文章からLGTM数を予測して「バズる記事」を判別してみた - Qiita
はじめに Qiita初心者の@pyopp8128と申します。 これまでに記事を2本ほど投稿してみたのですが、他人に見てもらえる記事というのはそう簡単に書けるものでもなく、「あ～楽してLGTM沢山貰いたいな～」などと言っているところでしたが、じゃあ LGTMが多くつく記事ってどんな記事だ？ という疑問に至りました。 そこで、記事本文を自然言語処理により解析し、LGTMがつく/つかないを判別する機械学習モデルができないか を試してみることにしました。 本記事の内容は以下の通りです。 LGTMの数を基準に、Qiita上の記事がバズるかバズらないかを判別するAI を作ったよ BERTのファインチューニングにより、Qiita中の記事がLGTM>100かどうか判別する2クラス分類深層学習モデルを作成したよ Qiita APIを通して取得した約10,000記事のデータセットを用いてモデル構築&性能評価を
ゲシュタルトパターンマッチングによる文字列の類似度の計算 - Qiita
はじめに ２つの文字列の類似度を計算するアルゴリズムの１つである、 ゲシュタルトパターンマッチング について調べたので、内容をまとめました。 ２つの文字列の類似度を計算するアルゴリズムとしては、他にレーベンシュタイン距離というものもあります。こちらについては、以下の記事をご参照下さい。 目次 はじめに 目次 実装 ゲシュタルトパターンマッチングとは アルゴリズム 例 性質 非可換性 参考文献 実装 ※以下、環境はGoogle Colaboratoryを使用 ゲシュタルトパターンマッチングは、Pythonのdifflibで以下のように実装できます。 import difflib word = 'appel' possibilities = ['ape', 'apple', 'peach', 'puppy'] print(difflib.get_close_matches(word, poss
ニコニコ動画の公開コメントデータをDeep Learningで解析する - Qiita
この記事は第2のドワンゴ Advent Calendar 2015の24日目の記事です。 ドワンゴエンジニアの@ixixiです。 niconicoのデータをDeep Learningなアプローチで解析してみた話です。 nico-opendata niconicoの学術目的用データ公開サイト https://nico-opendata.jp が最近オープンしました。 これまでも、国立情報学研究所にて、ニコニコ動画コメントデータや大百科データが公開されていましたが、 nico-opendataでは、ニコニコ静画のイラストデータの約40万枚のイラストとメタデータが研究者向けにデータ提供されています。 今回は、ニコニコ動画コメントデータ(誰でも取得可能)を用いたDeep Learningによるコメント解析例を紹介します。 超自然言語 ニコニコのコメントデータに限らず、twitterでのtweetや
1
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
