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

※この商品は固定レイアウトで作成されており，タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また，文字列のハイライトや検索，辞書の参照，引用などの機能が使用できません。
※PDF版をご希望の方は Gihyo Digital Publishing（https://gihyo.jp/mk/dp/ebook/2025/978-4-297-14785-3）も合わせてご覧ください。
ネットワークデータは，点と点の「つながり」によって表現されるデータです。決して特別なデータではなく，私たちの日常生活のさまざまな場面に存在しています。たとえば，SNSのフォロー関係やWebページ間のリンクのような明らかにネットワーク構造を持つデータだけでなく，ECサイトの購買履歴や株式市場の取引といった，一見ネットワークとは無関係に思えるデータにも，つながりの構造を見出すことができます。この「つながり」を活用することで，これまで見えなかったデータの新しい特徴を引き出すことが可能になります。
近年では，計算機リソースの向上や新しいアルゴリズムの登場により，ネットワークデータの実用化が急速に進んでいます。本書では，各手法について平易な言葉で解説することを目指すだけでなく，Pythonを用いたコード例を通じて，データの取り扱いから特徴抽出，さらにNode EmbeddingやGNNといった機械学習手法への応用までを実践的に紹介します。
また，単なる技術の羅列ではなく，身近なデータからネットワーク構造をどのように見出し，意味付けし，課題解決に結びつけるかという思考プロセスや応用事例にも重点を置いています。具体例としては，SNSのフォロー関係やWebページのリンクといった典型的なネットワークデータはもちろん，ECサイトの購買履歴やビジネス文書，さらにはレシートといった，通常「表形式」で扱われるデータに隠れた「つながり」を抽出・活用する手法を丁寧に解説します。
■■こんな方におすすめ
・ネットワーク分析を学びたい方，データから新しい知見を見つけたい方
■■目次
1章 ネットワークデータの基礎
1.1 ネットワークとは
1.2 さまざまなネットワーク
1.3 ネットワークデータの表現方法

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
2.6 本章のまとめ

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 2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
3.5 本章のまとめ

4章 ネットワークの機械学習タスク
4.1 ネットワークを対象とした機械学習タスクの整理
4.2 ノードを対象とした機械学習タスク
4.3 エッジを対象にした教師あり学習
4.4 ネットワーク構造を対象とした機械学習タスク
4.5 本章のまとめ

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
5.4 ノード埋め込みの実装
5.5 本章のまとめ

6章 グラフニューラルネットワーク
6.1 深層学習の発展と構造データの扱い
6.2 GNNのフレームワーク
6.3 グラフ畳み込みネットワーク
6.4 GraphSAGE
6.5 GATフィルタ
6.6 Relational GCN
6.7 GNNの実装
6.8 本章のまとめ

7章 さまざまな分野における実例
7.1 自然言語処理におけるネットワーク分析
7.2 金融分野におけるネットワーク分析
7.3 労働市場におけるネットワーク分析
7.4 情報推薦におけるネットワーク分析
7.5 ネットワーク科学とソーシャルネットワークの分析
7.6 生物学におけるネットワーク分析
7.7 本章のまとめ