イソジン祭り吉村大阪府知事が，新型コロナウイルスの感染者に殺ウイルス効果のあるうがい薬でうがいをしてもらったところ、唾液（だえき）の検査で陽性となる割合が減ったとの研究結果を紹介したことで，うがい薬が品切れになるなど社会問題になっています． この問題に対してネット上ではどのような反応があったか確認してみましょう． ツイッターデータ分析8月4日～5日18時までの間で，「ポビドンヨード，イソジン，府知事」など関連する単語を含むツイートを1,474,840件集めました． 1日半で150万近いツイートが投稿されていますから，かなり大きな話題になったことがわかります． ちなみに，そのうちリツイートが109万程度で，オリジナルツイートは40万程度です． 一時間ごとのツイート数はこんな感じ． 一時間ごとのツイート数(著者作成)データを見る限り8月4日14時20分くらいに吉村知事の会見が放送され，イソジン
While Google leads the way in web search and Yahoo leads the way in answers, many upstart services are attempting to help you make decisions by giving you smarter answers to your questions. Microsoft has billed its new search offering Bing as both a "decision engine" and an "answer engine." Now there's Hunch, a new start-up founded by Flickr's Caterina Fake, which also aims to be a decision engine
ソーシャルブックマークにおけるユーザ間の類似度を考慮したスパマー検出： 渡邊桂太，高橋翼，北川博之（筑波大） Analysis of Web Spam Structure Using Recursive Strongly Connected Component Decomposition： Young-joo Chung，Masashi Toyoda，Masaru Kitsuregawa（東大） リンク構造とコンテンツを相補的に用いた極少訓練事例からのスプログ発見： 佐藤翔平，関和広，上原邦昭（神戸大） 順序保存ダイジェスト法によるWebページ間の部分複製検出： 櫻井俊之，松尾義博，菊井玄一郎（NTT） 素性の分割利用による識別性能の向上とスプログへの応用： 有久亘，佐藤一誠，中川裕志（東大）
2 ：名無しさん＠３周年：04/11/24 21:03:16 おい、誰か2 ゲットしろよ! 3 ：名無しさん＠３周年：04/11/25 01:07:37 誰も書き込みしてくれないなんて。。。 /ヽ /ヽ / ヽ / ヽ ＿＿＿＿＿＿ /U ヽ＿＿＿/ ヽ | ＿＿＿＿ ／ U :::::::::::U:＼ | |?/// /Vヽ /／ ＿__ ＼ ::::::::::::::| 何このスレ…？ | |?ｌｌ ｌ ｌﾉﾉﾉ))〉| | | U :::::::::::::| | |ヽｌ ´∀｀ﾉ|||U | | ::::::U::::| | ||/ヽ!ﾄv^ ﾘ?| ├―-┤ U.....:::::::::::::::::::/ | |＿＿＿＿ ヽ .....:::::::::::::::::::::::< └＿＿
