11 8 5
  • 108. Centrality ( ) • =11 8 5
  • 109. Centrality ( ) • =11 8 5
  • 110. Centrality ( ) • =11 8 5
  • 111. Centrality ( ) • =11 8 5
  • 112. Centrality ( ) • = Pagerank11 8 5
  • 113. Centrality ( ) • = Pagerank11 8 5
  • 114. Centrality ( ) • = Pagerank11 8 5
  • 115. Centrality ( ) • = Pagerank11 8 5
  • 116. Centrality ( ) • = Pagerank11 8 5
  • 117. Centrality ( ) • = Pagerank11 8 5
  • 118. Centrality ( ) • = Pagerank11 8 5
  • 119. • • = Vertex ( )11 8 5
  • 120. • • = Vertex ( ) 1 1 111 8 5
  • 121. • • = Vertex ( ) 2 1 1 2 1 211 8 5
  • 122. • • = Vertex ( ) 2 1 1 2 1 211 8 5
  • 123. • • = Vertex ( ) 2 1 1 4 2 1 211 8 5
  • 124. • • = Vertex ( ) 2 1 1 4 2 1 211 8 5
  • 125. mixi • 1000 • summary Min 1st Que. Median Mean 3rd Que. Max 1.00 3.00 10.00 25.69 30.00 903.0011 8 5
  • 126. mixi11 8 5
  • 127. • • ≒11 8 5
  • 128. • • ≒ =0/3=011 8 5
  • 129. • • ≒ =0/3=0 =1/311 8 5
  • 130. • • ≒ =0/3=0 =1/3 =2/311 8 5
  • 131. • • ≒ =0/3=0 =1/3 =2/3 =3/3=111 8 5
  • 132. • 1000 • summary Min 1st Que. Median Mean 3rd Que. Max 0.00 0.00 0.1157 0.2071 0.2667 1.00011 8 5
  • 133. 11 8 5
  • 134. 11 8 5
  • 135. • 25 0.0811 8 5
  • 136. • 14 0.1711 8 5
  • 137. • 10 0.6811 8 5
  • 138. • 4 111 8 5
  • 139. Visualization Sample11 8 5
  • 140. • 2hop Social Graph • Edge • ( ) • Vertex • ( ) • Gephi http://gephi.org/11 8 5
  • 141. 11 8 5
  • 142. • Social Graph • • GraphDB • Neo4j • R • Visualization11 8 5
  • 143. Thanks!11 8 5

×