Google Code Jam 参加報告(QR) - nokunoの日記
Google Code JamのQR(Qualification Round、つまり予選）に参加したのでその報告です。実装はPythonです。 Dashboard - Qualification Round 2011 - Google Code Jam A BotTrust２人のロボットが順番にそれぞれ自分の担当のボタンを押していく。このとき片方が移動中はもう片方も動けるので、可能なかぎり次の目的地に近づくように動くようコーディングした。 #!/usr/bin/env python import sys test_size = int(sys.stdin.readline()) for x in range(1, test_size+1): row = sys.stdin.readline().strip().split(" ") number = int(row[0]) pairs =
自然言語処理・機械学習関係の国際会議 - nokunoの日記
以前論文の探し方のまとめのまとめを書いたのですが、やっぱり自分でまとめないと興味のある学会とかが分かりづらいですね…と、WWW2011の予稿集を見つけて思ったのでした。リンク先は学会ページか今年の会議のページです。 自然言語処理 ACL ACL2011NAACLEMNLP2011 機械学習 NIPS NIPS2011ICML2011 データマイニング SIGKDD KDD2011SIGMOD SIGMOD2011 Web WWW2011SIGIR SIGIR2011 その他 VLDB VLDB2011この辺りの学会で論文読み会とかできたらいいなあ。ACMのSIGなんちゃらは予稿集を公開していない（個人だとACM Portalで有料で見るしかない）ことも多いですが…。他にオススメあったら教えてください。特に実装系ぜんぜんわかりません。ツイートする
WWW2011の論文メモ - nokunoの日記
というわけでWeb系で世界最大（級）の国際会議、WWW2011の予稿集が公開されていたので、軽く流し読みしたメモを公開します。WWW 2011 Proceedings and Supplemental PublicationOnline Spelling Correction for Query Completion入力中のクエリに対してスペル訂正をかける話。不完全なクエリのさらにスペルミスを訂正する難しさと、リアルタイムに処理する難しさが合わさったタスクにチャレンジしている。モデルはTokyoNLPでのサーベイの延長線上にあって、エラーモデルを誤りペアのN-gramで確率モデル化している。…のだが、p(c→q)は条件付き確率p(q|c)のハズなのに同時確率p(c,q)として扱われている。同時確率だとp(c,q)p(c)になって訂正候補のpopularityが過大評価されてしまいそうだ。
ソーシャルネットワークにおける誤報の伝搬 - たまにへこむ日記
たまには真面目な話。他と毛色が違うのでウザかったらスルーしてくださいまし。。 客先打ち合わせに行く前に次の文献見てました。まさかその客先で地震にあって、その後文献の内容が現在進行形で動くとは夢にも思わない。 WWW2011 / Limiting the Spread of Misinformation in Social Networks Ceren Budak, Divyakant Agrawal and Amr El Abbadi この文献は、Twitterなどのソーシャルネットワーク上において誤報が拡散しやすいこと、およびその誤報を防ぐための技術的な解決案を提示したものです（解決案については省略） 序文抄訳すると次の通り： ソーシャルネットワークは、非常に素早くニュースを拡散できるというメリットがあり、そのスピードは一般のマスメディアも凌駕することがある。 マイケルジャクソンの死の情
「Twitterユーザーの僅か0.05％が全体の半分も呟き」米研究より #SNS #Twitter : DON
2011年04月15日20:32 カテゴリSNSニュース 「Twitterユーザーの僅か0.05％が全体の半分も呟き」米研究より #SNS #Twitter さて、置きっぱなしになっていた記事の残りを紹介していきます。２週間以上前の記事で恐縮です。 Tweetの半分が、0.05％のユーザーによる呟きだとする研究結果がアメリカで出ました。mashable.comが報じています（2011年３月28日付け）。0.05％というのは２万人に相当するそうです。ちなみに毎週呟かれるTweetは10億だとの事です。 ヤフー・リサーチの「誰が何を誰にTwitterで言ってるか」（“Who Says What to Whom on Twitter.”）という題名の研究によると、僅か0.05％のソーシャル・ネットワークのユーザーベースが注意を引きつけていると言う訳だ。 ちなみに原文はこちらからダウンロード出来ま
国際会議WWW2010論文感想その２ （ソーシャルネットワーク，情報信頼性）: 土方嘉徳 公式ブログ e-biz Diary
Jure Leskovec, Daniel Huttenlocher, Jon Kleinberg: Predicting positive and negative links in online social networks, Proc. of WWW'10, 2010. 複雑ネットワーク，ソーシャルネットワーク，情報信頼性，極性判定 ソーシャルネットワークにおいて，エッジのpositive/negativeを判定する論文である．データセットは，Epinions, Slashdot, Wikipediaの3種類を独自にクローリングして用意している．ソーシャルネットワークにおいて，局所的なリンク情報を特徴量として，機械学習（ロジスティック回帰）により，ノードu→v間のエッジの極性(positive/negative)を判定している． 特徴量としては，(a) uの出次数やvの入次数（po
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
WordPress.com