出版書誌データベース

現代社会はネットを通じた購買や検索、交通、情報コミュニケーション（SNS）が盛んであり、企業間サプライチェーンや金融経済システムなどの複雑に相互作用した経済活動が成り立っている。これらの膨大な社会データは教師信号を付けられない「ネットワーク型の関係性データ」と呼ばれる。たとえば購買層のクラスタ分類やコミュニティ抽出、電力・通信インフラの構築といった社会科学系の課題を扱うには関係性データの分析が重要となる。 　本書はまずデータ分析に役立つPythonツールを解説し、経済システムの分析、コミュニティの効率的抽出、口コミ影響力の解析といった内容に続く。複雑ネットワークはAI技術だけで解決できる分野ではなく、研究の重要性は年々上がっている。Web系のマーケターやデータ分析エンジニア、データサイエンティストを目指す学生を読者対象に位置づける。

第1章 Pythonを用いた複雑ネットワーク分析 1.1 はじめに 1.2 Pythonおよび外部モジュールのインストール 1.3 Jupyterノートブック 1.4 基本ツール 1.5 統計解析ツール 1.6 よく知られたネットワーク分析ツール：NetworkX 1.7 最新でより強力な分析ツール：graph-tool 1.8 計算の高速化 1.9 おわりに コラム1：より詳しく学ぶための参考図書 第2章 ネットワーク分析指標の経済系への応用 2.1 はじめに 2.2 経済システムのシステミック・リスクに関するネットワーク研究 2.3 国の経済発展に関するネットワーク研究 2.4 企業間サプライチェーンに関するネットワーク研究 2.5 道具箱としての2章のまとめ コラム2：ネットワークのオープンデータと可視化ツール 第3章 ランダムウォーク：コミュニティ抽出のキーツール 3.1 はじめに 3.2 ネットワーク上のランダムウォーク 3.3 代表的なコミュニティ抽出：ランダムウォークの枠組みによる定式化 3.4 コミュニティ抽出機能の拡張 3.5 今後の展望 3.6 道具箱としての3章のまとめ コラム 3：リッチクラブ―金持ち同士は偶然以上につながっているか？― 第4章 インフルエンサーの抽出や最適な攻撃耐性に関する進展 4.1 SNSなどにおける口コミの影響力をビジネスに 4.2 口コミの影響力を表す指標 4.3 攻撃耐性の最適強化は本質的に難しい 4.4 機械学習的な高速近似解法 4.5 攻撃に最も強い玉葱状構造の創発 4.6 道具箱としての4章のまとめ コラム4：GoogleのPagaRankの技術面での先進性