１００冊読む時間があったら論文を１００本「解剖」した方が良い
何かインプットしたら、アウトプットすること。 アウトプットを予定して、思い描いて、インプットは行うこと。 メモでも日記でもブログでもレジュメでもレポートでも論文でも著作でも隣の人に話すのでもいいから、吐き出すこと。 ちんぷんかんぷんでも本の内容をレジュメにまとめ、お馬鹿同士トンデモな議論をやり、なんとか書き上げた論文モドキを投稿して無理解極まる査読者とやり取りすること。 でないと、アタマの中にも、手の中にも、何も残っていないことに気付くことになる。 「ああ、そんな本（あるいは、そんな話）、前に読んだな（聞いたな）」でおしまいになるだろう。 アウトプットは、できればインプットと同じ水準のものがいい。 たとえば論文を読むなら、論文を書くつもりで読むこと。 そうなると内容を得るだけでは済まなくなる。 ・どういった構成で書かれているか？ ・どんな決まり文句や、つなぎの言葉が使われているか？ ・主張
業績管理システムPMAN3 - Osamu Mizuno Wiki
PMANを使って，面倒な業績リスト作成から解放されましょう．あなたの組織では，よく業績リストの提出を求められませんか？PMANならわずか1分[1]で美しいLaTeX形式の業績リストを出力できます．もちろん，名前や所属も含まれていますので，あなたがすることはLaTeXのコンパイルだけです． いつ見られても安心 あなたの上司はWebであなたの業績を調べているかもしれません．また，誰かがあなたをヘッドハントしようと業績を調べようとしているかもしれません．そんなとき，業績リストが公開されていなかったら．．．でも大丈夫．PMANならいつでもあなたの業績を最新状態に保つことができます．業績はBiBTeXのエントリを基本に管理されていますので，BiBTeXを使ったことがあれば，すぐに利用できるでしょう． タグを便利に PMAN3では論文に対する自動/手動のタグ添付ができます．さらに，検索条件に応じた
Tips for Writing Technical Papers
Please excuse the retro formatting. This page was created back in early days when raw HTML was the norm, for those of us who actually made web pages back then. I haven't bothered to modernize it, figuring it's the content that actually counts. Here are the notes from a presentation I gave at the Stanford InfoLab Friday lunch, 1/27/06, with a few (not many) revisions when I reprised the talk on 12/
CiNii Articles - メタデータ・API - CiNii Articles 論文検索のOpenSearch - サポート - 学術コンテンツサービス - 国立情報学研究所
クエリ仕様 CiNii Articles論文検索のOpenSearchクエリは以下の形式です。 http://ci.nii.ac.jp/opensearch/search?(パラメータ=値)& (パラメータ=値)&…&(パラメータ=値)です。 クエリを構成する各パラメータは以下のとおりです。 No. パラメータ 内容
Readability Research Laboratory - リーダビリティー公式
学年を予測する公式01（小学1年から中学3年までを予測）は以下の通り。 Y=-0.148X1+1.585X2-0.117X3-0.126X4+15.581 Y=学年 X1＝文章中の平仮名の割合 X2＝1文の平均述語数 X3＝1文の平均文字数 X4＝1文の平均文節数
社会・経済情報の構造化：未来予測 | Projects & Technology | 知の構造化センター
Web（World Wide Web）は，人々の情報共有の方法に革新を起こした．非常に低いコストで瞬時に世界中に情報を公開することが可能になったことから， 多様な情報がWeb上に公開されてきた．情報の粒度も細分化が進み，独り言レベルの情報すらもWebを通じて共有する時代が到来した．情報の公開・共有 の方法が簡易化された一方で，人が処理しなければならない情報量も爆発的に増加し，多量の情報の中から重要（必要）な情報を探し出すのが困難な状況 が続いている. 知の構造化シンポジウムでは，「Webと知の構造化」をテーマとし，Web上に構築されつつある（されている）巨大な知識集合とどう向き 合っていくのか，Webが知識を蓄えるインフラとしてどんな価値があるのか，どんなことができるのか，をメイントピックとする．さらに，この中で構造 化された知識がこの中でどのような役割を果たすのかを検討・議論する． 本シ
ラダーリング法、評価グリッド法、パーソナル･コンストラクト理論: DESIGN IT! w/LOVE
不確実な時代をクネクネ蛇行しながら道を切りひらく非線形型ブログ。人間の思考の形の変遷を探求することをライフワークに。 すこし前の「情緒と行動のモデリング」というエントリーでもすこし触れましたが、人間の認知の構造を明らかにするためのインタビューの技術として、最近、ラダーリング法という手法に注目しています。 練習のために、社内でのヒアリングやクライアントへのヒアリングなどでも意識的に利用していたり、最近は結構お気に入り。 基本的には、ユーザー調査におけるインタビューのスキル、調査後の分析スキルを向上させたいなというところが狙いです。 このラダーリング法をうまく用いれば、属性、機能的ベネフィット、情緒的ベネフィットの関係性を構造化できるのかなと思っています。 評価グリッド法とパーソナル･コンストラクト理論では、ラダーリング法とは何か？ まず、ラダーリング法は環境心理学の分野で用いられる評価グリッ
意識調査「ウィキペディア利用者の約４割が内容を”信用している”と回答」 -BLOGCH-
ブロガー向け情報サイト「ブロッチ」などを運営する 株式会社アイシェアは、オンライン百科事典 「Wikipedia」について利用状況の意識調査を行った。 （パネル：CLUB BBQ会員／有効回答数：765名／男性:56.3％ 女性:43.7％） ウィキペディアの内容を信用してる 約４割 ～認知度は９割。およそ６割が疑わしさ感じている。 ＜調査のポイント＞ ・ウィキペディアの認知度は90％ ・検索エンジン経由の利用が約８割 ・利用目的は人名(タレント・著名人・有名人)情報が6割 ・信頼性：「信頼している」39.4％ 「疑わしいと思うことがある」55.6％ ・信頼していない理由は「自由な改変」4割 ・編集経験は およそ20人に1人。（経験者は約7％） ＜調査概要＞ 無料で利用可能で、誰もが編集することができるオンライン百科事典「Wikipedia（ウィキペディア）」につい
Home - Springer
Providing researchers with access to millions of scientific documents from journals, books, series, protocols, reference works and proceedings.
