研究の人気も、検索エンジンが左右する？
Science の7月18日号で発表された論文なので、既に他の報道でご存知の方が多いと思いますが。インターネットのおかげで過去の論文に簡単にアクセスできるようになった結果、学者達が自分の論文で引用する過去論文の数は――減少しているとのこと。さらに以前に比べ、最近の論文を引用する傾向が強まっているそうです： ■ Research Publications Online: Too Much Of A Good Thing? (ScienceDaily) シカゴ大学の James Evans 助教授による調査結果について。3,400万件の論文を対象に調査したところ、オンラインで論文が読めるようになればなるほど、引用される論文の数は減少し、新しい論文が引用されるようになったとのこと。 "More is available," Evans said, "but less is sampled, an
Kikker の学習の仕組みと Rocchio アルゴリズム - naoyaのはてなダイアリー
先日のソーシャルブックマーク研究会では id:kanbayashi さんによる発表がありました。id:kanbayashi さんは Kikker や はてブまわりのひと などの開発をされている方です。最近情報検索理論に入門した自分にとっては、非常に面白い発表でした。 発表の中で Kikker の学習の仕組みについての解説もありました。Kikker は Cosine similarity で推薦するドキュメントを検索しているそうですが、ユーザーのクリックデータを使って、ユーザーごとに推薦対象を最適化するようにしているそうです。この学習は、ユーザーが見たページのベクトルを、そのユーザーの趣向ベクトルに足し込むことで実現している、とのことでした。 SBM研究会で発表した"私がチャレンジしたSBMデータマイニング"のスライド - Ryoの開発日記 Neo! 発表ではベクトルを加算することについて「
Introduction to Information Retrieval #9 の復習資料 - naoyaのはてなダイアリー
Introduction to Information Retrieval 輪読会 9章の復習資料を以下にアップロードしました。 http://bloghackers.net/~naoya/iir/ppt/iir_09.ppt 9章は、検索結果の適合性を改善するするための二つのアプローチ、Relevance Feedback (RF) とクエリ拡張についての話です。 検索結果のドキュメントに対してユーザーから追加の入力 (Relevant か Non-relevant か) を受け取るのが RF です。受け取ったフィードバックは、ベクトル空間でベクトルの重心を使ってクエリベクトルを最適化することに利用できます。最適化のアルゴリズムとして Rocchio アルゴリズムを利用します。ただし、特に Web 検索などにおいては、ユーザーは明示的なフィードバックを好みません。そこで、ユーザーからの入
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
3D仮想空間の健全な発展を目指す業界団体「メタバース協会」設立
梅田望夫 - Musings - ウェブブック『生きるための水が湧くような思考』（梅田望夫著）
