Home
Explore
Submit Search
Upload
Login
Signup
Advertisement
Check these out next
ベクトルで理解する相関係数
Satoshi MATSUURA
距離まとめられませんでした
Haruka Ozaki
Attentionの基礎からTransformerの入門まで
AGIRobots
関数データ解析の概要とその方法
Hidetoshi Matsui
RでGPU使ってみた
Kazuya Wada
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
グラフニューラルネットワークとグラフ組合せ問題
joisino
DLLab 異常検知ナイト 資料 20180214
Kosuke Nakago
1
of
32
Top clipped slide
Gephi Quick Start (Japanese)
Jul. 2, 2011
•
0 likes
22 likes
×
Be the first to like this
Show More
•
41,863 views
views
×
Total views
0
On Slideshare
0
From embeds
0
Number of embeds
0
Download Now
Download to read offline
Report
Technology
http://www.slideshare.net/gephi/gephi-quick-start の日本語訳です。
あしたのオープンソース研究所
Follow
オープンソースソフトウェアの調査 at インフォサイエンス株式会社
Advertisement
Advertisement
Advertisement
Recommended
Gephi Tutorial Visualization (Japanese)
あしたのオープンソース研究所
12.4K views
•
24 slides
PyMCがあれば,ベイズ推定でもう泣いたりなんかしない
Toshihiro Kamishima
40.1K views
•
26 slides
パターン認識 第10章 決定木
Miyoshi Yuya
140.1K views
•
16 slides
カルマンフィルタ入門
Yasunori Nihei
4.4K views
•
37 slides
距離と分類の話
考司 小杉
12.8K views
•
41 slides
Newman アルゴリズムによるソーシャルグラフのクラスタリング
Atsushi KOMIYA
86.1K views
•
105 slides
More Related Content
Slideshows for you
(20)
ベクトルで理解する相関係数
Satoshi MATSUURA
•
22.9K views
距離まとめられませんでした
Haruka Ozaki
•
8.3K views
Attentionの基礎からTransformerの入門まで
AGIRobots
•
24.6K views
関数データ解析の概要とその方法
Hidetoshi Matsui
•
8.4K views
RでGPU使ってみた
Kazuya Wada
•
15.9K views
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
•
17.3K views
グラフニューラルネットワークとグラフ組合せ問題
joisino
•
4K views
DLLab 異常検知ナイト 資料 20180214
Kosuke Nakago
•
13.5K views
グラフデータ分析 入門編
順也 山口
•
31.4K views
機械学習モデルの判断根拠の説明
Satoshi Hara
•
95.2K views
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
•
95.8K views
DeepLearning 輪読会 第1章 はじめに
Deep Learning JP
•
8.6K views
CNNの構造最適化手法(第3回3D勉強会)
MasanoriSuganuma
•
945 views
スパースモデリング
harapon
•
2K views
不均衡データのクラス分類
Shintaro Fukushima
•
58.3K views
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
•
65.1K views
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
•
14.5K views
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
•
13.9K views
Visual Studio CodeでRを使う
Atsushi Hayakawa
•
9K views
[DL輪読会]Deep Learning 第5章 機械学習の基礎
Deep Learning JP
•
8.7K views
More from あしたのオープンソース研究所
(13)
Apache Hive 紹介
あしたのオープンソース研究所
•
8.9K views
Datomic&datalog紹介
あしたのオープンソース研究所
•
3K views
Red5
あしたのオープンソース研究所
•
5.6K views
Friendica_28th_AshitanoKen
あしたのオープンソース研究所
•
7.7K views
Apache UIMA
あしたのオープンソース研究所
•
6K views
Flume
あしたのオープンソース研究所
•
4K views
