ä¹±æŠžãƒ‡ãƒ¼ã‚¿æ§‹é€ ã®æœ€æ–°äº‹æƒ… ï¼MinHash 㨠HyperLogLog ã®æœ€è¿‘ã®é€²æ©ï¼MinHash, b-bit MinHash, HyperLogLog, Odd Sketch, HIP Estimator ã®è§£èª¬ã§ã™ï¼ŽRead less
lsh
2. ( 最 ) è¿‘å‚点探索 ( Nearest Neighbor Search) ã¨ã¯ ã„ã‚ゆるã€ç‰¹å¾´ç©ºé–“内ã§ã®é¡žä¼¼ãƒ‡ãƒ¼ã‚¿æŽ¢ç´¢ 二種類ã®å•é¡ŒãŒè€ƒãˆã‚‰ã‚Œã‚‹ 定義 â„œ d 空間上ã®ç‚¹é›†åˆ P ãŒä¸Žãˆã‚‰ã‚ŒãŸå ´åˆ 最近å‚点探索 クエリ点 q ã«å¯¾ã—〠p∈P ã§ã€ ||p-q|| を最å°ã¨ã™ã‚‹ç‚¹ p を求ã‚ã‚‹å•é¡Œ r- è¿‘å‚点探索 クエリ点 q ã«å¯¾ã—〠p∈P ã§ã€ ||p-q||<r ã¨ãªã‚‹ç‚¹ p ã‚’ ( å˜åœ¨ã™ã‚‹ã®ãªã‚‰ã° ) 列挙ã™ã‚‹å•é¡Œ 3. è¿‘å‚点探索å•é¡Œ è¿‘å‚点探索アルゴリズムã¯ã€ä»¥ä¸‹ã®ã‚ˆã†ãªã‚¿ã‚¹ã‚¯ã«ãŠã„ã¦åˆ©ç”¨ã•ã‚Œã‚‹ インスタンスベースå¦ç¿’(k-è¿‘å‚法) クラスタリング データセグメンテーション データベース検索 最çŸçµŒè·¯æœ¨æŽ¢ç´¢(Minimum Spanning Tree) データ圧縮 類似データ検索 4. è¿‘å‚点探索アルゴリズム最もå˜ç´”ãªã‚‚ã®ã¯ã€ã‚¯ã‚¨ãƒªç‚¹ q ã¨ã€ p∈P ã®ç‚¹å…¨
多次元尺度構æˆæ³• - Wikipedia
多次元尺度構æˆæ³•ï¼ˆãŸã˜ã’ã‚“ã—ゃãã©ã“ã†ã›ã„ã»ã†ã€MDS：Multi Dimensional Scaling）ã¯å¤šå¤‰é‡è§£æžã®ä¸€æ‰‹æ³•ã§ã‚る。主æˆåˆ†åˆ†æžã®æ§˜ã«åˆ†é¡žå¯¾è±¡ç‰©ã®é–¢ä¿‚を低次元空間ã«ãŠã‘る点ã®å¸ƒç½®ã§è¡¨ç¾ã™ã‚‹æ‰‹æ³•ã§ã‚る（似ãŸã‚‚ã®ã¯è¿‘ãã«ã€ç•°ãªã£ãŸã‚‚ã®ã¯é ãã«é…ç½®ã™ã‚‹ï¼‰ã€‚å¤å…¸çš„MDSã¯ä¸»åº§æ¨™åˆ†æž (Principal Coordinate Analysis; PCoA) ã¨ã‚‚呼ã°ã‚Œã€ã•ã‚‰ã«ä¸»åº§æ¨™åˆ†æžã«ãŠã„ã¦è·é›¢ã«ãƒ¦ãƒ¼ã‚¯ãƒªãƒƒãƒ‰è·é›¢ã‚’用ã„ãŸå ´åˆã¯ä¸»æˆåˆ†åˆ†æžã¨ç‰ä¾¡ã«ãªã‚‹ã€‚ 例 - 1973å¹´ã®ã‚¢ãƒ¡ãƒªã‚«50å·žã®äººå£10万人ã‚ãŸã‚Šã®æ®ºäººã€æš´è¡Œã€ãƒ¬ã‚¤ãƒ—ã®çŠ¯ç½ªæ•°ã€åŠã³ã€éƒ½å¸‚人å£ã®å‰²åˆ[%]ã®4ã¤ã®è¦ç´ ã‹ã‚‰ä¼¼ãŸå·žã¯è¿‘ãã«ç½®ãよã†ã«2次元空間ã«é…ç½®ã—ãŸçµæžœã€‚