Google Japan Blog: 大規模日本語 n-gram データの公開
メディア関係者向けお問い合わせ先 メールでのお問い合わせ: pr-jp@google.com メディア関係者以外からのお問い合わせにはお答えいたしかねます。 その他すべてのお問い合わせにつきましては、ヘルプセンターをご覧ください。
WebDBフォーラム２００９
What's New! 2009.11.23 学生奨励賞，企業賞を掲載 2009.11.20 INTERNET Watchに記事掲載されました! 連続開催情報 本フォーラムの連続開催イベントとして，情報処理学会DBS研究発表会（11月 20-21日，同会場）を開催します．大勢の参加者が予想され，活発な議論が期待 できます．なお，DBS研究発表会の発表申込〆切は，WebDBフォーラム投稿論文の 採否通知後の予定です． 趣旨 本フォーラムでは，各種特別セッションや，この分野における産学連携に関連する各種企画，Web情報システムやデータベース技術についての最新研究成果の一般発表セッション等を通じて，招待講演，研究発表，パネル討論などの形態で議論する場を設ける．また，多様なコミュニティの交流を深め，議論を行うことができるポスターレセプションを開催する． 主催
Yahoo!ラボ - Rerank
検索結果中のキーワードを選択し または をクリックすることにより、検索結果を並び変えることができます。 操作方法 検索を実行すると、通常の検索結果に加えて、右側の枠内に検索結果内から抽出されたキーワード群が表示されます。 検索結果のタイトルや要約文、URLの中から好きなキーワードを選択（反転）するか、 右枠内に表示されているキーワードをクリックするととというボタンが現れます。 をクリックすると、そのキーワードを含む検索結果を上位に再ランキングします。 をクリックすると、そのキーワードを含む検索結果を下位に再ランキングします。 以上の操作で、手軽に検索結果を並び変えて閲覧することができます。 検索ワードの例：豚肉 ピーマン Rerankは、京都大学により研究開発されたソフトウェア・サービス機能であり、 Yahoo!ラボ掲載にあたり、京都大学と弊社で共同開発を行いました。 Copyrigh
類似度と距離 - CatTail Wiki*
２つのデータが似ている度合いを，類似度の大きさや距離の近さといった数値にしてあらわすことで，クラスタ分析や，k-近傍法，多次元尺度構成法(MDS)をはじめとするいろいろな分析を行うことが可能となる． ここでは，よく知られている類似度や距離について述べる． 類似度という概念は，２つの集合の要素がまさにどれだけ似ているかを数量化したものであり，距離とは，要素同士の離れ具合，従って非類似度とちかい概念と考えてもよい． 参考までに数学における距離の概念の定義を示すと， 距離空間の定義 Sを１つの空でない集合とし，dをSで定義された2変数の実数値関数 d(SxS) → R が，以下の４条件（距離の公理） D1 ： （非負性） 任意のx,y∈Sに対して d(x,y)≧0． D2 ： （非退化性） x,y∈Sに対し d(x,y)=0 ⇔ x=y． D3 ： （対称性） 任意のx,y∈Sに対して d(x
情報検索ことはじめ〜研究者編〜 - シリコンの谷のゾンビ
昨年書いた教科書編が（僕にとっては）嬉しくて跳ね上がるほどブックマークされたので，調子に乗って第二弾を書いてみました．皆様ありがとうございます（ブックマークにがんばってくださいというコメントがあったのがめちゃくちゃ嬉しかったです）．今回は研究寄りですが，少しでも誰かの役に立てば幸いです． 僕は網羅的にサーベイを，キーワード検索以外に主に二つの方法で行っています． 会議毎にサーベイ 研究者毎にサーベイ 1.はさておき，2.ですが，僕は研究者のDBLPをチェックしています．気になる論文の著者のDBLPを眺めると，知らなかった要チェックや！論文を拾うことができます． なので，一線で活躍する研究者の論文は定期的にチェックする必要があります． 今回はIR研究者の中でも，戦闘力が高く，この人は常にウォッチせねばという研究者の一部を紹介したいと思います． 下記は若輩の独断と偏見に基づくものです．一線で活
統計的に正しいランキングを行う方法 - Hello, world! - s21g
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 ポジティブ／ネガティブ投票による正しいランキング方法が以下の記事で紹介されています。 How Not To Sort By Average Rating この計算方法では、投票数が少ない場合には分散が大きく不正確な評価で、 投票数が多くなるにつれて分散が小さく正確な評価が得られているという事を考慮しています。以下数式 これはScoreの信頼区間を表しています。 この信頼区間の下界をランキングのスコアにすれば良い事になります。 ここで、は、 です。全体に占めるポジティブ投票数の割合ですね。 は標準正規分布上の 信頼区間の有意確率です。 さて、五段階評価によるRatingに同様のテクニックを適用する場合はどうしたらいいでしょうか
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
仕様書第1版/Ⅱ辞書仕様/概念説明の形式 - Semantic Dictionary
http://www.pewinternet.org/~/media/Files/Reports/2006/PIP_Exploratorium_Science.pdf.pdf
Home | Department of Computing
Inverted Index
https://dl.acm.org/citation.cfm?doid=544220.544228