vdslab website

日本大学文理学部情報科学科
尾上研究室

ネットワーク可視化 Jupyter Custom Widgetの開発

2019年度卒業生 森田 瑛仁 による卒業演習作品です。

概要:データ可視化・分析環境のトレンドをたどると、データサイエンティスト、アナリストを中心とした開発者らを取り巻く環境の進歩を垣間見ることができる。CUIで対話的実行可能なREPLをもつIPython、GUIチャートの描画に対応したQtConsole、WebベースのJupyter Notebook、クラウドベースのGoogle Colaboratoryと、たえず時代のニーズを満たすツールが開発されてきている。しかしPython言語の可視化・分析環境でよくつかわれるNetworkXに付随する可視化機能は、自由度が低いと感じた。そこで本稿では、Jupter Custom Widgetの実装から公開に至るまでの流れを把握して、そのポテンシャルを模索し、意味のある可視化ツールの実装方針を考察する。

Twitterにおける話題遷移ネットワーク可視化

2019年度卒業生 出口 拓也 による卒業演習作品です。

概要:近年、新聞やテレビよりもTwitterなどの情報発信ツールで情報収集がされることが多くなっている一方、不適切または不正確な情報が拡散されることも多い。実際に東日本大震災後に放射線や原発事故に関する科学的に不適切または不正確な情報が広がったり、根拠ない言説が流布された。しかしどのような過程で不適切または不正確な情報が拡散されるようになったのかは十分に調べられていない。そこで本研究では、話題の遷移をTwitterのハッシュタグを用いた話題遷移ネットワーク可視化で表すことで、拡散される過程を明らかにした。その結果から、話題が遷移していくうちに本筋とはかけ離れた話題に無理やりこじつけてツイートされていたり、差別的な意図がある造語を用いたハッシュタグを使用したツイートなどから、不適切または不正確な情報の拡散がなされていることが分かった。

https://codepen.io/EntranceExit/full/RXgQmr

CausalNet

CausalNetは生物学における表現型特徴ネットワークのビジュアルアナリティクスシステムです。階層グラフ描画とエッジ集中化の技術を用いることで、表現型特徴ネットワークから生命の発生現象の解明におけるデータ駆動分析を促進します。

関連文献

  • Y. Onoue, N. Kukimoto, N. Sakamoto, and K. Koyamada, “Minimizing the Number of Edges via Edge Concentration in Dense Layered Graphs,” IEEE Trans. Vis. Comput. Graph., vol. 22, no. 6, pp. 1652–1661, 2016.
  • Y. Onoue, K. Kyoda, M. Kioka, K. Baba, S. Onami, and K. Koyamada, “Development of an Integrated Visualization System for Phenotypic Character Networks,” in Proceedings of IEEE Pacific Visualization 2018 (VisNotes), 2018, pp. 21–25.