タグ

2014年7月27日のブックマーク (6件)

  • 43.ダウンロードしたファイルをウェブブラウザで開いてみる

    ナックス「こんにちは。画像収集するシェルスクリプトを作ってみたい。今回は第8回」 ナックス「今日は、ダウンロードしたファイルをウェブブラウザで開いてみる、その1です」 デビー君「その1なんだ?」 ナックス「そうです」 ナックス「ウェブブラウザは分かりますね?インターネットで色々なサイトを見る時に使うソフトのことです。具体的に言えばChromeとかFirefoxとかIceweaselとかです」 ナックス「今日はそのウェブブラウザで41.ウェブサイトをダウンロードしてみるでダウンロードしたファイルを見てみて欲しいのです」 ナックス「というわけで、ウェブブラウザを起動してください」 ナックス「ウェブブラウザのメニューの中に『ファイル』というのがあると思います。それをクリックしてください」 ナックス「『ファイルを開く』を選んでください」 ナックス「41.ウェブサイトをダウンロードしてみるでダウンロ

  • Googleスプレッドシートのキーワードで検索してURLを取得する - 夜から朝にかけて

    Google App Script を書きました。 Google Apps Script - Google Code キーワード(A1~)で検索して結果トップのURLを表示しました。 ふとしたきっかけで触ったのですが、 スプレッドシートの関数がこんなに簡単に書けるとは思いませんでした。 あんまり使わないかもしれないですが、 関数にしておくとユーザーの人が使いやすいそうです。 申請したのですが、なかなか公開されないので 以下を組み込むと実行できます。 snipet: =getTopUrl(A1)

    Googleスプレッドシートのキーワードで検索してURLを取得する - 夜から朝にかけて
  • Twitter 検索の結果を Google Drive のスプレッドシートに出力する · hikarock blog

    以前Google Apps Scriptで作成したプログラムがTwitter API Ver.1の廃止で動かなくなってたので直しました。 ついでにライブラリとしてだれでも使えるようにしました。ソースコードはここに置いてます。 使い方まとめるよ。 2015/10/7 追記: Google Apps ScriptでOAuthConfigが廃止されたため、このスクリプトは動きません。 2016/4/20 追記: 何人かにこのスクリプトが使いたいと要望をもらったので、ちょっと面倒な方法ですがここに現在動作するスクリプトの使い方を書きました。 1) Twitterアプリの作成 Twitter DevelopersでGoogle Apps Script用のアプリを作成してください。 以下は入力例です。Callback URLは以下で指定するURLを設定してください。 他の項目は自分がわかりやすいもので

  • 電書ちゃんのでんでんマークダウン - でんでんマークダウン

    でんでんマークダウンの記法について解説します。 でんでんマークダウンの記法は Markdown の方言のひとつ PHP Markdown Extra をさらに拡張して、日語と電子出版に最適化させたものです。従って、オリジナルの Markdown の記法、PHP Markdown Extraに由来する記法、でんでんマークダウン独自の記法が混在しています。 それぞれを区別するために、オリジナルの Markdown でも使える記法には MarkdownPHP Markdown Extraでも使える記法には PHP Markdown Extra、でんでんマークダウン独自の記法には でんでんマークダウン、というラベルをつけています。違いを把握する際の参考にしてください。 また、でんでんマークダウンの執筆や表示の確認には、でんでんエディターが便利です。 でんでんエディターを使ってみる 段落 Mar

    shirayuca
    shirayuca 2014/07/27
    “<p><br /></p>”
  • Google Apps Script Documentation - Spreadsheet Services

    Spreadsheet Servces スプレッドシートへのアクセスと修正を提供します。 ユーザーがアクセス可能なGoogle Spreadsheetsへのアクセスと修正、新規シートの追加などを行います。 メソッド早見表 : Tips 参照ページ(Goolge)

  • NIPS2013読み会でword2vec論文の紹介をしました

    先週、 @sla さん主催のNIPS2013読み会で、word2vec論文(正確には続報)の紹介をしました。 ちょっと解説を書きます。 このところの深層学習ブームは自然言語処理にも来ていて、それらのウチの1つと言われています(が、全然deepっぽさはない)。 最初のモチベーションがどういうところにあったかというのは、ちょっと色々だと思いますが(おそらく最初は言語モデルにおける低頻度語の確率をウマイことモデル化・推定したかったんではないかな)、何はともあれ単語の意味的なあるいは統語的な振る舞いをベクトル表現で表すという研究が流行っております。 ベクトル表現というのは、1つの単語wに対して、その単語を「表現」するようなベクトル v(w) を作ります。 そんなこといわれても、作れば?ということなんですが、できたベクトルに対して何かしら「都合のいい」性質ができることが真の目標です。 「都合のいい」