Cassandra v0.6-siryou
あしたのオープンソース研究所
•
6.2K views
MongoDB
あしたのオープンソース研究所
•
8.2K views
Rails.20110405
あしたのオープンソース研究所
•
2.7K views
S4
あしたのオープンソース研究所
•
3.3K views
machine learning & apache mahout
あしたのオープンソース研究所
•
6.1K views
20100831.あしたの研第14回座談会moses.スライド
あしたのオープンソース研究所
•
3.2K views
Cassandra 分散データベース
あしたのオープンソース研究所
•
4.2K views
Advertisement
Recently uploaded
(20)
JSONEncoderで詰まった話
とん とんぼ
•
65 views
【DL輪読会】Flow Matching for Generative Modeling
Deep Learning JP
•
766 views
MC-800DMT intrusion detector manual
Vedard Security Alarm System Store
•
2 views
☀️【麦吉尔大学毕业证成绩单留学生首选】
15sad
•
3 views
Forguncy製品概要.pptx
フォーガンシー
•
57 views
社内ソフトスキルを考える
infinite_loop
•
82 views
AIEXPO_CDLE名古屋紹介
KotaMiyano
•
3 views
Üslup ve tercüme.pdf
1Hmmtks
•
2 views
ペンタエリスリトール市場.pdf
HinaMiyazu
•
3 views
Forguncy8 製品概要 202305.pptx
フォーガンシー
•
54 views
SoftwareControl.pdf
ssusercd9928
•
6 views
《杨百翰大学毕业证|学位证书校内仿真版本》
d520dasw12
•
2 views
触感に関わる共感覚的表現と基本6感情の対応関係の検証
Matsushita Laboratory
•
12 views
統計学の攻略_統計的仮説検定の9パターン.pdf
akipii Oga
•
184 views
【2023年5月】平成生まれのためのUNIX&IT歴史講座
法林浩之
•
16 views
20230601_Visual_IoTLT_vol14_kitazaki_v1.pdf
Ayachika Kitazaki
•
52 views
20230523_IoTLT_vol99_kitazaki_v1.pdf
Ayachika Kitazaki
•
108 views
Kubernetes超入門
Takashi Suzuki
•
5 views
ChatGPT触ってみた
infinite_loop
•
54 views
Omnis
DaisukeFujita10
•
19 views
Gephi Quick Start (Japanese)
チュートリアル
クイックスタート * はじめに Gephi チュートリアル * ファイルのインポート * 可視化 クイックスタート * レイアウト * ランキング (色) * メトリクス 入門チュートリアルへようこそ!このチュートリアルでは、Gephi におけるネットワークの可視化と * ランキング (サイズ) 操作の基本的な手順について説明しています。 * もう一度レイアウト * ラベルの表示 このチュートリアルの作成には Gephi version 0.7alpha2 を使用しました。 * コミュニティ検出 * パーティション Gephi をダウンロードする * フィルタ * プレビュー * エクスポート * 保存 * まとめ 最終更新: 2010 年 3 月 5 日
チュートリアル
クイックスタート グラフファイルを開く * はじめに • ファイルをダウンロードします。 LesMiserables.gexf * ファイルのインポート * 可視化 • [File] メニューの [Open] をクリックします。 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ グラフの形式 - GEXF - Tulip TLP - GraphML - CSV - Pajek NET - Compressed ZIP - GDF - GML
チュートリアル
クイックスタート インポートレポート * はじめに • ファイルを開くと、見つかったデータと問題がレポートに表示されます。 * ファイルのインポート - ノード数 * 可視化 - エッジ数 * レイアウト - グラフのタイプ * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ • 表示された内容でよければ [OK] をクリックし、グラフを表示します。
チュートリアル
クイックスタート グラフが表示されるはずです。 * はじめに インポートしたのは “Les Miserables” データセット1 です。Victor Hugo の * ファイルのインポート 『レ・ミゼラブル(ああ無情)』の登場人物を重み付けして表示しています。 * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート ノードの位置は最初はランダムなので、表示のされ方は図とは少し異なるかもしれません。 * 保存 * まとめ 1 D. E. Knuth, The Stanford GraphBase: A Platform for Combinatorial Computing, Addison-Wesley, Reading, MA (1993).
