基于社区发现算法和图分析Neo4j解读《权力的游戏》

英文原文，中文翻译。2016年4月，数学家 Andrew Beveridge 和Jie Shan在数学杂志上发表《权力的网络》，主要分析畅销小说《冰与火之歌》第三部《冰雨的风暴》中人物关系，其已经拍成电视剧《权力的游戏》系列。他们在论文中介绍了如何通过文本分析和实体提取构建人物关系的网络。紧接着，使用社交网络分析算法对人物关系网络分析找出最重要的角色；应用社区发现算法来找到人物聚类。其中的分析和可视化是用Gephi做的，Gephi是非常流行的图分析工具。但本文作者觉得使用Neo4j来实现更有趣。于是就有了这篇有趣的文章，关于图分析上的常用概念都有提及，结合真实使用场景会更加有体感。
墨者修齐 2020-02-09 · 基于社区发现算法和图分析Neo4j解读《权力的游戏》、巴黎永不眠、FlowingData Best Data Visualization、情绪可视化、描述“好”的单词有多“好”、DOMO 的图表知识库 - 图1

巴黎永不眠

巴黎-每天有成千上万的乘客穿越这座城市-世界上最大的旅游胜地之一。而该城市的交通主干网由其地铁系统组成，该地铁系统以其密度和全天营运而闻名。正式的地铁地图会误导乘客分析时间和空间的距离，因为他们倾向于根据感知到的两点之间的最小距离来选择旅程。而实际上，列车的发车频次、速度等会随时间和客流的变化而变化，为了让用户可以更加准确的了解实际花费的时间等，一起来欣赏这个项目吧。
metropolitain2.gif
by 镜曦

FlowingData Best Data Visualization Projects of 2019

FlowingData公布了挑选出来2019十佳可视化项目Best Data Visualization Projects of 2019，包括最佳气候变化警告、最意想不到的R使用方式等。
image.pngimage.png
by 翎刀

情绪可视化

随着社交媒体的发展，集中研究在特定事件中人们的情绪成为可能，Sepandar D. Kamvar 和 Jonathan Harris 做了一个搜索人们情感的工具，同时用可视化的方式展现出来：
image.pngimage.pngimage.pngimage.png

网址的技术栈太陈旧还是以 applet 实现的：http://www.wefeelfine.org/
论文：We Feel Fine and Searching the Emotional Web
by @萧庆(xiaoqing)

描述“好”的单词有多“好”？

作者测试了 40 个单词，将好坏程度划分为 0-10 分，0 分代表非常差，10 分代表非常好。可以发现 perfect 可以算是形容“最好”的单词了。
（右图）而不同国家对于每个单词的好坏程度也有略微区别，作者测试了在美国和英国对单词的理解。
image.pngimage.png
by @十吾(shiwu-5wap2)

DOMO 的图表知识库

Screen Shot 2020-02-07 at 11.37.04 PM.png

Screen Shot 2020-02-07 at 11.37.35 PM.png

Screen Shot 2020-02-07 at 11.37.45 PM.png

原文链接
by @步茗Neo(neowang)

可视化美国各州最受欢迎的车辆

Img01.png
by @乌诺(wunuo)

发布预告

全面拥抱 TypeScript 的 G6 3.3.0 正式版 将于 2020-02-11 发布， 在 🧨性能强悍的 TS 版 G6 给您拜年来了🧨文章中，可以看到 G6 的性能已有大幅度的提升，但是缺少大量的的实验数据来佐证 G6 性能的提升幅度。

我们如何证明 G6 3.3.0 版本在性能上有大幅的提升呢， 敬请期待 2020-02-11 的发布文章。

Antv G6 是一款开源的图可视化与分析引擎，专注于关系数据。欢迎关注和 star 我们的 GitHub： > github.com/antvis/G6官网：> antv-g6.gitee.io/zh g6.png