LIBSVMとは LIBSVMはChih-Chung Chang とChih-Jen Lin によって作成された、サポートベクタマシンライブラリである。 現在はバージョン2.85がリリースされている。 LIBSVM は、サポートベクタ分類器（C-SVC、nu-SVC）、回帰分析（epsilon-SVR、nu-SVR）、分布評価（１クラスSVM）のための統合ソフトである。 マルチクラス分類もサポートしている。 様々なインターフェースが用意されているため、ライブラリとユーザープログラムを簡単に統合することが可能である。 以下のような機能、特徴を含んでいる。 異なったSVM の計算式が用意されている. 効率的なマルチクラス分類ができる. モデル選択のためのクロスバリデーション*1. 可能性予測. 偏ったデータのための、重みつきSVM. C++ とJava のソースコード. SVM 分類と回帰分析
最新研究会案内 † 第1回研究会 2008年9月13日(土) 10:00〜18:00 東京理科大学 九段校舎 人工知能学会第22回全国大会（JSAI2008）オーガナイズド・セッション「ファイナンスにおける人工知能応用」 2008年6月11日(水)〜13日(金) ときわ市民ホール・勤労者福祉総合センター（旭川市） キックオフ研究会 2008年5月13日(火) 18:00〜 田町キャンパス・イノベーション・センター このページについてのご意見等は tori (at) is.nagoya-u.ac.jp までお寄せ下さい． Since 2008/01/18 2008-01-21 (月) 10:21:22
群衆の叡智サミットは、SBMや予測市場やOSSなど多くの人が参加することで価値を生み出すメカニズムや事例について議論をして、理解を深めていくことを目的に開催されています。 自分がやっているshuugi.inに直接関係する話であり、CGM系のWebサービスを作っているなら押さえておきたい話でもあるので、非常に面白かったです。第二回目になるらしいですが、Springとついているので年内にもう一度開催する予定なのかな？ 発表はUstで流されたものがそのまま公開されています。 WOCS2008Spring 以下まとめと感想です。誰の発言かあんまりメモっていなかったので セッション1：「群衆の叡智」につながる条件とメカニズム Webサイト、企業内・企業間のコラボレーションの事例についてのお話でした。 はてなブックマークご紹介 株式会社はてな 伊藤直也氏（id:naoya） みんなで面白いURLをブッ
集客のためによかれと思ってやっている、さまざまなマーケティング手法。なのに結果がついてこない、アドバイスを聞いてもなんとなく納得いかない……とお悩みの方は多いのではないだろうか。もしかしたらそんなあなたと、あなたの周囲のウェブマーケティングは、どこかが「変」なのかもしれない。 デジタルフォレスト 清水昌浩氏が、実話をもとにウェブマーケティングの問題点とその解決策を読み解くシリーズ。 サイトの問題点を改善するとき、あなたは何を頼りにするだろう。過去の成功例、周囲のアドバイス……。いろいろあるが、それは本当にサイトにとって大きな効果を生むものなのだろうか？ そもそも、改善するべきその問題が生じた原因を明らかにしなければ、前には進めない。ここでは、適切な分析と施策の判断について、具体的な事例を挙げて紹介していく。 第1回となる今回のテーマは、「コンバージョン数の向上」。コンバージョン数の向上は多
[ 一般 ] weka wiki 自分に要るところしかがんばらなーい 編集 履歴 添付 設定 新規ページ作成 メニュー このウィキの読者になる カテゴリー 最近更新したページ 2006-04-22 FrontPage 2006-04-19 classifiers.trees.J48 Classifiers unsupervised.attribute.Discretize supervised.attribute.Discretize classifiers.meta.OrdinalClassClassifier exp1 2006-04-18 unsupervised.attribute.AddExpression 2006-04-15 classifiers.meta.AdaBoostM1 bayes wekaword Clusterers 2006-04-13 supervised.
