5ch(旧2ch)ではここ数年はTwitterを使用するようになってしまいましたが、ネットのミームの発信地点であって、様々なスラングを生み、様々な文化を作ってきたと思います。 学生時代、2chまとめとか見ていたので、影響を受けてきたネット文化で、感覚値からすると、どうにも流行り廃りがあるようです。 5chの過去ログを過去18年ほどさかのぼって取得する方法と、懐かしいネットスラングのドキュメントに占める出現具合を時系列でカウントすることで、時代の変遷でどのように使用の方法が変化したのか観測することができます。 文末に「orz」って付けたら若い人から「orzってなんですか？」と聞かれて心身共にorzみたいになってる— ばんくし (@vaaaaanquish) October 19, 2018 図1. 今回集計したorzの結果 例えば、今回集計した5chの書き込み500GByte程度のログからで
3年9か月もの間 、全世界を魅了してきたアニメ「プリパラ」が終わりました。 「キラっとプリ☆チャン」にも期待していますが、ずっと習慣で見ていた「プリパラ」が終わってしまったのは、とても寂しいのです。 自分は黄木あじみ先生が大好きでした。 ぶっとんだキャラの博覧会だったプリパラの、その最北端にいた奇跡のキャラクター、それがあじみ先生です。 あじみ先生、アバンギャルドを優に超越した、常人には理解不能な言動とは裏腹に、その持ち歌「パニック・ラビリンス」が良い事歌っているのです。 一見電波系な歌なのですが、その奥には「型にはまらずに生きていこう」というメッセージが込められた、あじみ先生が唯一「先生」している名曲なのです。 「君と夢混ぜて、出来た色、どんな名前つける？」 黄木あじみ パニック・ラビリンス そんなプリパラでは、たくさんの歌が作られました。 定番「Make it!」「 ドリームパレード」
ドメインにより意味が変化する単語の抽出 立命館の学生さんが発表して、炎上した論文を、わたしもJSAI2017に参加していた関係で、公開が停止する前に入手することができました 論文中では、幾つかのPixivに公開されているBL小説に対して定性的な分類をして、終わりという、機械学習が入っていないような論文でしたので、わたしなりに機械学習を使ってできることを示したいという思いがあります。（そんなに大変な問題でないように見えて、かつ、問題設定も優れていたのに、なぜ…） 炎上に対して思うところ(主観です) PixivのBLのコンテンツを参照し、論文にハンドル名を含めて記述してしまっており、作家の方に精神的な不可をかけてしまうという事件がありました。 非常にRTされている代表的なツイートは、以下のようになっています。 （該当ツイートは盗用との指摘を受けたので消しました、検索すれば出るものなで、大乗だと
こんにちは、ひにしです。 私は今年で33歳なのですが、かれこれ十数年前中高生の頃にハマったヴィジュアル系（以下、V系）の音楽を今でも心から愛しています。 どれくらい好きかというと、90年代V系を愛するバンギャ（※バンドギャル V系バンド好きの女性のこと）だけを集めたイベントを開催したり、ヘドバンについて調査したり、黒服で記事に出たり…というくらいには好きです。 そんなV系の歌詞は、Twitter上でもこんな風に語られるほど“あるある”にあふれています。 #V系歌詞あるある 「闇に溺れ過ぎ」 「紅に染まり過ぎ」 「孤独を感じ過ぎ」 「手首から血が流れ過ぎ」 「君が居なさ過ぎ」 「薔薇が舞い過ぎ」 「とりあえずヴェルベットって言い過ぎ」 — 磨童まさを (@masawo_viceat) 2016年7月8日 V系のファン以外は、「やたらと血塗られたり、夜を彷徨（さまよ）ったりしているんでしょ？」
総合研究大学院大学 複合科学研究科 情報学専攻 卒 博士（情報学） 自然言語処理や機械学習、データ分析に関する研究内容とwebシステムの開発と運用について書いています。 シリコンバレーベンチャーみたいに深い技術の事業化をしたいと思っています。 ご興味ある方はご連絡ください。 書籍化されてる作品とても多いのですが、一体どんな作品が人気集めるのでしょうか？ APIでメタデータを含め収集できますが、しかしAPIパラメータのstが、(1〜2000)なのでは、全部取得なんてどうやっても出来ないのでは... いや、 useridを全部チェックすれば、 一人2000以上投稿してる人がいなければ、全部取得できるのかもしれません。 とりあえず様々な昇順降順で2000件ずつ、 途中で何の原因か分からないのですが止まってたのですが、とりあえずapiで18万件取得できました。 そして、その中には当然重複があるの
角川アスキー総合研究所は4月1日、リアルタイム・エンタテインメント・ツイートランキング「CatchTheMoment」の紹介イベントを行いました。現地から可能な限りリアルタイムレポートしていましたが、Twitter Japan 牧野友衛氏辺りから後で書き足しています。 「CatchTheMoment」は、角川アスキー総合研究所のフィルタリング技術と、東京大学生産技術研究所 喜連川研究室の高速言語解析エンジンで、エンタテインメントに関する全量ツイートをリアルタイムに解析する技術です。 これに加えて、KADOKAWAグループのエンタテインメント辞書を使い「読む、見る、行く、買う、食べる、楽しむ」など、ソーシャルメディアでのコミュニケーションにおける生活行動を、Twitter上からリアルタイムに分析・可視化する、というものです。 店頭やECでの販売施策や、広告効果測定などリアルタイムなマーケティ
指定されたURLは存在しません。 URLが正しく入力されていないか、このページが削除された可能性があります。
