本当？つぶやきから年代・性別推定の新技術 : 経済ニュース : マネー・経済 : YOMIURI ONLINE（読売新聞）
ＫＤＤＩ研究所は２７日、インターネット上のブログやツイッターにプロフィルの記載がなくても、過去に書き込んだ内容から、利用者の年代や性別などを推定する技術を開発したと発表した。 ネット上に書き込まれた商品やサービスに対する感想を自動収集し、年代や性別ごとに分類することで、市場調査への活用が可能になるという。 開発した技術は、利用者のＩＤを利用して過去の複数のコメントを読み取り、書き込まれた単語などから年代、性別、職業、出身地、趣味などを判定する。 例えば、「学校」「部活」「宿題」などの単語が多ければ「１０歳代の学生」、「梅田」「なんば」「やねん」などの書き込みが多いと「関西居住」と推定できることを利用した。
文字列検索アルゴリズムのAho Corasick法をRubyで適当に実装してみる - grafi-note
Ruby, AlgorithmAho Corasick法は、複数の文字列を高速に検索するアルゴリズムです。簡単に言えばwikipedia:クヌース-モリス-プラット法とwikipedia:トライ木を合わせたようなアルゴリズムで、KMP法ではマッチに失敗した時の位置を表の形で保持しますが、AhoCorasick法ではこれを「failure link」としてトライ木の上に構築します。なお、この木を利用したこのアルゴリズムは決定性有限オートマトンとして機能します。failure linkの指す先は、マッチに失敗した文字列の、先頭の一文字を削った時にマッチする位置に相当します。先頭の一文字を削ってもマッチする位置が無いなら二文字、三文字、と削っていった位置に相当し、何文字削ってもマッチしない場合はルートを指すことになります。検索する際はトライ木同様にルートから一文字ずつノードを辿っていくのですが、
Camomile
The project is moved to GitHub https://github.com/yoriyuki/Camomile. The contents of this page are out-of-dated. Camomile is a Unicode library for objective caml (a. k. a. OCaml or O'Caml) language. Camomile provides Unicode character type, UTF-8, UTF-16, UTF-32 strings, conversion to/from about 200 encodings, collation and locale-sensitive case mappings, and more. The library is currently designe
Sign in - Google Accounts
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
Faith and Brave - C++で遊ぼう - shared_ptr
切実にほしかった参照カウント付きスマートポインタ とりあえず完成です いつも勝手にお世話になってるmeltさんのとこからもらってきたのを boost::shared_ptr風にして機能拡張しました。 #include <functional> // less namespace shand { namespace detail { // shared_ptr<void>を作成するために参照型作成 template<class T> struct shared_ptr_traits { typedef T& reference; }; template<> struct shared_ptr_traits<void> { typedef void reference; }; #if !defined(_MSC_VER) || (_MSC_VER > 1300) // 1300 == VC++
エンジニア長期インターン GREE Studio 2010 5日目 | GREE Engineering
前回に引き続き、井上が書かせていただきます。 GREE Studio 2010 5日目の講義内容はデータマイニングエンジニア、moritaさんによる「データマイニング」。業務のログ解析において用いられるデータマイニングの内容です。前回はレポート形式でしたが、今回はもう少しエンジニアリングブログに近い形で書こうと思って頑張りました。宜しくお願いします。今回のブログの内容は、 データマイニングの基礎知識 大規模データへの挑戦 になります。後で定義しますが、ここでの「データマイニング」とはデータを取得し、集計する作業も含めてこの言葉を指すことにしています。また、解析者とはデータマイニングを行う人のことを指します。（GREEではデータマイニングエンジニアと呼ばれています。）moritaさんの講義で学んだことを自分なりに膨らましてみました。色々誤りがあると思いますが、そういった部分は（優しく）指摘し
rxを読んだメモ - 射撃しつつ前転 改
rxはGoogle日本語入力（Mozc）でも使われているTrieのライブラリである。LOUDSというツリーを表す簡潔データ構造を使ってTrieを実現している。第2回自然言語処理勉強会@東京に行ってきて、そういえばrxは読んでなかったなと思ったので、ちょっとだけ読んでみた。あくまでもメモ書きである。絵があると100倍ぐらいわかりやすくなる気がするけどメモなので絵は描きません。 読んだのは現在公開されている最新版であるrx-1.0rc4。 rxというのとrbxという2つの機能がある。rxが実現しているのはあくまでもtrieで、値的なものとしてはノードIDしか取れない。rbxはノードIDのような整数から、任意の長さのバイト列を引っ張ってくるためのライブラリ。普通の配列は当たり前だが要素が固定長であるので、要素が可変長であるというところがrbxの大きな特徴である。 rxでのエッジに対する文字割り当
vector, list, set, dequeのパフォーマンスを実験したよ - nursの日記
やあ子供たち。今日はSTLのstd::⇒ vector, list, set, dequeのパフォーマンス測定の実験をしたよ。以下のようなコードだ。試してみてくれ。 #include <iostream> #include <vector> #include <list> #include <algorithm> #include <ctime> #include <set> #include <deque> using namespace std; #define N 1000000 #define P 400000 class less_than_4000 { public: bool operator()( int i ){ return i<P; } }; int main( int argc, char* argv[] ) { vector< int > vec; list< i
tokyotextmining#2で発表したあずにゃんぺろぺろの補足 - 糞ネット弁慶
「サイヤ人レベルの人が来るのだから数式とか入れねば」とか悩んだ挙句発表時間内に説明しきれないという最も愚かな行為に及んでしまったので、ここで補足＋質疑応答＋俺の理解まとめ。ぶっちゃけこんな長文を誰も読まない事はわかっているが、「これは自分向けのメモなんだ」と言い聞かせながら書いてるし、実際自分が後で読んだ時に便利である。以下糞長い。 まずはスライド。 Query suggestion using hitting timeについて Query suggestion using hitting time MSRの論文。 スライドで何度も触れたように、これはクエリ-URL対、及びURL-クエリ対ではなく、クエリ-クエリ対に対するランダムウォークを用いた手法。クエリ-URLのランダムウォークを用いる既存手法は次のようなものがある。 Automatic multimedia cross-modal
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
アマゾン恐るべし
RT hyoshioka: @ yukihiro_matz 実はなんでBSDライセンスにしなければいけないか理解できない。利益より害の方が大きいと思う。
真字 プロジェクト日本語トップページ - OSDN