チュートリアル
クイックスタート グラフの可視化 * はじめに • グラフを移動したり、縮小・拡大したりするにはマウスを使います。 * ファイルのインポート - ズーム: マウスホイール * 可視化 - パン: 右ボタンでドラッグ * レイアウト ズーム * ランキング (色) • ウィンドウ下部に [Edge Thickness] スライダがあります。 * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 ドラッグ * パーティション • グラフが見えなくなったら、位置をリセットしてください。 * フィルタ * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート グラフのレイアウト * はじめに レイアウトアルゴリズムはグラフの形状を設定するもので、最も重要な操作です。 * ファイルのインポート * 可視化 • 左パネルに [Layout] モジュールがあります。 * レイアウト * ランキング (色) • [Force Atlas] を選択します。 * メトリクス * ランキング (サイズ) 下にレイアウトのプロパティが表示されますが、デフォルト値の ままにしておきます。 * もう一度レイアウト * ラベルの表示 * コミュニティ検出 • をクリックしてアルゴリズムを実行します。 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ レイアウトアルゴリズム グラフは一般に「力指向」アルゴリズム ("Force-based" algorithms) でレイアウトされます。 このアルゴリズムの原則は単純で、つながりのあるノード同士は互いに引き合い、 つながりのないノード同士は互いに斥け合うというものです。
チュートリアル
クイックスタート レイアウトのコントロール * はじめに レイアウトのプロパティが用意されているのは、選択したアルゴリズムをコントロールして * ファイルのインポート 美的に優れた表現が得られるようにするためです。 * 可視化 * レイアウト • [Repulsion strengh] を 10 000 に設定して * ランキング (色) グラフを拡大します。 * メトリクス * ランキング (サイズ) • [Enter] キーを押して変更した値を確定します。 * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー • では、 をクリックしてアルゴリズムを停止してください。 * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート 次のようなレイアウトのグラフが表示されるはずです。 * はじめに * ファイルのインポート * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート ランキング (色) * はじめに [Ranking] モジュールでは、ノードの色とサイズを設定できます。 * ファイルのインポート * 可視化 • ウィンドウの左上部に [Ranking] モジュールがあります。 * レイアウト * ランキング (色) • ランクパラメータとして [Degree] を選択します。 * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 次のような設定パネルが表示されます。 * コミュニティ検出 * パーティション * フィルタ • をクリックして結果を表示します。 * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート 色の設定 * はじめに * ファイルのインポート • グラデーションコンポーネントをマウスでポイントします。 * 可視化 * レイアウト * ランキング (色) * メトリクス • 三角の上でダブルクリックして色を設定します。 * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ パレット パレットを使用するにはパネルを右クリックします。
チュートリアル
クイックスタート ランキングの結果テーブル * はじめに 結果テーブルを有効にするとランクの値を表示できます。Valjean には 36 のリンクがあり、 * ファイルのインポート ネットワークの中で最も接続の多い登場人物です。 * 可視化 * レイアウト • ツールバー下部にある結果テーブルを表示するための * ランキング (色) コントロールをオンにします。 * メトリクス * ランキング (サイズ) • もう一度 をクリックします。 * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート メトリクス * はじめに ここでは、ネットワークの平均パス長 (average path length) を計算します。考えられるすべての * ファイルのインポート ノードのペアのパス長を計算し、ノード間の距離に関する情報を取得します。 * 可視化 * レイアウト * ランキング (色) • 右パネルに [Statistics] モジュールがあります。 * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 • [Average Path Length] の横にある をクリックします。 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ 利用可能なメトリクス - Diameter (直径) - Betweeness Centrality (媒介中心性) - Average Path Length (平均パス長) - Closeness Centrality (近接中心性) - Clustering Coefficient (クラスタリング係数) - Eccentricity (離心性) - PageRank (ページランク) - Community Detection (コミュニティ検出) - HITS (Hyperlink-Induced Topic Search) (モジュラリティ)
チュートリアル
クイックスタート メトリクスの設定 * はじめに 設定パネルが表示されます。 * ファイルのインポート * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ • [Directed] をクリックし、[OK] をクリックしてメトリクスを計算します。
チュートリアル
