二度ある事は三度ある．日本声優統計学会としての三度目のコミケ参加です． 内容 序文: 声優統計における言語情報と非言語情報 (@langstat) アニメ，声優，二次創作における百合ネットワークの考察 (@Med_KU)，(@biochem_fan) 複数の声優によるセリフの音響的類似性の考察:不愉快です (@Med_KU) 声優も「箱で推せ！」 -- 声優ファンにおける推し声優コミュニティの検出 -- (@kkobayashi) ソーシャルな声優イベント参加履歴に基づく声優ファン行動の定量化分析 (@MagnesiumRibbon) 続・続・声優統計入門 -- 初めてのテキストマイニング -- (@R_Linux) 今会いに行ける声優: ブログに登場する位置情報単語を用いた声優の出現位置予測 (@y_benjo) 声優の結婚時期予測2013: 2012年予測の精度，変化 (@y_benj

日本声優統計学会としての二度目のコミケ参加です． 内容は次のようなものです． 序文 (@toddler2009) トピックモデルを用いたニコニコ動画コメントデータの声優トピック流行推移解析 (@Med_KU，@biochem_fan) 声優活動における「元アイドル」の影響予測 (@kkobayashi) 声優ブログの「ご報告」エントリ自動検出システムの検討(@MagnesiumRibbon) 続・声優統計入門 −− 貧乳と巨乳の狭間で −− (@R_Linux) 処女膜から声が出ているか: (08/06 あまりに下品であるということで訂正しました) 音声による既婚声優の判別問題(@y_benjo) Labeled LDAを用いた声優のニコニコ動画における特徴的コメントの抽出(@y_benjo) 今回は前回の皆様に加え，@Med_KUさんと@biochem_fanさんに参加していただきました

10日，東ノ46-bにて，新刊「声優統計 第二号」，及び冬コミで出した既刊「声優統計 第一号」を持ち込む予定です． タイトル一覧決定しました →夏のコミックマーケットC84 10日土曜日東ノ46-bで「声優統計 第二号」を出します - 糞ネット弁慶

29日土曜日，東テ15-b，声優島の真っ只中にてサークル「日本声優統計学会」名義で「声優統計 第一号」を出します．DTPができる人間がいないのでコピー本です． 内容は次のようなものです． 声優統計入門 (@R_Linux) 声優統計とはそもそも何なのか，何が目的なのかを例題を用いて紹介 Wikipediaの声優PVデータ特性とブレイク判定手法 (@kkobayashi) WikipediaのPVデータを用いて新人声優のブレイクの定量評価を試みる キャスティング情報のbag-of-声優モデルを用いた音響監督推定問題 (@MagnesiumRibbon) キャスティングは音響監督によってのみ決定されるのかという話 ブログを用いた女性声優の結婚時期予測問題 (@y_benjo) ある女性声優が何ヶ月後に結婚するか?をブログ記事を用いて予測 アニメの内容及びキャスティングを用いないDVD売上予測問

概要 声優の共演関係から声優がいつブレイクしたかを年月の単位で推定した． 結果はここに． データ しょぼいカレンダーをクロールし， アニメタイトル 放映開始年月 出演声優一覧 を取得した． https://github.com/ybenjo/crawl_syobocal/blob/master/src/crawl.rb どうやったか 時間区切りごとに共演関係の重み付き無向グラフを構築する 本来なら声優 <-> アニメの二部グラフでやるべきだけど面倒なのである声優ペアが同じアニメに出演していたらそのあいだにエッジを張る そのグラフごとにPageRankを計算する このPageRankは共演関係上の声優の「重要度」と考える 声優ごとにPageRankの時系列データが得られるので外れ値検出を行う 出演作品数の時系列データを用いるより，他の共演者の情報を使う事ができる筈． PageRank おなじ

言いたいことはタイトル． そもそもSIGKDDとはSpecial Interest Group on Knowledge Discovery and Data Miningというデータマイニングや知識獲得のトップカンファレンス．WWWについで読んでて興味が合う論文が多い． How to do good research, get it published in SIGKDD and get it cited!(pdf) 173ページあるスライドだけど良い事ばかり書いてあるし，読者を楽しませるような非常に多くの著者の実体験(成功したものだけでなく，失敗したものも)や，後半になるとダメな論文，間違っている論文，その例が大量に載っていて飽きずに読める．ただKDDに通したい人だけでなく，研究を少しでもやろうとしている人，論文を書こうとしている人，面白いことをやりたい人は必ず読むべき． 適当に面白か