1.1 データ・マイニングとは データが多すぎて必要な情報が得られない — 多くの企業や業界がこの問題を抱えています。ほとんどの企業は膨大な量のデータを保有しており、そこには多くの情報が隠れていますが、「隠れている」ことが通常の状態になっています。データの量が多すぎて、従来のデータ分析手法では対応できていないのです。 データ・マイニングは、データの中に埋もれている情報を見つけ出す手段を提供します。データ・マイニングでは、複雑に絡み合った大量のデータの集まりに隠されたパターンを見つけ出すモデルを作成します。このようなパターンは、膨大な属性の数、パターンの複雑さ、または分析を実行するにあたっての難しさといった理由で、従来の統計的分析アプローチでは捉えきれないことがあります。 1.2 データベース内でのデータ・マイニングとは 通常、データ・マイニング・プロジェクトでは、モデルの作成前後に、膨大な
ようこそ！ 長岡技術科学大学 電気系 自然言語処理研究室へようこそ。本研究室では、自然言語処理とテキストマイニングに関する様々な研究を行っています。 最近の研究室 国際会議に２件採録されました(9/4) 今年11月にフィリピンのセブ島で開催される自然言語処理に関する国際会議 PACLIC 22に本研究室から２件の論文が採録されましたので ご報告します。 Extracting Troubles from Daily Reports based on Syntactic Pieces [ 国際会議#08PACLIC-kakimoto ] Generating Story Reviews Using Phrases Expressing Emotion [ 国際会議#08PACLIC-ota ] オープンハウスを開催しました(8/25-29) 今年度もオープンハウスを開催して、「人工無
情報検索の分野において、tf–idf (または、 TF*IDF、TFIDF、TF–IDF、Tf–idf)は、term frequency–inverse document frequencyの略であり、コーパスや収集された文書群において、ある単語がいかに重要なのかを反映させることを意図した統計量（数値）である[1]。また、tf-idfは情報検索や、テキストマイニング、ユーザーモデリング（英語版）における重み係数（英語版）にもよく用いられる。ある単語のtf-idfの値は文書内におけるその単語の出現回数に比例して増加し、また、その単語を含むコーパス内の文書数によってその増加が相殺される。この性質は、一般にいくつかの単語はより出現しやすいという事実をうまく調整することに役立っている。今日、tf-idfはもっとも有名な語の重みづけ(term-weighting)手法である。2015年に行われた研究
文書クラスタリングの基礎 大西 祥代，廣安 知之，三木 光範 ISDL Report No. 20070913004 2007年 4月 24日 Abstract 文書クラスタリングでは，文書の定義，クラスタリングに用いる類似度の定義，クラスタリング手法などに特徴的な点がある．そこで本報告ではそれらをまとめ，文書クラスタリングに対する理解を深める． 1 はじめに 知的システムデザイン研究室では，ISDLレポートと呼ばれる研究報告を現在までに1300本以上Web上に公開している．多くのレポートが存在するが，レポートの分類は行われていないため，クラスタリングにより自動的にレポートのグループ化を行うことを目指している．しかしISDLレポートのような文書に対するクラスタリングではいくつか特徴的な事項があり，それらを考慮する必要がある．そこで本報告では文書クラスタリングに関する特徴点をまと
第3回の今回は、これまでとは話の内容を転換して、テキストマイニングの技術的な内容について言及していきたい。テキストマイニングを支える技術には、「自然言語処理技術」と「データマイニング技術」がある。 実は自然文のテキストデータは、そのままの状態では分析することができない。そのため、「自然言語処理技術」の形態素解析や構文解析といった処理を行い、単語の出現の有無などを表現するために定量的なデータに変換する。 「データマイニング技術」としては、同時に出現する単語間の関連性を見る「アソシエーション分析」、テキスト間の類似性からグループ化するのに利用される「クラスター分析」などがある。 では実際に、野村総合研究所（NRI）が自社開発したテキストマイニングツール「TRUE TELLER」における処理を参考にして、具体的なテキストデータ処理の流れを見ていこう。 まず、図1のチャートを見ていただきたい。ここ
「テキスト情報から「次の一手」を決めるマーケットの本音を探索 ～ 『なずき』による感性分析を主軸とした新たなテキストマイニング ～」 株式会社エヌ・ティ・ティ･データ 法人ビジネス推進部 なずき推進室 商品企画・営業チームリーダ 尾崎 哲夫 氏 尾崎氏は、近年、インターネットの一般家庭への浸透によって、ブログに代表されるCGM（Consumer Generated Media）と呼ばれるテキストデータが増加、そのデータの活用が注目されていることに触れ、定性的なテキストデータは、分析に大変な労力を要する場合が多いものの、分析者の仮説を超える思いがけない回答が得られる可能性を指摘する。 従来、テキストマイニング手法としては、次の2つがあったという。 単語分析・・・文中から単語単位で切り出す方法 係り受け分析・・・文中から単語と単語の係り受けを切り出す方法 例えば、「住宅購入の目的は何ですか」と
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