幅優先探索ã™ã‚‰çŸ¥ã‚‰ãªã„ç´ äººãŒDevQuizã§æº€ç‚¹ã‚’å–ã‚‹ã¾ã§ã®è©±
4. ç·LRUDæ•°72187 81749 72303 8177850005,6,12=E4D9HIF8=GN576LOABMTPKQSR0J6,5,238=I67E9MBC1AF05HJKRLNGPDQSTO4,6,94827601A3BCD5JGMEFNHLKI6,5,82935=174ABCD=RHTNJKFLI0PQSOGM5,5,13O7D69E0ABC524LGJIFMN8HK6,5,2395OI1AHB4C07KT6SJR8F=M=QEDGL3,3,168452=305,5,1245A9I7JN03HDO6GCKF8BLEM6,4,7154N=D23GMIJ=8L09KFAHBC5,6,B61D5H=42C0398A=IPRJESKMNLQOTF5,6,C35AF184=D=627JGN0SEQLI=HMRTPK5,5,7143506F9NC28JABIMDKGLOEH6,3,
Double-Array
ダブルé…列（ Double-Array ）ã¯ï¼Œ トライ（ Trie ）ã®ãƒ‡ãƒ¼ã‚¿æ§‹é€ ã®ä¸€ç¨®ã§ã‚り， å°ã•ã„辞書ã§é«˜é€Ÿã«æ¤œç´¢ã§ãã‚‹ã¨ã„ã†ç‰¹é•·ã‚’æŒã£ã¦ã„ã¾ã™ï¼Ž 実際ã«ï¼ŒèŒ¶çŒï¼ˆ ChaSen ）や 和布蕪（ MeCab ）ãªã©ã® å½¢æ…‹ç´ è§£æžå™¨ã§åˆ©ç”¨ã•ã‚Œã¦ã„ã‚‹ã¨ã„ã†å®Ÿç¸¾ãŒã‚ã‚Šã¾ã™ï¼Ž ダブルé…列ã§ã¯ï¼Œé…列を使ã£ã¦ãƒˆãƒ©ã‚¤ã‚’表ç¾ã—ã¾ã™ï¼Ž é…列ã®å„è¦ç´ ㌠BASE, CHECK ã¨ã„ã†äºŒã¤ã®æ•´æ•°ã‚’æŒã¤ã®ã§ï¼Œé æ–‡å—ã‚’ã¨ã£ã¦é…列 BC ã¨å‘¼ã¶ã“ã¨ã«ã—ã¾ã™ï¼Ž 以é™ã®èª¬æ˜Žã§ã¯ï¼Œé…列 BC ã®è¦ç´ x ã® BASE, CHECK ã‚’ ãã‚Œãžã‚Œ BC[x].BASE, BC[x].CHECK ã¨è¨˜è¿°ã—ã¾ã™ï¼Ž 通常，BASE, CHECK ã¯å€‹åˆ¥ã®é…列ã¨ã—ã¦ç´¹ä»‹ã•ã‚Œã¾ã™ãŒï¼Œ 特ã«åˆ†å‰²ã—ã¦è€ƒãˆã‚‹å¿…è¦ãŒãªã„ã®ã§ï¼Œã“ã®ã‚ˆã†ãªèª¬æ˜Žã«ã—ã¾ã—ãŸï¼Ž 基本的ã«ï¼Œé…列 BC ã®å„è¦ç´ 㯠トライã®ç¯€ã¨ä¸€å¯¾ä¸€ã§å¯¾å¿œã—ã¾ã™ï¼Ž ãã®ãŸã‚，対応ã™ã‚‹
統計的機械å¦ç¿’入門
