Wordで文献引用をするなら、Mendeleyを使えよ。修論とか色々捗るぞ。 - もっと早く知っていれば良かった
文献管理ソフトMendeley Mendeleyは言わずとしれた文献管理ソフトです。 以下のサイト等で詳しく紹介されています。 authority-site.com - このウェブサイトは販売用です！ - authority-site リソースおよび情報 落とした論文はほぼ自動で文献情報を集約してくれ、勝手にデータベースを作ってくれます。 Mendeley MS Word Pluginのインストール そんなわけで読みもしない論文を大量にDLし、Mendeleyに突っ込むというアホくさい文献充な 毎日を送っていたのですが、私にもいよいよ修論を書く時期がやってまいりました。 修論では引用文献を普段のレジュメでは考えられない量の文献引用をするはずです。 私の場合、多分100以上になると思う。なので、効率よく処理していかないと身体が壊れます。 latexにはbibtex等の強力な文献管理機
scipy.sparseでの疎ベクトルの扱い – はむかず！
Pythonで疎行列を扱うライブラリであるscipy.sparseについて、自分がハマってきたところをまとめてみようと思う。とくに、行列よりもベクトルとして扱ったとき（つまり行または列の数が1のとき）の注意点をまとめる。 基本的なことばかりなのかもしれないが、日本語の情報は少ないので、それでも役に立てるかもと思いました。まあ自分の勉強ノートみたいなもんです。 基本 scipy.sparseで提供される疎行列の形式はいくつかあるが、ここではとくにCOO(COOdinate)形式、LIL(LInked List)形式、CSR(Compressed Sparse Rows)形式、CSC(Compressed Sparse Columns)形式について取り上げる。 それらの違いについて、詳細は本家のドキュメントを参照して欲しいが、すごく大雑把にまとめると、 CSR, CSC形式は、同じ型同士の掛け
SciPyでの疎行列の扱い、保存など - 未来は僕以外の手の中
Python、特にSciPyは日本語でのドキュメントが少ないので、メモがてら記述。 単語文書行列などでは大規模疎行列になることがよくある。 そこで格納方法の工夫などを行っていく必要がある。 最もスタンダードな方法としては圧縮行格納方式などがある。 基本的に疎行列の要素は0なので、非零の要素の位置だけ覚えておこうという発想。 もちろん(?)SciPyには疎行列を扱うモジュールsparseが用意されている。 lil_matrixにて疎行列を生成。引数には行列の大きさ(m, n)を指定。 from numpy import * from scipy import io, sparse A = sparse.lil_matrix((3, 3)) # 疎行列生成 A[0,1] = 3 A[1,0] = 2 A[2,2] = 5 【Aの型、中身】 3×3行列であること、および非零の位置のみ格納されてい
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
処理を実行中です
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
