Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
誰でも情報通になれる人力情報収集プラットフォームGrapevinet
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
Ryo Kanbayashi
September 30, 2024
Programming
31
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
誰でも情報通になれる人力情報収集プラットフォームGrapevinet
昔、未踏に応募した時のスライド
Ryo Kanbayashi
September 30, 2024
More Decks by Ryo Kanbayashi
See All by Ryo Kanbayashi
私がチャレンジしたSBMデータマイニング
ryo_grid
0
14
仮想マシンを用いた分散システムの耐故障性評価環境
ryo_grid
0
15
SS2PLを採用しているSamehadaDBでのPhantom Read抑止ロジックの検討
ryo_grid
0
32
Other Decks in Programming
See All in Programming
UPDATE をやめる — EF Core でマスタをバージョン管理する
panda728
PRO
0
1.2k
[Rails World 2026] Durable orchestration on Rails: from continuation to workflow
palkan
1
750
作って学ぶSpring BootのAuto Configuration / JJUG Night Seminar 2026-10-19
rshindo
0
180
ハーネス設計入門 〜 基礎知識の整理から実務へのステップアップ 〜
kinopeee
28
33k
Findy - エンジニア向け会社紹介/Findy Company Deck
findyinc
6
400k
AWSに止められる覚悟してますか?
morizo_1984
2
540
なぜCTOを降りてFDEを選んだのか?〜なぜプロダクト企業がFDEで顧客の現場に踏み込むのか〜
gonta
1
220
パスワード再設定メールのURLについて知っておこう
uyuki234
0
160
コードレビューのボトルネックを"する側"と"される側"の両面から解消する
yub0n
2
1.6k
Kotlinの15年とServer-Side Kotlin
n_takehata
1
150
Lambda durable functionsでHuman in the Loopを楽に…楽に……
har1101
0
100
IBM Bob Dojo #1 仕様駆動開発入門
oniak3ibm
PRO
0
400
Featured
See All Featured
Making the Leap to Tech Lead
cromwellryan
135
10k
GraphQLとの向き合い方2022年版
quramy
50
15k
It's Worth the Effort
3n
188
29k
Bootstrapping a Software Product
garrettdimon
PRO
306
120k
The AI Search Optimization Roadmap by Aleyda Solis
aleyda
2
6.3k
First, design no harm
axbom
PRO
2
1.3k
Leveraging LLMs for student feedback in introductory data science courses - posit::conf(2025)
minecr
1
440
世界の人気アプリ100個を分析して見えたペイウォール設計の心得
akihiro_kokubo
PRO
74
43k
Building an army of robots
kneath
307
47k
Building the Perfect Custom Keyboard
takai
2
910
A brief & incomplete history of UX Design for the World Wide Web: 1989–2019
jct
2
540
Ten Tips & Tricks for a 🌱 transition
stuffmc
1
270
Transcript
1 誰でも情報通になれる人力情報収集 プラットフォームGrapevinet 筑波大学第三学群情報学類3年 神林 亮
2 みんなで助け合ってWebを見れたら 素敵じゃないですか?
3 自己紹介 ◼筑波大学にAC入試で入学した学部3年生 ◼本来の専門はグリッドコンピューティング ◼ここ一年は情報推薦システムをいくつか開発 コミュニティ可視化サービス 高校時代に立ち上げたグリッドのプロジェクト
4 いままでに作ってきた情報推薦システム Kikker はてブおせっかい kookle
5 一つのことに気付いた
6 人に聞いた方が早い
7 ⇒×身近に適当な人がいない ⇒◎可能であれば最高
8 誰でも適切な人から情報を教えて もらえるような場があればよい 人力による相互情報推薦プラットフォーム
9 = 私の提案するGrapevinet Grapevine(噂の秘密経路)+Net
10 何ができるのか ◼ あこがれのXXXさんと同じ情報を追う ◼ XXX界隈の人たちは何に興味を持っている のか知る 可能!!
