はじめに
センサデータをはじめとしたテーブルデータ，テキストデータ，画像データなどデータには様々な形式がある。近年着目されているネットワーク/グラフデータは，これらとは異なる形式であり，分析方法も独特なものである。製造業においては，センサデータにおける機器の入力・出力関係などを表現することが考えられるが，これ以外にもつながりが含まれるデータが多く存在する。
データのつながりに着目した新たなデータ分析の手法を学ぶために，黒木裕鷹・保坂大樹 著 「データのつながりを活かす技術〜ネットワーク／グラフデータの機械学習から得られる新視点」を読むことにした。
本書の見どころ
本書は，ネットワーク分析やグラフニューラルネットワーク(GNN)に興味がある読者にとっては，以下の理由により有益だと感じている。
前提知識もあまり必要としておらず，GNNの導入部分の理解までは進められると考えられる。
ネットワークとしてデータを眺める方法論が説明されている。
ネットワーク分析を行なうためには，ネットワークデータを入手する必要がある。第2.2節 「ネットワークを発見する」では，もともとはネットワークデータとして作られたものではないが，ネットワークデータとして捉えるための様々な観点が紹介されていて，非常に参考になった。
データは，分析するときのことを考えて蓄積されているとは限らないため，ネットワーク分析をしたい対象のデータが，ネットワークデータとし保存されている保証は無い。ただ本節で紹介されている
- 行動・状態を探し，結ぶ
- 共起関係を探し，結ぶ
- 移動・流れを探し，貼り合わせる
- 距離や類似度から完全グラフを作る
というデータの見方・事象の捉え方は，既存のデータからネットワーク構造を取り出すための方法論なので，普通のデータにネットワーク分析を適用するために重要である。
GNNにつながる他の技術が丁寧に説明されている。
グラフニューラルネットワーク(GNN)は，近年注目されている技術の1つである。ただ，前提知識が少ない中では理解に時間がかかる。
本書では，ノードの中心性といったネットワークの定量的指標やノード埋め込み，グラフラプラシアンといったGNNの理解を助ける各種概念が説明されているので，GNNの章の内容が理解しやすかった。
読書メモ一覧
第1章 ネットワークデータの基礎
第2章 ネットワークデータの発見・観測・構築
2.1 分析前の確認事項 / 2.2 ネットワークを発見する
2.3 ネットワークデータを観測・入手する
2.4 ネットワークのデータ形式 / 2.5 ネットワークデータのハンドリング
第3章 ネットワークの性質を知る
3.1 どのようなノードか
3.2 二つのノードはどのような関係にあるか
3.3 どのようなネットワークか
3.4 NetworkXを用いてネットワークの特徴を知る
第4章 ネットワーク機械学習タスク
第5章 ノード埋め込み
5.1 表データを対象とした機械学習の復習 / 5.2 単語埋め込み
5.3 ノード埋め込み
stern-bow.hatenablog.com
stern-bow.hatenablog.com
stern-bow.hatenablog.com
stern-bow.hatenablog.com