統計的機械å¦ç¿’入門(under construction) 機械å¦ç¿’ã®æ´å²ppt pdf æ´å²ä»¥å‰ 人工知能ã®æ™‚代 実用化ã®æ™‚代 å°Žå…¥ppt pdf æƒ…å ±ã®å¤‰æ›éŽç¨‹ã®ãƒ¢ãƒ‡ãƒ«åŒ– ベイズ統計ã®æ„義 è˜åˆ¥ãƒ¢ãƒ‡ãƒ«ã¨ç”Ÿæˆãƒ¢ãƒ‡ãƒ« 次元ã®å‘ªã„ æ失関数, bias, variance, noise データã®æ€§è³ª æ•°å¦ã®ãŠã•ã‚‰ã„ppt pdf 線形代数å¦ã§å½¹ç«‹ã¤å…¬å¼ 確率分布 æƒ…å ±ç†è«–ã®è«¸æ¦‚念 (KL-divergenceãªã©) 線形回帰ã¨è˜åˆ¥ppt pdf 線形回帰 æ£è¦æ–¹ç¨‹å¼ æ£è¦åŒ–é …ã®å°Žå…¥ ç·šå½¢è˜åˆ¥ パーセプトãƒãƒ³ カーãƒãƒ«æ³•ppt pdf ç·šå½¢è˜åˆ¥ã®ä¸€èˆ¬åŒ– カーãƒãƒ«ã®æ§‹ç¯‰æ³• 最大マージン分類器 ソフトマージンã®åˆ†é¡žå™¨ SVMã«ã‚ˆã‚‹å›žå¸°ãƒ¢ãƒ‡ãƒ« SVM実装上ã®å·¥å¤« クラスタリングppt pdf è·é›¢ã®å®šç¾© 階層型クラスタリング K-means モデル推定ppt pdf 潜在変数ã®ã‚るモデル EMアル
高速ãªå¾©å…ƒæŠ½å‡ºã®ç›´æ„Ÿçš„ãªèª¬æ˜Ž
先日@niamã•ã‚“ã¨@tsubosakaã•ã‚“ã®ã¤ã¶ã‚„ãを見ã¦ã¦ï¼Œç¢ºçŽ‡{pi}ã§å¾©å…ƒæŠ½å‡ºã™ã‚‹Walker's alias methodã¨ã„ã†ã‚‚ã®ã‚’知りã¾ã—ãŸï¼ŽãŸã¾ãŸã¾ï¼Œä»Šæ—¥ï¼Œå¾©å…ƒæŠ½å‡ºã™ã‚‹ç”¨äº‹ãŒã‚ã£ãŸã®ã§ï¼Œæ€ã„出ã—ã¦èª¿ã¹ãŸæ¬¡ç¬¬ï¼Žç§ã‚‚昔åŒã˜ã“ã¨ã‚’ã‚„ã‚ã†ã¨ã—ã¦ï¼ŒO(log n)ã§ã„ã‘ã‚‹ã‹ã‚‰ã¾ãã„ã„ã‚„ã¨æ€ã£ã¦ã„ãŸã®ã§ã™ãŒï¼Œã“ã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã ã¨O(1)ã§ã„ã‘ã¾ã™ï¼Ž 解説ã¯ã“ã®ã‚ãŸã‚Šã®ãƒ–ãƒã‚°ã‚’å‚照． 比較的高速ãªå¾©å…ƒæŠ½å‡ºã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ 高速ã«éžå¾©å…ƒæŠ½å‡ºã‚’ã™ã‚‹ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã¯ãªã„ã ã‚ã†ã‹ï¼Ÿ(2)ã•ã¦ï¼Œç§ã¯ç†è§£åŠ›ãŒè¶³ã‚Šãªãã¦ã“ã®ã‚ãŸã‚Šã®èª¬æ˜Žã‚’èªã‚“ã§ã‚‚ãªã‚“ã§ã“ã‚Œã§ã„ã„ã®ã‹ã•ã£ã±ã‚Šã‚ã‹ã‚‰ãªã‹ã£ãŸã®ã§ï¼Œçµµã«æã„ã¦ç†è§£ã—ã¾ã—ãŸï¼Žç¢ºçŽ‡{pi}ã§å¾©å…ƒæŠ½å‡ºã™ã‚‹ãŸã‚ã«ã¯ï¼Œpiã«æ¯”例ã—ãŸé¢ç©ã®å›³å½¢ã‚’å£ã«è²¼ã£ã¦ãƒ€ãƒ¼ãƒ„ã‚’ã™ã‚Œã°ã„ã„ã®ã§ã™ï¼Ž{0.1, 0.05, 0.3, 0.1, 0.45}ã ã£ãŸã¨ã—ã¾ã™ï¼Žã™ã‚‹ã¨ã“ã‚“ãªã®ï¼Ž ã¾ã•ã‹æ¯Žå›ž
