ニコニコ動画をご利用いただきありがとうございます。 去る4月末、第四回ニコニコ学会β開催を記念し、国立情報学研究所 情報学研究データリポジトリ(IDR)ご協力の元、ニコニコ動画のメタデータ「ニコニコデータセット」を公開しました。 データはニコニコ動画に昨年11月初旬までに投稿された約830万件の動画のメタデータ（タイトル、説明文、タグ、投稿日時、再生数等）約12GBと、それに対するコメントデータ（コメント本文、投稿日時、コメント位置等）約300GBです。動画データ本体および個人を特定するユーザIDは含まれません。原則「すでに公開されているデータ」をとりまとめており、非公開のデータは含みません。 本データが公開されることにより、スクレイピング等を行わなくともニコニコ動画に関する研究が行えるようになります。 また、学術機関に所属する研究者が検証可能な形で公式に研究発表しやすくなるものと考えられ

【良質の独学サイト】分野は、数学、統計学、コンピュータ言語、英語、金融・経済など分野は問いません。【eラーニング】 以下の条件にあうサイトを沢山教えて下さい。 ・完全に無料であること。 ・講義資料だけでなく、演習問題などもあり、十分独学できること。 ・良質であれば、英語サイトでも良いこと。 ・内容は、大学の講義資料・宿題資料が公開されているなど、大人向けの内容であること。 できれば、実際にこのサイトでこの内容を学習・マスターできたという実体験の伴うものがベストですね。

2016年度までのITロードマップ（ビッグデータ編）を発表 ～ビッグデータ活用が企業の競争力の向上や社会問題の解決に寄与～ 2011年5月24日 株式会社野村総合研究所 株式会社野村総合研究所（本社：東京都千代田区、代表取締役社長：嶋本 正、以下「NRI」）は、2016年度までのビッグデータ活用の進展と、そのインパクトを予測した「ITロードマップ」※1をとりまとめました。ハードウェア、及びソフトウェア技術の進化によって、これまでは困難だった、複雑で大規模なデータの分析処理が可能になり、今後、企業の競争力の向上や社会問題の解決に役立つことが予想されます。 この数年、利用者が急激に拡大しているソーシャルメディア※2内のテキストデータ、携帯電話・スマートフォンに組み込まれたGPS（全地球測位システム）から発生する位置情報、時々刻々と生成されるセンサーデータなど、我々の日々の生活の中で生み出される

overlasting.net 2019 Copyright. All Rights Reserved. The Sponsored Listings displayed above are served automatically by a third party. Neither the service provider nor the domain owner maintain any relationship with the advertisers. In case of trademark issues please contact the domain owner directly (contact information can be found in whois). Privacy Policy

情報検索入門シリーズ。 テストコレクション(test collection)とは、評価用データセットのこと。 特に、様々な研究機関が共有し、異なる研究環境間でも評価結果の比較ができるようしたものを 自前の評価用データと区別するために標準テストコレクション(standard test collection)と呼ぶこともある。 情報検索のテストコレクションは通常、検索対象である文書セットと、検索課題セットと、各検索課題に対する正解(適合文書)セットから構成される。 検索システムを評価する際には、各検索課題をシステムに与えて得られた検索結果に対し平均精度などの評価指標を計算し、さらに評価指標の検索課題セットに関する平均などを算出する。 テストコレクションは歴史的に数百～数千件の文書を扱うものが多かったが、1992年に米国の評価型ワークショップTREC(Text Retrieval Con

検定手順: 前提 帰無仮説 $H_0$：「母代表値に差はない」。 対立仮説 $H_1$：「母代表値に差がある」。 有意水準 $\alpha$ で両側検定を行う（片側検定も定義できる）。 $n$ ケースの，対応のある $2$ 変数を $X_{i}$，$Y_{i}$ とする（$i = 1, 2, \dots, n$）。 $X_{i}$，$Y_{i}$ の大小関係を調べ，$X_{i} \gt Y_{i}$ の組の数を $n_p$，$X_{i} \lt Y_{i}$ の組の数を $n_m$とする。 例題では，$X_{i} \gt Y_{i}$ は $7$ 組，$X_{i} \lt Y_{i}$ は $2$ 組なので，$n_p = 7$，$n_m = 2$ である。 帰無仮説のもとでは $n_p = n_m$ となる。 検定は「母比率$\ = 0.5$ の二項検定」になる（ケース数$\ = n_p

Home 「情報と通信のハイパーテキスト」 は下記へ移動しました。 http://www.mnc.toho-u.ac.jp/v-lab/

出典は列挙するだけでなく、脚注などを用いてどの記述の情報源であるかを明記してください。 記事の信頼性向上にご協力をお願いいたします。（2023年5月） 線型計画法（せんけいけいかくほう、英語: linear programming、略称: LP）は、数理計画法において、いくつかの1次不等式および1次等式を満たす変数の値の中で、ある1次式を最大化または最小化する値を求める方法である。線形計画法の対象となる最適化問題を線型計画問題という。 線型計画法はいくつかの理由で最適化の重要な分野である。オペレーションズリサーチの多くの実際的な問題は線型計画問題として記述できる。ある特殊なケースのネットワークフロー問題（英語版）や多品種流問題（英語版）といった線型計画問題はこれらを解くために特別なアルゴリズムを考案するに値するほど重要だと考えられている。他のタイプの最適化問題に使われる多くのアルゴリズムは

Googleで検索したとき,どのような順序で表示しているかというと,PageRankというものでページにランク付けをして表示している. PageRankの基本概念 PageRankとは,「多くの良質なページからリンクされているページは,やはり良質なページである」という再帰的な関係をもとに全てのページの重要度を判定したものである. まず検索エンジンGoogle自身によるPageRankの解説を見てみると,PageRankは,ページAからページBへのリンクをページAによるページBへの支持票とみなし,この投票数によりそのページの重要性を判断している.しかし単に票数,つまりリンク数を見るだけではなく,票を投じたページについても分析している.それは重要度の高いページによって投じられた票はより高く評価されて,それを受け取ったページを重要なものにしていっている. このアルゴリズムを具体的に見ると次の図の