クイックスタート メトリクスの結果 * はじめに 計算が終わると、 * ファイルのインポート 目的のメトリクスが * 可視化 レポートに 表示されます。 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート ランキング (サイズ) * はじめに メトリクスは、全体に関するレポートを生成するだけでなく、各ノードの結果も示します。 * ファイルのインポート 直前に実行した "Average Path Length" アルゴリズムによって次の 3 つの新しい値が 作成されたのもそのためです。 * 可視化 - Betweeness Centrality (媒介中心性) * レイアウト - Closeness Centrality (近接中心性) * ランキング (色) - Eccentricity (離心性) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 • [Ranking] モジュールに戻ります。 * コミュニティ検出 * パーティション • リストから [Betweeness Centrality] を選択します。 * フィルタ このメトリクスは、値の高さでノードの影響力を * プレビュー 示します。 * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート ランキング (サイズ) * はじめに ここではノードのサイズを設定します。色は [Degree] インジケータで設定した色のままです。 * ファイルのインポート * 可視化 • ツールバーにあるサイズ用のダイヤモンドアイコンを * レイアウト クリックします。 * ランキング (色) • [min size] を 10 に、[Max size] を 50 に設定します。 * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー • をクリックして結果を表示します。 * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート 次のような色とサイズのグラフが表示されるはずです。 * はじめに * ファイルのインポート * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ 色: [Degree] サイズ: [Betweeness Centrality] メトリクス
チュートリアル
クイックスタート もう一度レイアウト * はじめに 現在のレイアウトは必ずしも最適なものとはいえません。大きなノードが小さなノードを 覆い隠しているからです。 * ファイルのインポート * 可視化 [Force Atlas] アルゴリズムには、レイアウト時にノードのサイズを考慮するオプションがあります。 * レイアウト * ランキング (色) * メトリクス • [Layout] パネルに戻ります。 * ランキング (サイズ) * もう一度レイアウト • [Adjust by Sizes] オプションをオンにし、 * ラベルの表示 しばらくアルゴリズムを実行します。 * コミュニティ検出 * パーティション • 以前とは異なり、ノードはオーバーラップせずに * フィルタ 表示されます。 * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート ラベルの表示 * はじめに 色とサイズで中心となるノードを表示していますが、ネットワークをもっと詳しく * ファイルのインポート 見てみましょう。 * 可視化 * レイアウト • ノードのラベルを表示します。 * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 • ノードのサイズに比例するように * コミュニティ検出 ラベルのサイズを設定します。 * パーティション * フィルタ * プレビュー * エクスポート * 保存 • ラベルのサイズをスケールスライダで 設定します。 * まとめ
チュートリアル
クイックスタート コミュニティ検出 * はじめに コミュニティを検出して調査する機能は、ネットワーク分析では不可欠です。ここでは、 * ファイルのインポート 例に含まれているクラスタに色を付けてみましょう。 * 可視化 * レイアウト Gephi は Louvain メソッド1を実装しており、 [Statistics] パネルから利用できます。 * ランキング (色) [Modularity] の横にある をクリックします。 * メトリクス * ランキング (サイズ) * もう一度レイアウト • [Randomize] をオンにします。 * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ • [OK] をクリックして検出を開始します。 * プレビュー * エクスポート * 保存 * まとめ 1 Blondel V, Guillaume J, Lambiotte R, Mech E (2008) Fast unfolding of communities in large net- works. J Stat Mech: Theory Exp 2008:P10008. (http://findcommunities.googlepages.com)
チュートリアル
クイックスタート パーティション * はじめに コミュニティ検出アルゴリズムによって、各ノードの "Modularity Class" の値が作成されました。 * ファイルのインポート * 可視化 パーティションモジュールでは、この新しいデータを使ってコミュニティに色を付けることができます。 * レイアウト * ランキング (色) • 左パネルに [Partition] モジュールがあります。 * メトリクス • すぐに [Refresh] ボタンをクリックして * ランキング (サイズ) パーティションリストを取得します。 * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ ノードとエッジの列を見るには ノードとエッジの列とその値は、[Data Table] ビューで参照できます。 [Data Laboratory] タブをクリックし、[Nodes] をクリックすると、テーブルが更新されます。
チュートリアル
クイックスタート パーティション * はじめに • パーティションリストで [Modularity Class] を選択します。 * ファイルのインポート * 可視化 9 つのコミュニティが見つかったと表示されます * レイアウト (環境によって値は異なります)。各コミュニティを識別する 色はランダムに設定されます。 * ランキング (色) * メトリクス * ランキング (サイズ) • をクリックしてノードに色を付けます。 * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート パネルを右クリックして [Randomize colors] をクリックすると、 色を変更できます。 * 保存 * まとめ