QuickDrawã¯ã©ã®ã‚ˆã†ã«ç´ æ—©ã円をæã„ã¦ã„ãŸã®ã‹ï¼Ÿ - ザリガニãŒè¦‹ã¦ã„ãŸ...。
ã‹ã¤ã¦ã®Mac OS9ã¾ã§ã®æ画エンジンã®ä¸»å½¹ã¯QuickDrawãŒæ‹…ã£ã¦ã„ãŸã€‚GUIãªOSã§ã¯ã€æ–‡å—ã‚‚å«ã‚ã¦ã™ã¹ã¦ã‚’グラフィックã¨ã—ã¦æ‰±ã†ã®ã§ã€ç”»é¢ã«è¦‹ãˆã¦ã„ã‚‹ã™ã¹ã¦ã®ã‚‚ã®*1ã¯QuickDrawã«ã‚ˆã£ã¦æã‹ã‚Œã¦ã„ãŸã“ã¨ã«ãªã‚‹ã€‚æ画エンジンã¯ã€GUIãªOS開発ã®è¦ã¨ãªã‚‹æŠ€è¡“ã§ã‚る。ãã®å‡ºæ¥ãŒã€GUIãªOS開発ã®æˆå¦ã‚’分ã‘ã‚‹ã¨ã‚‚言ãˆã‚‹ã€‚ ãã—ã¦ã€æœ€åˆæœŸã®QuickDrawã¯ã€ãƒ“ル・アトã‚ンソンãŒãŸã£ãŸä¸€äººã§é–‹ç™ºã—ãŸãã†ã§ã‚る。 当時（25年以上å‰ï¼‰ã®CPUã¯ã€å‹•ä½œã‚¯ãƒãƒƒã‚¯ãŒ8MHzã¨ã„ã†æ€§èƒ½ã ã£ãŸã€‚（ç¾åœ¨ã¯2GHz=2000MHzã‹ã¤ã€è¤‡æ•°ã‚³ã‚¢ãŒå½“ãŸã‚Šå‰ï¼‰ ãã®ã‚ˆã†ãªæ€§èƒ½ã§ã‚ã£ã¦ã‚‚ã€é•å’Œæ„Ÿãªãマウスã§æ“作ã§ãã‚‹OS環境ã«ã™ã‚‹ãŸã‚ã«ã€æ–¬æ–°ãªç™ºæƒ³ã‚„試行錯誤をé‡ãã€ç›¸å½“ãªåŠªåŠ›ã®æœ«ã«é–‹ç™ºã•ã‚ŒãŸã®ãŒLisaã‚„Macintoshã§ã‚ã£ãŸã€‚ Amazon.co.jp： レボリューション・イン・ザ・ãƒãƒ¬ãƒ¼
入れåã®ã‹ã£ã“
Lisp屋ã«ã¯é•å’Œæ„ŸãŒå…¨ããªã„, 入れåã®ã‹ã£ã“ã®è©±é¡Œã . TAOCPã«ã‹ã£ã“ã®è¶³è·¡(parenthesis trace)ã¨ã„ã†è©±ãŒã‚ã‚‹. (-sesã¨è¤‡æ•°ã§ã¯ãªã, -sisã¨å˜æ•°ãªã®ã¯ãªãœã‹.) 例ãˆã°, å·¦ã‹ã£ã“4個, å³ã‹ã£ã“4個ã§, æ£å½“ãªã‹ã£ã“ã®çµ„ã¿åˆã›ã‚’作るã¨, ()()()(), ()()(()), ..., (((())))ã®14通りãŒå‡ºæ¥ã‚‹. n=4ã§14通りã«ãªã‚‹ã¨ã„ã†ã®ã¯, 2009å¹´8月ã®ãƒ–ãƒã‚°, 「投票数ã€ã«æ›¸ã„ãŸé€šã‚Š. 8C4-8C3=70-56=14ã . ã•ã¦, ã‹ã£ã“ã®è¶³è·¡ã¯å·¦ã‹ã£ã“ã‚’0, å³ã‹ã£ã“ã‚’1ã§è¡¨ã—ãŸäºŒé€²æ•°ã§ã‚ã‚‹. 従ã£ã¦, ()()()()ã¯01010101, (((())))ã¯00001111ã¨ãªã‚‹. ã“ã®æ–¹æ³•ã§è¾žæ›¸å¼é †ã§æ›¸ã㨠色ã®ç·šã§å›²ã£ãŸã®ã¯, åŒã˜ãƒ‘ターンãŒè¦‹ãˆã‚‹ã¨ã“ã‚ã . ã‹ã£ã“æ§‹é€ ã‚’ä¿ã£ãŸã¾ã¾, 辞書å¼é †ã§æ¬¡ã®æ§‹é€ ã«ç§»ã‚‹ã«ã¯ã©ã†ã™
