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

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
* 可視化 • [File] メニューの [Open] をクリックします。
* レイアウト
* メトリクス
* ランキング (サイズ)
* ラベルの表示
* パーティション
* フィルタ
* プレビュー
* 保存
* まとめグラフの形式

- GEXF - Tulip TLP
- GraphML - CSV
- Pajek NET - Compressed ZIP
- GDF
- GML

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
* メトリクス
* フィルタ
* プレビュー
* 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。

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
* メトリクス
* フィルタ
* プレビュー
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).

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
• ウィンドウ下部に [Edge Thickness] スライダがあります。
* メトリクス
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
* 保存
* まとめ

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。
* 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。
* 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。
* フィルタ
* プレビュー
* 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。

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。
* 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。
* 保存
* まとめ

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
* 可視化
* レイアウト
* メトリクス
* フィルタ
* プレビュー
* 保存
* まとめ

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。
* 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
* ラベルの表示次のような設定パネルが表示されます。
* フィルタ • をクリックして結果を表示します。
* プレビュー
* 保存
* まとめ

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
* 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。
* フィルタ
* プレビュー
* 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。

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。
* フィルタ
* プレビュー
* 保存
* まとめ

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
• 右パネルに [Statistics] モジュールがあります。
* メトリクス
* ラベルの表示 • [Average Path Length] の横にあるをクリックします。
* フィルタ
* プレビュー
* 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)

メトリクスの設定
* はじめに設定パネルが表示されます。
* 可視化
* レイアウト
* メトリクス
* フィルタ
* プレビュー
* 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。

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
* メトリクス
* フィルタ
* プレビュー
* 保存
* まとめ

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
* ラベルの表示 • [Ranking] モジュールに戻ります。
* 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。
* 保存
* まとめ

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。
* 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。
• [min size] を 10 に、[Max size] を 50 に設定します。
* メトリクス
* フィルタ
* プレビュー • をクリックして結果を表示します。
* 保存
* まとめ

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
* 可視化
* レイアウト
* メトリクス
* フィルタ
* プレビュー
* 保存
* まとめ

色: [Degree]
サイズ: [Betweeness Centrality] メトリクス

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。
* 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
* メトリクス • [Layout] パネルに戻ります。
* 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。
• 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
* 保存
* まとめ

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。
* メトリクス
* 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。
* フィルタ
* プレビュー
* 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

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。
[Modularity] の横にあるをクリックします。
* メトリクス
• [Randomize] をオンにします。
* 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
* 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)

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。
* 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。
* フィルタ
* プレビュー
* 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。

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。
* 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。
* 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。
* 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

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
* 可視化
* レイアウト
* メトリクス
* フィルタ
* プレビュー
* 保存
* まとめ

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。
* メトリクス • [Topology] カテゴリの [Degree Range] を選択します。
• [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
* 保存
* まとめドラッグ

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
* 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。
* 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。
* 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。

フィルタリングされたネットワーク
* はじめに
* 可視化
* レイアウト
* メトリクス
* フィルタ
* プレビュー
* 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。

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。
• バナーの [Preview] タブを選択します。
* メトリクス
* 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。
* フィルタ
* プレビュー
* 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。

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。
* メトリクス
* 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。
* フィルタ
* プレビュー
* 保存
* まとめ

プレビュー中のグラフ
* はじめに
* 可視化
* レイアウト
* メトリクス
* フィルタ
* プレビュー
* 保存
* まとめ

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
* 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。
* 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。
* フィルタ
* プレビュー
* 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。

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
* 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
* フィルタ
* プレビュー
* 保存
* まとめ

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
* メトリクス
* 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

Gephi Quick Start (Japanese)

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

More from あしたのオープンソース研究所

More from あしたのオープンソース研究所　 (13)

Recently uploaded

Recently uploaded (9)