NetMiner

NetMiner обеспечивает единое управление разнообразными типами данных — сетевыми (узлы и связи), табличными и неструктурированным текстом — в рамках одной платформы. Это позволяет пользователю провести весь цикл анализа без перехода между разными программами. Платформа поддерживает большое число аналитических методов, что даёт возможность получать новые знания при комбинировании различных подходов. Аналитические результаты могут сохраняться и переиспользоваться в рамках дальнейших сценариев анализа (Add to Dataset).

• Графовый и сетевой анализ: включает центральность, выделение сообществ, блоковое моделирование и метрики схожести.
• Машинное обучение: реализованы алгоритмы регрессии, классификации, кластеризации, ансамблевого обучения.
• Графовые нейронные сети (GNN): поддерживаются модели, такие как GraphSAGE, GCN, GAT, которые обучаются на свойствах узлов и структуре графа.
• Обработка текста (NLP): применяет заранее обученные глубокие нейронные модели для анализа неструктурированных текстов, включая распознавание именованных сущностей и выделение ключевых слов.
• Текстовая аналитика и анализ текстовой сети: формирование сетей совместной встречаемости слов, тематическое моделирование (LDA), что позволяет выявлять тематику и семантическую структуру данных.
• Визуализация данных: предоставляет расширенные инструменты графовой визуализации, поддерживает различные алгоритмы расположения. Результаты анализа (например, центральность, общины) отображаются прямо на графе через размер, цвет и положение узлов, что облегчает визуальное восприятие.

В NetMiner интегрированы внешние крупные языковые модели, такие как OpenAI GPT и Google Gemini, что позволяет интерпретировать комплексные результаты анализа на естественном языке, формулировать краткие выводы и предлагать дальнейшие шаги для исследования.

Программа построена по принципу, отражающему реальные сценарии анализа данных, с иерархией: проект → рабочее пространство → набор данных → отдельный объект данных. Веб-интерфейс NetMiner обеспечивает наглядность и снижает сложность использования.

NetMiner 5 поддерживает Windows 10 и новее, а также macOS 11 на базе чипов M1 и выше. Доступны как академические, так и коммерческие лицензии^[3].

NetMiner Extension — это небольшие модули для расширения функциональности программы и индивидуальной настройки под собственные задачи. Добавив расширение, пользователь может расширить тематику и методы своего исследования.

NetMiner позволяет собирать данные с YouTube, OpenAlex, Springer и KCI через открытые API. Полученная информация автоматически предобрабатывается и преобразуется под внутренний формат NetMiner без необходимости писать код или использовать сторонние утилиты.

• SNS Data Collector: инструмент для сбора данных с социальных сетей, в частности с YouTube.
• Biblio Data Collector: модуль для получения библиографических данных из Springer, OpenAlex и KCI, используемых для анализа научных трендов.

• .NMF

• Текстовые данные: .TXT, .CSV
• Microsoft Excel: .XLS, .XLSX
• Неструктурированные текстовые данные: .TXT, .CSV, .XLS(X)

※ Только для NetMiner 4

• Данные NetMiner 2: .NTF
• Данные UCINet: .DL, .DAT
• Pajek: .NET, .VEC, .CLU, .PER
• Данные StOCNET: .DAT
• Graph Modelling Language: .GML (только импорт)

Родственные программы

• UCINET
• Pajek
• Gephi
• StoCNET

NetMiner 5 поддерживает не только графовые данные (узлы и связи), но и табличные, а также неструктурированные данные без фиксированной схемы и идентификаторов. Это облегчает импорт различных исходных данных для задач машинного обучения. В одном рабочем пространстве можно одновременно управлять наборами узлов, связей, а также структурированными и неструктурированными данными. Множественные графовые слои в одном наборе узлов могут быть структурированы в виде дерева, что облегчает понимание текущих данных.