ãƒãƒ¼ãƒ ライブラリ - ã¦ãã¨ãƒ¼ãªæ—¥è¨˜
ã†ã¡ã®ãƒãƒ¼ãƒ ã®ãƒ©ã‚¤ãƒ–ラリを公開ã—ã¦ãŠãã¾ã™ åŠåˆ†ãƒã‚¿ãªã®ã§ã€ã“ã‚“ãªã®ã„ã¤ä½¿ã†ã‚“ã ーã¨ã‹ã„ã†ã‚„ã¤ã¯ãƒã‚°ã£ã¦ã‚‹ã‹ã‚‚ã—ã‚Œãªã„ã§ã™ http://up.chokudai.net/src/chota1219.pdf.html ã±ã™ã‚ーã©ã¯ã¦ã㨠追記: 二円ã®å…±é€šéƒ¨åˆ†é¢ç©ãƒã‚°ã£ã¦ã‚‹ã®ã§ä½¿ã£ã¡ã‚ƒãƒ€ãƒ¡ã§ã™(誤差æ»ã™ã‚‹)
d.y.d. - Boost.勉強会
13:54 09/12/31 年末ã¾ã¨ã‚ 今年何をやã£ãŸã“ã¨ã‚„èªã‚“ã ã‚‚ã®ã‚’振り返ã‚ã†ã¨æ€ã„ã¾ã™ã€‚ æ’例ã®ã‚²ãƒ¼ãƒ å ±å‘Šã‹ã‚‰è¡Œãã¨ã€ ä¸‡æ© ã¨ æ·±é HA クリアã—ã¾ã—ãŸï¼ ãã®å¾Œä»–ã®ãƒ€ãƒ³ã‚¸ãƒ§ãƒ³ã«ã¯æ½œã£ã¦ãªã„ã‘ã©ã€ä½•ã‹ã¾ãŸãã‚ãã‚始ã‚よã†ã‹ãªâ€¦ã€‚ ï¼ ãƒ—ãƒã‚°ãƒ©ãƒŸãƒ³ã‚°é–¢ä¿‚ã¯ã€ãƒãƒƒã‚«ã‚½ãƒ³çš„ãªã‚‚ã®ã§ 何個㋠å°ãƒã‚¿ を仕上ã’ãŸã ã‘ã§ã€ ã¡ã‚ƒã‚“ã¨ã—ãŸã‚‚ã®ã¯ä½œã£ã¦ãªã„ã§ã™ã。困ã£ãŸå›°ã£ãŸâ€¦ã€‚ ã©ã£ã¡ã‹ã¨ã„ã†ã¨ã€å‹‰å¼·ä¼šçš„ãªã‚¤ãƒ™ãƒ³ãƒˆã§ç™ºè¡¨ã™ã‚‹ãƒã‚¿ã‚’考ãˆã‚‹æ–¹ãŒå¤šã‹ã£ãŸã€‚ 特ã«FLTV ã§ã® "真・自然言語プãƒã‚°ãƒ©ãƒŸãƒ³ã‚°" ã®ç™ºè¡¨å†…容ã¯å‰²ã¨å€‹äººçš„ã«ä¼šå¿ƒã®å‡ºæ¥ãªã®ã§ã™ãŒã€å¤šãã®æ–¹ã«å¥½è©•ã„ãŸã ã‘ãŸã®ã§å¬‰ã—ã„ã§ã™ã€‚ ãªã‚“ã ã‹ã‚‚ã†ã€ã—ã°ã‚‰ãã®é–“ã¯ã€ç§ã¯ãã†ã„ã†ã‚ャラã¨ã„ã†ã“ã¨ã§ã„ã„ã®ã§ã¯ãªã„ã‹ã¨æ€ã„始ã‚ã¦ãã¾ã—ãŸã€‚ ã‚‚ã®ã‚’作るã“ã¨ã«å…¨åŠ›ã‚’ã‹ã‘ã¦ã„る人ã¯å¤šã„ã‘ã‚Œã©ã€ 「一見難ã—ã見ãˆã‚‹ã“ã¨ã‚’ã„ã‹ã«ç°¡å˜ã«å™›ã¿ç •ã„ã¦è¦‹ã›ã‚‹ã‹ã€ã‚’
Kikker ã®å¦ç¿’ã®ä»•çµ„ã¿ã¨ Rocchio アルゴリズム- naoyaã®ã¯ã¦ãªãƒ€ã‚¤ã‚¢ãƒªãƒ¼
