Slide 1
Slide 1 text
1
PGXによる学術⽂献データ分析
2017年6⽉2⽇
PGX ユーザー勉強会 #3
統計数理研究所 濵⽥ ひろか
のための準備
をしてみました
Slide 2
Slide 2 text
2
本⽇の内容
• About *
• 学術⽂献グラフデータ
• 利⽤元データ（Web of Science Core Collection）
• 分析システム（Neo4j ＋ Excel/R）
• 分析例
• デモンストレーション
• 課題
• 今後の展望
Slide 3
Slide 3 text
3
About Me
• しがないデベロッパー
• Master of Medical Science
• グラフDBは2016年9⽉から
• 好きな⾔語は Scala
• 憧れの⾔語は Haskell
• 気になる⾔語は Kotlin
• 苦⼿な⾔語は JavaScript
• 2015年10⽉〜2016年8⽉まで
産休＆育休
Slide 4
Slide 4 text
4
About ISM
• 統計数理研究所
The Institute of Statistical Mathematics
-> ISM
• ⼤学共同利⽤機関法⼈ 情報・システム研究機構
The Research Organization of Information and Systems
-> ROIS
Slide 5
Slide 5 text
5
About Research
平成29年度公募型共同利⽤
重点テーマ2
学術⽂献データ分析の新たな統計科学的アプローチ
・研究⽬的
新たな研究⼒評価のための
指標(※)
を開発する
異分野融合の進展や効果を
公正かつ適切に評価するための指標
Slide 6
Slide 6 text
6
本⽇の内容
• About *
• 学術⽂献グラフデータ
• 利⽤元データ（Web of Science Core Collection）
• PGX向けサンプルデータ
• 分析例
• デモンストレーション
• 課題
• 今後の展望
Slide 7
Slide 7 text
7
利⽤元データ：学術⽂献
Slide 8
Slide 8 text
8
利⽤元データ：書誌情報
タイトル
著者
雑誌名
抄録/アブストラクト
キーワード
所在地
Slide 9
Slide 9 text
9
利⽤元データ：WoSXMLデータ
Slide 10
Slide 10 text
10
PGX向けサンプルデータ：詳細
• WoS Core Collection 2015 (Total Size: 702 MB)
• 書誌(2,426,708), 分野(23), キーワード(6,843,015) のみ
• Vertex File Size: ???, Edge File Size: ???
WOS:0021
WOS:0011
adhesion
Neurologic
disease
colon
CHEMISTRY
BIOLOGY
Subject
Source
Keyword
Slide 11
Slide 11 text
11
PGX向けサンプルデータ：例題案
• 分野間の結びつきが強いのはどこ？
① Subject – Source の分析
• 分野横断的に利⽤されるキーワードは何？
② Keyword – Subject の分析
WOS:0021
WOS:0011
adhesion
Neurologic
disease
colon
CHEMISTRY
BIOLOGY
Subject
Source
Keyword
①
②
媒介中心性 ?
平均距離 ?
コミュニティ
分析 ?
やっぱりBC ?
Slide 12
Slide 12 text
12
本⽇の内容
• About *
• 学術⽂献グラフデータ
• 利⽤元データ（Web of Science Core Collection）
• PGX向けサンプルデータ
• 分析例
• デモンストレーション
• 今後の展望
Slide 13
Slide 13 text
13
デモンストレーション
13
次回までに用意します
Slide 14
Slide 14 text
14
本⽇の内容
• About *
• 学術⽂献グラフデータ
• 利⽤元データ（Web of Science Core Collection）
• PGX向けサンプルデータ
• 分析例
• デモンストレーション
• 今後の展望
Slide 15
Slide 15 text
15
今後の展望
現行 計画
書誌データ
Web of Science Core
Collection
同左
データ範囲
2005年〜2014年
10年分
1981年〜2016年
35年分
DB Neo4j 3.1.0 Neo4j 3.1系最新安定版
データモデル
[ノード]
Source, Subject, DOI,
Address, Author
[リレーション]
classified, identify, reference,
produce, located
[ノード]
Source, Subject, DOI,
Address, Author,
Organization, Keyword,
Grant
[リレーション]
classified, identify, reference,
produce, located, location,
belong, relate, acknowledge
総ノード数 154,667,136 23.3（億）
総エッジ数 649,986,646 158.8（億）
DBサイズ 61.40GB （800GB）
Slide 16
Slide 16 text
16
今後の展望：新データモデル
&! % ' ' #' $ *
)!%
($&! )!$ %'& $ & + ' &*&
$& %%
! %&+" $ & !)
+$ $ &
!&! -%!'$.%!'$
!& "$!' $$ &+
+$ $!
%# !
$"$ &
'$%%
!
&+ %"+ )' )' %%! !
%&& ' &! &! %%
!' &$+ )!%%& $ "'&+" "'&+" %%
," $%& "'+$ "'+$ $& !
%& %!$&& %!$&&
$ " "
% " "
!$ ,&! &&%!'$ &&%!'$
%'!$ ,&! &&%!'$$( &&%!'$$(
&&$(%! &&$(%!
&&$( &&$(
&&$( &&$(
&&& &&&
%&$& %&$&
Author
<>
Source
<>
Source
<>
Address
<>
Subject
<>
Doi
<>
Organization
<>
Keyword
<>
Fund
<>
Acknowledgement
<>
Slide 17
Slide 17 text
17
今後ともどうぞよろしくお願いします
Twitter
-> @hrk0619
関連スライド
-> https://speakerdeck.com/hiroka0619
統数研オープンハウス
-> 6⽉16⽇ (⾦) 10:30 – 17:40
10:30 – 12:30の間は
ポスター説明に立っています.
ぜひお越しください !