ウェブコーパスにおけるタグの使用頻度をダウンロードできるようにしました． タグ使用頻度 - 日本語ウェブコーパス 2010 http://s-yata.jp/corpus/nwc2010/tags/ （抜粋）タグのカウントにおいては，タグ・属性の名前を小文字に統一し，class, id, name 以…

2010-11-26 にて「いつかは読んでおきたい（と言っておけばかっこいい）本」としてアルゴリズムデザインが紹介されているのを見て，発売時期と厚さゆえにエージェントアプローチ人工知能とセットで思い出しました．この 2 冊は枕より厚く，凶器と呼びたくな…

形態素の頻度をカウントするというシンプルなタスクで std::tr1::unordered_map の性能について実験してみました．std::string より const char * の方がメモリを節約できるというような軽い内容です． 実験概要 実験環境は以下のとおりです． 実験環境 CPU…

セクションターゲットを訓練データに使えないだろうか…（コンテンツ抽出） - やた＠はてな日記 のアイデアを元にデータを作成してみたものの，バイアスがかなり強いような気がしたので，タグの使用頻度を調べてみることにしました．調査したのは，手元にある…

情報処理学会の会誌 11 月号の特集は，「音声認識技術の実用化への取り組み」というタイトルで，音声認識に関するハードウェアからシステム設計，アルゴリズム，アプリケーションにいたるまで，幅広い内容になっています．音声認識は何かしらの切っ掛けがあ…

Android 携帯である IS01 の OS アップデートが永久凍結されたことに対して総統がお怒りになっている動画（もちろん MAD）です．元は Xperia のために用意されたもののようですが，Xperia の OS が 2.1 にバージョンアップされたこともネタとして取り入れら…

面白いものをメールで教えてもらいました．商品自体も良いものではありますが，紹介記事がまた秀逸です． 誠 Biz.ID：世紀末“手帳”伝説：世紀末覇者に学ぶ成功哲学——アミバ天才手帳＆世紀末覇者手帳 http://bizmakoto.jp/bizid/articles/1011/12/news080.html…

google_ad_section_start と google_ad_section_end で囲まれている部分を抽出するというのはよくある話だから，これを訓練データにしたという人がいてもおかしくないかなと思ったのですが，そういうことを試した人はいないのでしょうか．現在，データだけで…

n-yo さんに教えていただいてから随分と経ってしまいましたが，CETR を実装してウェブサービス化してみました． HTML テキスト抽出（CETR） http://s-yata.jp/apps/nwc-toolkit/cetr-text-extractor CETR というのは "Content Extraction via Tag Ratios" の…

情報処理学会の会誌 10 月号の特集は，「Linux のセキュリティ機能」というタイトルで，SELinux と TOMOYO Linux によるアクセス制御がメインの内容でした．エンタープライズよりの内容っぽくて，あまり実感は沸きませんでしたけど，「こんなことやってたの…