先日ã®ã‚½ãƒ¼ã‚·ãƒ£ãƒ«ãƒ–ãƒƒã‚¯ãƒžãƒ¼ã‚¯ç ”ç©¶ä¼šã§ã¯ id:kanbayashi ã•ã‚“ã«ã‚ˆã‚‹ç™ºè¡¨ãŒã‚ã‚Šã¾ã—ãŸã€‚id:kanbayashi ã•ã‚“㯠Kikker ã‚„ ã¯ã¦ãƒ–ã¾ã‚ã‚Šã®ã²ã¨ ãªã©ã®é–‹ç™ºã‚’ã•ã‚Œã¦ã„ã‚‹æ–¹ã§ã™ã€‚æœ€è¿‘æƒ…å ±æ¤œç´¢ç†è«–ã«å…¥é–€ã—ãŸè‡ªåˆ†ã«ã¨ã£ã¦ã¯ã€éžå¸¸ã«é¢ç™½ã„発表ã§ã—ãŸã€‚ 発表ã®ä¸ã§ Kikker ã®å¦ç¿’ã®ä»•çµ„ã¿ã«ã¤ã„ã¦ã®è§£èª¬ã‚‚ã‚ã‚Šã¾ã—ãŸã€‚Kikker 㯠Cosine similarity ã§æŽ¨è–¦ã™ã‚‹ãƒ‰ã‚ュメントを検索ã—ã¦ã„ã‚‹ãã†ã§ã™ãŒã€ãƒ¦ãƒ¼ã‚¶ãƒ¼ã®ã‚¯ãƒªãƒƒã‚¯ãƒ‡ãƒ¼ã‚¿ã‚’使ã£ã¦ã€ãƒ¦ãƒ¼ã‚¶ãƒ¼ã”ã¨ã«æŽ¨è–¦å¯¾è±¡ã‚’最é©åŒ–ã™ã‚‹ã‚ˆã†ã«ã—ã¦ã„ã‚‹ãã†ã§ã™ã€‚ã“ã®å¦ç¿’ã¯ã€ãƒ¦ãƒ¼ã‚¶ãƒ¼ãŒè¦‹ãŸãƒšãƒ¼ã‚¸ã®ãƒ™ã‚¯ãƒˆãƒ«ã‚’ã€ãã®ãƒ¦ãƒ¼ã‚¶ãƒ¼ã®è¶£å‘ベクトルã«è¶³ã—込むã“ã¨ã§å®Ÿç¾ã—ã¦ã„ã‚‹ã€ã¨ã®ã“ã¨ã§ã—ãŸã€‚ SBMç ”ç©¶ä¼šã§ç™ºè¡¨ã—ãŸ"ç§ãŒãƒãƒ£ãƒ¬ãƒ³ã‚¸ã—ãŸSBMデータマイニング"ã®ã‚¹ãƒ©ã‚¤ãƒ‰ - Ryoã®é–‹ç™ºæ—¥è¨˜ Neo! 発表ã§ã¯ãƒ™ã‚¯ãƒˆãƒ«ã‚’åŠ ç®—ã™ã‚‹ã“ã¨ã«ã¤ã„ã¦ã€Œ
Introduction to Information Retrieval #9 ã®å¾©ç¿’資料 - naoyaã®ã¯ã¦ãªãƒ€ã‚¤ã‚¢ãƒªãƒ¼
Introduction to Information Retrieval 輪èªä¼š 9ç« ã®å¾©ç¿’資料を以下ã«ã‚¢ãƒƒãƒ—ãƒãƒ¼ãƒ‰ã—ã¾ã—ãŸã€‚ http://bloghackers.net/~naoya/iir/ppt/iir_09.ppt 9ç« ã¯ã€æ¤œç´¢çµæžœã®é©åˆæ€§ã‚’改善ã™ã‚‹ã™ã‚‹ãŸã‚ã®äºŒã¤ã®ã‚¢ãƒ—ãƒãƒ¼ãƒã€Relevance Feedback (RF) ã¨ã‚¯ã‚¨ãƒªæ‹¡å¼µã«ã¤ã„ã¦ã®è©±ã§ã™ã€‚ 検索çµæžœã®ãƒ‰ã‚ュメントã«å¯¾ã—ã¦ãƒ¦ãƒ¼ã‚¶ãƒ¼ã‹ã‚‰è¿½åŠ ã®å…¥åŠ› (Relevant ã‹ Non-relevant ã‹) ã‚’å—ã‘å–ã‚‹ã®ãŒ RF ã§ã™ã€‚å—ã‘å–ã£ãŸãƒ•ã‚£ãƒ¼ãƒ‰ãƒãƒƒã‚¯ã¯ã€ãƒ™ã‚¯ãƒˆãƒ«ç©ºé–“ã§ãƒ™ã‚¯ãƒˆãƒ«ã®é‡å¿ƒã‚’使ã£ã¦ã‚¯ã‚¨ãƒªãƒ™ã‚¯ãƒˆãƒ«ã‚’最é©åŒ–ã™ã‚‹ã“ã¨ã«åˆ©ç”¨ã§ãã¾ã™ã€‚最é©åŒ–ã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã¨ã—㦠Rocchio