11 Dさん Grapevinetの仕組み ◼ ユーザが相互に結びついたもの(仮想的NW) Push Relay Arrive Arrive Arrive
:ユーザ :情報(URL) 「ミルグラムの6次の隔たり」が アイデアのベース Aさん ◼ 情報はユーザ達にリレーされ適切な者の元に届く ◼ 各ユーザはGrapevinet上に情報を見つけては流す Cさん
12 ミルグラムの6次の隔たり ◼ ある人の写真と名前の入った封筒を用意 ◼ 「この人を知っていればこの封筒を渡して下さい、 そうでなければ知っていそうな人に渡してくださ い」 ◼ 届いたものは平均6人を介していた
Grapevinetでも少ない中継数で 情報が届けられるであろうと期待できるはず
13 利用方法(全体像) Grapevinetに参加する リレー用ソフトウェア導入 Grapevinetに情報を流す リレー用ソフトウェアでリレーする 届いた情報を取得する NW最適化 NWの学習
14 利用方法(全体像) Grapevinetに参加する リレー用ソフトウェア導入 Grapevinetに情報を流す リレー用ソフトウェアでリレーする 届いた情報を取得する NW最適化 NWの学習
15 Grapevinetに参加する :ユーザ :情報(URL) Aさん Bさん ◼ 先に参加しているユーザに招待してもらう
16 利用方法(全体像) Grapevinetに参加する リレー用ソフトウェア導入 Grapevinetに情報を流す リレー用ソフトウェアでリレーする 届いた情報を取得する NW最適化 NWの学習
17 Grapevinetに情報を流す ◼ ブラウザで見ているページのURLを1クリック で流すことができる
18 利用方法(全体像) Grapevinetに参加する リレー用ソフトウェア導入 Grapevinetに情報を流す リレー用ソフトウェアでリレーする 届いた情報を取得する NW最適化 NWの学習
19 リレー操作用クライアント スタート リレー要求通知 Ryoからリレー要求 が届きました 2:56 ②Click ①通知 Grapevinet
Relay Client Aさん 未踏について知りたい Bさん Javaについて知りたい Cさん Webについて知りたい 下期未踏ユース 公募開始 未踏 IPA ユース ③内容を読む ⑤適切な ユーザに送る ④評価づけ
20 利用方法(全体像) Grapevinetに参加する リレー用ソフトウェア導入 Grapevinetに情報を流す リレー用ソフトウェアでリレーする 届いた情報を取得する NW最適化 NWの学習
21 ネットワークの自動最適化 ユーザは情報取得ごとに 発信元に近づく クラスタができていく いつのまにか情報通に!! 各ユーザは自然と適切な人々の 近くに行ける
22 デモ 最適化過程のシミュレーション 結果の可視化
23 利用方法(全体像) Grapevinetに参加する リレー用ソフトウェア導入 Grapevinetに情報を流す リレー用ソフトウェアでリレーする 届いた情報を取得する NW最適化 NWの学習
24 ネットワークの学習による自動リレー Push Relay Arrive Arrive Arrive :ユーザ :情報(URL) Aさん
Auto Relay ◼ 過去の経路と照らし合わせて一致すれば自動的 にリレーする ◼ 人の負荷を軽減する Dさん
25 Grapevinetのビジョン ◼ 世界中の情報が適切な人のもとに届く そんな世界を実現します!! ◼全世界の人々のネットワーク ⇒プロトコルをオープンにします
26 現状と進め方 ◼現在はシミューレションをしている段階 ◼開発期間前半でプロトタイプを完成 ◼早い段階で公開して意見をもらいつつ開発を 進めていく
27 ご清聴ありがとうございました
28 ご質問をどうぞ
29 これ以降は質問の時のためのスライド
30 人力を使う上での問題 Grapevinetでの情報伝達は人間が行う リレーの平均ホップ数増大 ユーザ負荷増大 絶対に避けなくてはならない
31 アーキテクチャ ◼ サーバサイドとクライアントサイドから成る ◼ サーバが情報を中継 Next = 実装2 具体的な利用方法
Web サーバサイド クライアントサイド ユーザ情報ページ リレークライアント トポロジの管理&分析 Push Relay Arrive Read
32 ユーザ情報管理ページ ◼ 過去に見た情報 ◼ ユーザの興味 ◼ ユーザ間の繋がり
33 インセンティブ ◼ 人に教えたいという欲求 ◼ 各ユーザは情報を流せば 流すほどより良い位置に 行くことができる ◼ 最悪の場合はサーバで
規制をかける