チュートリアル
クイックスタート ネットワークはおよそ次のように表示されているはずです。 * はじめに * ファイルのインポート * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート フィルタ 最後の操作として、フィルタリングを取り上げましょう。フィルタを作成すると、ネットワーク上の * はじめに 一部のノードとエッジを隠すことができます。ここでは、リーフ、すなわち、エッジが 1 つだけの * ファイルのインポート ノードを除外するフィルタを作成します。 * 可視化 * レイアウト • 右パネルに [Filters] モジュールがあります。 * ランキング (色) * メトリクス • [Topology] カテゴリの [Degree Range] を選択します。 * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション • [Degree Range] を [Queries] にドラッグし、 * フィルタ [Drag filter here] にドロップします。 * プレビュー * エクスポート * 保存 * まとめ ドラッグ
チュートリアル
クイックスタート フィルタ * はじめに • [Degree Range] をクリックしてフィルタをアクティベートします。 * ファイルのインポート パラメータパネルが表示されます。 * 可視化 * レイアウト * ランキング (色) * メトリクス パネルには、レンジスライダと、データ (ここでは次数分布) を表す図が表示されます。 * ランキング (サイズ) * もう一度レイアウト • スライダを移動して、下限を 2 にします。 * ラベルの表示 * コミュニティ検出 * パーティション • ボタンをクリックしてフィルタリングを有効にします。 * フィルタ * プレビュー * エクスポート 次数が 2 未満のノードが表示されなくなります。 * 保存 * まとめ ヒント 値の数字の上をダブルクリックすると、範囲を手動で編集できます。
チュートリアル
クイックスタート フィルタリングされたネットワーク * はじめに * ファイルのインポート * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ これで操作については終わりです。次はレンダリングをプレビューし、エクスポートの準備をします。
チュートリアル
クイックスタート プレビュー * はじめに • 作成したグラフを SVG または PDF ファイルとしてエクスポートする前に、 * ファイルのインポート 以下の目的でプレビューを行います。 * 可視化 - グラフがどのように表示されるかを正確に把握する。 * レイアウト - 最後の微調整を行う。 * ランキング (色) • バナーの [Preview] タブを選択します。 * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 • [Refresh] をクリックしてプレビューを表示します。 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ ヒント グラフが大きい場合は、[Preview ratio] スライダで 50% または 25% に値を下げるとグラフを小さく 表示できます。
チュートリアル
クイックスタート プレビュー * はじめに • [Node] のプロパティの中から [Show Labels] * ファイルのインポート オプションを探してオンにします。 * 可視化 * レイアウト • をクリックします。 * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト プレビューの設定ではプリセットを使用できます。 * ラベルの表示 プリセットリストを使ってさまざまな設定を * コミュニティ検出 試してみてください。 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート プレビュー中のグラフ * はじめに * ファイルのインポート * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート SVG としてエクスポート * はじめに [Preview] で、[Export] の横にある [SVG] を * ファイルのインポート クリックします。 * 可視化 * レイアウト * ランキング (色) * メトリクス SVG ファイルは、PDF 同様、ベクターグラフィックです。画像はさまざまなサイズにスムーズに * ランキング (サイズ) 縮小・拡大することができ、高解像度での印刷やほかのデータへの組み込みが可能です。 * もう一度レイアウト * ラベルの表示 SVG ファイルの変更や操作には、Inkscape や Adobe Illustrator を使ってください。 * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ 高解像度のスクリーンショット 必要なものが高解像度の PNG スクリーンショットだけの場合は、可視化タブの下部の可視化プロパティバー にある アイコンを使ってください。
チュートリアル
クイックスタート プロジェクトの保存 * はじめに プロジェクトを保存すると、すべてのデータと結果が単一の * ファイルのインポート セッションファイルにカプセル化されます。 * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) いくつか手順をやり忘れたときは、次のところからセッションを * もう一度レイアウト ダウンロードできます。 * ラベルの表示 LesMiserables.gephi * コミュニティ検出 * パーティション * フィルタ * プレビュー * エクスポート * 保存 * まとめ
チュートリアル
クイックスタート まとめ * はじめに このチュートリアルでは、Gephi の基本操作、すなわちネットワークファイルのオープン、 * ファイルのインポート 可視化、操作、レンダリングの方法について学びました。 * 可視化 * レイアウト * ランキング (色) * メトリクス * ランキング (サイズ) * もう一度レイアウト * ラベルの表示 * コミュニティ検出 * パーティション * フィルタ * プレビュー このあとは、次のものを参照してください。 * エクスポート • Gephi Web サイト • Gephi Wiki * 保存 • Gephi フォーラム * まとめ
Advertisement