アルゴリズムを利用ã—ã¾ã™ã€‚ãŸã ã—ã€ç‰¹ã« Web 検索ãªã©ã«ãŠã„ã¦ã¯ã€ãƒ¦ãƒ¼ã‚¶ãƒ¼ã¯æ˜Žç¤ºçš„ãªãƒ•ã‚£ãƒ¼ãƒ‰ãƒãƒƒã‚¯ã‚’好ã¿ã¾ã›ã‚“。ãã“ã§ã€ãƒ¦ãƒ¼ã‚¶ãƒ¼ã‹ã‚‰ã®å…¥
イプシãƒãƒ³è¨ˆç®—ã£ã¦ãªã‚“ã§ã™ã‹ã？ ã“ã‚“ãªã‚‚ã‚“ã§ã™ã‚ˆã‰ - 檜山æ£å¹¸ã®ã‚マイラ飼育記 (ã¯ã¦ãªBlog)
ラムダ計算ã¯ã€è¨ˆç®—モデルã¨ã—ã¦ã ã‘ã§ãªãã€æ‰‹è¨ˆç®—ã®å®Ÿéš›çš„手段ã¨ã—ã¦ã‚‚役立ã¡ã¾ã™ã€‚ã—ã‹ã—ã€é€šå¸¸ä½¿ã‚れるå„種変æ›ï¼ˆã‚¢ãƒ«ãƒ•ã‚¡ã€ãƒ™ãƒ¼ã‚¿ã€ã‚¤ãƒ¼ã‚¿ã€ãƒ‡ãƒ«ã‚¿ï¼‰ã§ã¯ã†ã¾ã計算ãŒé€²ã¾ãªã„ã¨ããŒã‚ã‚Šã¾ã™ã€‚例ãˆã°ã€gãŒfã®é€†é–¢æ•°ã®ã¨ãã€f(g(y)) 㯠y ã«ç°¡ç´„ã•ã‚Œã‚‹ã®ã ã‘ã©ã€f(g(y)) ⇒ y ã£ã¦ç°¡ç´„è¦å‰‡ã¯é€šå¸¸ã®ãƒ©ãƒ ダ計算ã§ã¯ã†ã¾ã定å¼åŒ–ã§ãã¾ã›ã‚“（ã„ã‚„ã€ã§ãã‚‹ã‹ã‚‚ã—ã‚Œã¾ã›ã‚“ãŒã€åƒ•ã«ã¯ã†ã¾ã„方法ãŒæ€ã„ã¤ãã¾ã›ã‚“）。 ãã“ã§ã€ãƒ©ãƒ ダ計算ã«åŠ ãˆã¦ã‚¤ãƒ—ã‚·ãƒãƒ³è¨ˆç®—も使ã†ã¨ã‚ˆã•ãã†ã§ã™ã€‚ã§ã‚‚ã€ã‚¤ãƒ—ã‚·ãƒãƒ³è¨ˆç®—ã¯ã€ãƒ©ãƒ ダ計算ã»ã©ã«ãƒãƒ”ュラーã§ã¯ãªã„ã§ã™ã。簡å˜ãªä¾‹ã§ã‚¤ãƒ—ã‚·ãƒãƒ³è¨ˆç®—を紹介ã—ã¾ã—ょã†ã€‚ 内容： イプシãƒãƒ³è¨˜å·ã¨ã‚¤ãƒ—ã‚·ãƒãƒ³é … イプシãƒãƒ³é …ã®æ„味 イプシãƒãƒ³é …ãŒå®šç¾©ã™ã‚‹é–¢æ•° 例題：gãŒfã®æ–é¢ï¼ˆã‚»ã‚¯ã‚·ãƒ§ãƒ³ï¼‰ã§ã‚ã‚‹ã“㨠イプシãƒãƒ³è¨˜å·ã¨ã‚¤ãƒ—ã‚·ãƒãƒ³é … è² ã®æ•°-1ã¨ã‹ã€ç„¡ç†æ•°âˆš2ã¨ã‹ã‚’å°Žå…¥ã™ã‚‹ã¨ãã€æ¬¡ã®ã‚ˆã†ãªå®š
è‘—åソーシャルメディアãŒä½¿ã£ã¦ã„ã‚‹ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã‚’å¤§å…¬é–‹ï¼ | Moz - SEOã¨ã‚¤ãƒ³ãƒã‚¦ãƒ³ãƒ‰ãƒžãƒ¼ã‚±ãƒ†ã‚£ãƒ³ã‚°ã®å®Ÿè·µæƒ…å ±
