はてなブックマーク

はじめに 東京メトロがアプリコンテストをやっていましたね。ちょうど締切もあってモチベーションにもなるし、何か勉強がてらアプリを作ってみようと考え、機械学習の初歩を勉強して、表題のBotを作ってみようと思いつきました（大したアプリでは無いですが）。 オープンデータ活用コンテスト http://tokyometro10th.jp/future/opendata/ ※ちなみに、コンテスト応募アプリを見てみると、結構たくさん応募されてますね。 https://www.youtube.com/results?search_query=%E6%9D%B1%E4%BA%AC%E3%83%A1%E3%83%88%E3%83%AD+%E3%82%B3%E3%83%B3%E3%83%86%E3%82%B9%E3%83%88&page=2 アプリケーション(Twitter Bot) 「東京メトロ 遅延予報」 h

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに この記事は オリジナルのボードゲームをルールからAIまで作る【概要編】 からの続きです。 オセロやチェスや将棋のようなボードゲームを考案し、 それを実際に実装してAIと1人プレイできるとこまで目指します。 Colamone http://xiidec.appspot.com/colamone/colamone.html ↑ これが筆者の作ったボードゲームです。 AIはそんなに強くはありませんが、とりあえず遊べます。 今回の記事では次の実装編に先立って、ルールの考案について解説します。 まぁゲームのルールを考えるのに知識は必要は

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 古くはチェスの世界チャンピオンに勝利したディープブルー、最近では将棋のプロ棋士とソフトが戦う電王戦... ボードゲームはコンピュータの進化を図るひとつの指標となっています。 それこそ将棋の電王戦といえばNHKでも特集され今話題の分野。 最強の将棋ソフト、自分でも作ってみたいですよね。 しかしチェスや将棋の世界で1番になるのは苦難の道です。 天才たちが99%の努力と101%のひらめきで200%のパワーをぶつけ合う世界。 素人が戦いに挑んでも現実の厳しさをハムスターから教わることになるでしょう。 しかし発想を変えれば簡単に世界一に

QiitaAPIv2のおかけで、Qiitaの記事をある程度取得出来るようになったので色々分析してみたいシリーズです。Qiitaだけでなく、はてぶとの相関も調べてみます。 感覚的にはたくさんストックされた記事は当然はてぶもたくさん付いておりますが、本当にそうなのか実際に分析してみました。 事前準備（データ取得） Qiitaの記事はQiitaAPIv2で1万件取得しました。それについては、以前の記事でも簡単に触れています。 はてぶははてなブックマーク件数取得APIで取得しました。特に利用制限は無いのか、1万件についてすぐに取得できました。 分析結果 散布図 以下、まず散布図を示します。大方、被ストック数が多い記事は被はてぶ数も多い気がします。 相関係数 次に、相関係数を調べてみると、相関係数は「0.89」でした。 相関係数は、以下のように判断出来るようなので、被ストック数と被はてぶ数の相関は強

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

トントントンツーツーツートントントン・・・ 届いているでしょうか？ 「無人島にひとつだけ持っていくとしたら？」 と聞かれて 「ノートパソコン」 とうっかり答えてしまった時の為に、 Javascriptで文字列をモールス信号に変換するプログラムを作ってみました。 これです。 モールス信号変換 http://xiidec.appspot.com/morse.html 上のテキストボックスに変換したい文字列(英数字)を入力すると、 0と1に変換してピーピー音がなります。 モールス信号はどうやってお話しするの？ 短い「ピッ」と長い「ピー」の組み合わせで言葉を作るあれです。 「ピッ」「ピー」を「トン」「ツー」に言い換えるとなんか玄人っぽいですね。 モールス信号の代表例がこの ・・・ーーー・・・ 「SOS」。 「S」が「・・・」で「O」が「ーーー」。 ピンクレディの『SOS』という曲のイントロにはモー

クラスタ分析って？K平均法って？ こんなの。 クラスタ分析：データを似たもの同士グループ分けする分析。 K平均法：クラスタ分析の手法のひとつ。 応用分野は色々あるけど、まぁ一番わかりやすい例が 座標上にバラバラに散らばった点をご近所さん同士まとめるプログラム。 今回作るのがこれ。 どうやるの？ Wikipediaによると、こうやるらしい。 K-平均法は、一般には以下のような流れで実装される。 データの数を n 、クラスタの数を K としておく。 1.各データ x_i(i=1... n) に対してランダムにクラスタを割り振る。 2.割り振ったデータをもとに各クラスタの中心 V_j(j=1... K) を計算する。計算は通常割り当てられたデータの各要素の算術平均が使用される。 3.各 x_i と各 V_j との距離を求め、x_i を最も近い中心のクラスタに割り当て直す。 4.上記の処理で全ての

犬派、猫派の勢力争いを終焉させるべく、ウェブ上で犬と猫どちらが注目されているのか比較するページを作ってみた。 比較くん http://xiidec.appspot.com/vschart.html?q=犬,猫 結果はこんな感じ。 猫優勢。 過去30日間のはてなブックマーク数を集計してGoogleChartAPIでグラフ化してる。 犬猫以外でも、入力ボックスにカンマ区切りでキーワードを入れると何でも比較できる。 ありとあらゆる宗教戦争が終焉するね！ 仕組み 仕組みはとっても単純。 はてなブックマークからキーワードごとのブクマRSSを取ってくる。 ブックマーク数を数える。 Google Chart APIを呼び出すURLを生成してクライアントに渡す。 まず１番目。 はてなブックマークはキーワードごとの新着RSSをを提供してる。 http://b.hatena.ne.jp/search/tag?

GoogleReaderが終焉し、SmartNews,Gunosyなど寝ててもおすすめコンテンツが降ってくるサービスが注目を集めている今、ここでひとつ自分もなんか気の利いたものを作ってみたい。 というわけで、はてブの人気エントリーから記事を引っ張ってきて、 ズバリ一行に要約するプログラムを書いてみた。 はいこれ。 要約くん http://xiidec.appspot.com/markov.html これを使うと・・・ けだるい猫ライオンがこの国でエリートコースに乗れると日本の真相。 こんな感じで なぜ高学歴の差別発言が求められるのかって生産性を欲しがった話をどうするか。 今話題のニュースがごちゃ混ぜになって一行に要約される。 浜崎あゆみの件、原子炉に十分届かず　炉心溶融の差別発言が続出。 Webの今が１行で分かる！ 仕組み サーバサイド(Python)で、はてなブックマーク人気エントリーの

概要 先日作ったスクリプト feedparserで自動的にねこ画像を拾ってくる のお陰で猫画像収集が捗る日々… しかしどうも、実行速度が遅い。 速さが足りない…このスクリプトには速さが足りない。 というわけでどうにか速くできないか改造を施してみる。 まずは現状分析 とりあえず現行スクリプトがどのくらい遅いのかを計測してみた。 以下、計測ロジックを組み込んだソース。 # -*- coding: utf-8 -*- import feedparser import urllib import os import time def download_picture(q, count=10): u"""qの画像をcount件 取ってくる。""" count = str(count) feed = feedparser.parse("https://picasaweb.google.com/data