というわけで、テキストマイニングが面白くて面白くて、 色々なデータを「KH Coder」に放り込んでは出来上がったデータ眺めています。 （テキストマイニングってのは要は膨大なテキスト群から単語等を抽出して関連づけて なにか面白いことわからないかな？っていうやつです。（適当）） 今回は、”スマイルプリキュア”と"ドキドキプリキュア”です。 結論から言うと、プリキュア２ｃｈ本スレをテキストマイニングして判ったことは、 やっぱり、 「星空みゆき」は、「物語の主人公では無く」 「相田 マナ」は、「物語の中心」だった。 です。（本気にしないでね） スマイルは2013年1月、ドキドキは2014年1月単月（要は各最終の月）に ２ｃｈ本スレに書き込まれた全レスを抽出し、 「ＫＨ Ｃｏｄｅｒ」に放り込んでテキストマイニングを行いました。 （要は1月まで残っていた「濃い」人のレスを拾いました） ＊＊＊＊＊＊＊
（これまでのあらすじ）前回、パソコン工房から「統計処理用のPCのPR企画をやりたい」と依頼を受けて、はてなエンジニアと一緒にword2vecで遊んでみた編集部。読者の皆さまにも好評だったので、調子に乗って第2弾を実施することにしました。今回は「"word2vec"で艦これ加賀さんから乳を引いてみる」で一世を風靡した、あの統計屋さんが全面協力です！ 記事の最後にはプレゼントのお知らせも。 （※この記事は株式会社ユニットコムによるPR記事です） 皆さまは前回の記事を、覚えておりますでしょうか？ ▽ Python - Perl + Java = ？ はてなブログのデータとパソコン工房のPCを使って「word2vec」で遊んでみた - はてなニュース パソコン工房の統計処理用PC × はてなブログのデータ × word2vec という記事でした。ブックマークコメントから感想をいくつかピックアップし
発端は、被害者というchomitama氏による下記ツイートだった。 はてなブックマーク - Twitter / chomitama: 昼からの摸倣犯の理不尽なメールです。世の中にはこのような方もいるということで書き手さんの皆様はお気をつけください。 ツイートを見ると、パクリをした加害者から送られたというメールのキャプチャ画像が公開されていた。画像を信じるなら、加害者は「めど」という名前らしい。 文体はそのままで登場人物だけを変えた小説を投稿し、それがパクリあつかいされる状況を止めるため、パクリ元にした被害者の作品を消すようにたのむ。なんとも身勝手すぎる内容のメールだった。 このツイートで被害者は盗作者を「模倣犯」と誤って表現していたが、後で正確な表現だったとわかる。 一連のツイートは下記Togetterにまとめられ、注目を集めた。現時点で、はてなブックマークが400以上もついている。 小説
こんばんは。夜の@oscillographです。 最近DMMアダルトがAPIを公開しました。 つまり、プログラムで直接データを取得できるようになったわけです。 ということで、今回はDMMアダルト（動画）の全タイトルを取得して 形態素解析を行うことによって日本のAVタイトルの特徴を分析しよう ということになりました。 手順としては、 DMM（ビデオ）のメーカーページを「あ」～「ん」までHTMLで取得 メーカーが特定タグに囲われていたので、正規表現パターンマッチで全メーカーを取得し、メーカー羅列をテキストに保存 テキストを読み込みながら各AVメーカーごとにapiを用いてAVタイトルを展開し、全メーカーのタイトルを取得 タイトルについて形態素解析を行うことによって単語を集計 正規化（全体の数で割ることによって割合で表す） という感じでやりました。 とりあえず、集計結果です。 上位３０位を抜き出し
文書間の類似度を求める方法の一つとして、コサイン尺度が挙げられます。コサイン尺度とは、2つのベクトルのなす角度であり、文書をベクトル化することにより、文書間の類似度を求めることが出来ます。 sub cosine_similarity { my ($vector_1, $vector_2) = @_; my $inner_product = 0.0; map { if ($vector_2->{$_}) { $inner_product += $vector_1->{$_} * $vector_2->{$_}; } } keys %{$vector_1}; my $norm_1 = 0.0; map { $norm_1 += $_ ** 2 } values %{$vector_1}; $norm_1 = sqrt($norm_1); my $norm_2 = 0.0; map { $nor
このアプリケーションの提供は終了しました。 「図書系職員のためのアプリケーション開発講習会」成果に戻る
OCLCが主催し、2009年3月18日から19日にかけて開催された、出版社と図書館向けのシンポジウムの各種資料がネット上で公開されています。このシンポジウムの目的は「出版社のサプライチェーンと図書館におけるメタデータの作成・流通・維持の現状モデルの検討」と「メタデータの作成・流通・維持の新しいパラダイムの検討」であり、出版社と図書館など、複数のコミュニティが参加してメタデータのライフサイクルにかかわっていく将来を展望する内容となっています。 Report on OCLC’s Symposium for Publishers and Libraries http://www.oclc.org/publisher-symposium/summary/default.htm
松村真宏さんがテキストマイニング用ソフトウェア「TTM: TinyTextMining」を公開した（2007-09-14）。csv形式で保存されたタグ付きテキストデータを読み込んで、 語のタグ別出現度数（単語頻度） 語のタグ別出現度数（文書頻度） 語×タグのクロス集計（単語頻度） 語×タグのクロス集計（文書頻度） 語×語のクロス集計（文書頻度） テキスト×語のクロス集計（単語頻度） を抽出できるWindows用ソフトウェアという。テキストマイニングに基づく分析や研究を行う上でのデータの前処理を非常に効率的にしてくれるだろう。「TTM: TinyTextMining」はフリーソフトウェアとして公開されており、誰でも自由に自己責任で使うことができる。また、インストール方法や利用方法について三浦麻子さんがまとめた資料もあわせて公開されている。すでに先行して公開されていたが、2007年9月22日（
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