“アルゴリズムâ€ã¯ã€ã‚‚ã£ã¨ã‚‚éžäººé–“çš„ãªã‚‚ã®ã®ä»£è¡¨ã ã¨ã‚‚ã„ãˆã‚‹ã€‚ソーシャルメディアã«ã¨ã£ã¦ã€ãã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ãŒä¸å¯æ¬ ã ã¨ã„ã†ã®ã¯ã€å®Ÿã«çš®è‚‰ã‚ã„ã¦ã„る。 僕ã¯ã“ã®é–“ã€ã‚°ãƒ¼ã‚°ãƒ«ãŒã©ã†ã‚„ã£ã¦ãƒ¦ãƒ¼ã‚¶ãƒ¼ãƒ‡ãƒ¼ã‚¿ã‚’集ã‚ã¦ã„ã‚‹ã‹ã«ã¤ã„ã¦æ›¸ã„ãŸè¨˜äº‹ã‚’掲載ã—ãŸï¼ˆå‰ç·¨ã€å¾Œç·¨ï¼‰ã€‚今回ã¯ã€è‘—åãªã‚½ãƒ¼ã‚·ãƒ£ãƒ«ãƒ¡ãƒ‡ã‚£ã‚¢ã‚µã‚¤ãƒˆãŒã€ãƒ¦ãƒ¼ã‚¶ãƒ¼ãƒ‡ãƒ¼ã‚¿ã‚’活用ã™ã‚‹ä¸Šã§ã©ã®ã‚ˆã†ã«ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ を用ã„ã¦ã„ã‚‹ã®ã‹ã€ç™½æ—¥ã®ä¸‹ã«ã•ã‚‰ãã†ã€‚ ソーシャルメディアをæˆã‚Šç«‹ãŸã›ã¦ã„ã‚‹ã®ã¯äººé–“ã®åŠ›ã ãŒã€ãƒ¦ãƒ¼ã‚¶ãƒ¼ãŒå…¥åŠ›ã—ãŸãƒ‡ãƒ¼ã‚¿ã‚’利用ã§ãる状態ã«ã™ã‚‹ä»•çµ„ã¿ã¯ã€ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã«ã‚ˆã£ã¦ä½œã‚‰ã‚Œã¦ã„る。ç¾åœ¨æ´»å‹•ã—ã¦ã„ã‚‹ç„¡æ•°ã®ã‚½ãƒ¼ã‚·ãƒ£ãƒ«ãƒ¡ãƒ‡ã‚£ã‚¢ã‚µã‚¤ãƒˆã§å®Ÿè¨¼æ¸ˆã¿ã®ã“ã¨ã ãŒã€ãƒ¦ãƒ¼ã‚¶ãƒ¼ã®é–¢ä¸Žã¨ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã«ã‚ˆã‚‹å‡¦ç†ãƒ«ãƒ¼ãƒ«ã®ä¸Šæ‰‹ã„ãƒãƒ©ãƒ³ã‚¹ã‚’見出ã™ã“ã¨ã¯ã€ã¨ã¦ã‚‚難ã—ããªã‚ŠãŒã¡ã 。ã“ã‚Œã‹ã‚‰ç´¹ä»‹ã™ã‚‹ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã¯ã€æ‚ªæ„ã®ãªã„ユーザーã¨çµã³ã¤ã„ã¦åˆã‚ã¦ã†ã¾ãã„ãã‚‚ã®ã 。 人気ソーシャル
ランã‚ング
ランã‚ング
ランã‚ング
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
https://dl.acm.org/citation.cfm?doid=1807167.1807184
Non-negative Matrix Factorization（éžè² å€¤è¡Œåˆ—å› å分解） - ã‚らã³ã日記
Wayback Machine
Wayback Machine
Red Black Trees - Here are three different implementations of red-black trees in Haskell.
{{#tags}}- {{label}}
{{/tags}}