格付けチェック「ジャンプ新連載」 第17回「ルリドラゴン」

格付けチェック「ジャンプ新連載」 第17回「ルリドラゴン」

格付けチェック「ジャンプ新連載」

真のジャンプ読者であればジャンプ新連載の1話を読んだだけで何話連載するか分かるはず。
週刊少年ジャンプ新連載の1話だけを読んで何話連載するか当てる。

詳細は第1回に書いてある。

また一週間遅刻。
よくある。

ルイ・キューピットからサーチできるカード一覧

ルイ・キューピットからサーチできるカード一覧

ルイ・キューピットからサーチできるモンスターリスト

ルイ・キューピットからサーチできるモンスター全てのリストが欲しかった。
探しても一部抜粋したものばかりだったので自分で作成。

ルイ・キューピットは以下のようなカード。
最近マスターデュエルに実装された。

カード名レベル属性種族ATK
DEF
テキスト
ルイ・キューピット1天使族0
600
チューナー+チューナー以外のモンスター1体以上 このカード名の③の効果は1ターンに1度しか使用できない。①:このカードがS召喚に成功した場合に発動する。そのS素材としたチューナーのレベル分、このカードのレベルを上げる、または下げる。②:このカードの攻撃力は自身のレベル×400アップする。③:S召喚したこのカードがS素材として墓地へ送られた場合に発動する。そのS召喚したモンスターのレベル×100ダメージを相手に与え、デッキからレベル8以下で守備力600のモンスター1体を手札に加える事ができる。

③の効果でメインデッキに入るレベル8以下で守備力600のモンスターをサーチできる。
この対象となるモンスターを公式の「遊戯王OCGカードデータベース」によって検索。
その結果を以下にまとめた。

Pythonで購入履歴の共起分析(アイテム間類似度取得・クラスタリング)

Pythonで購入履歴の共起分析(アイテム間類似度取得・クラスタリング)

商品購入ログから商品間の類似度取得・クラスタリング

商品購入ログを使って商品の共起分析。
以前行った実験と同じデータを使ってより高度な前処理を行う。

前回の実験↓

今回は下記の図に示すようにデータを加工していく。



ログデータのクロス集計までは前回と一緒。

その後、

  • 共起行列
  • PPMI
  • SVD

と続く。

成果物として、

  • アイテム間のコサイン類似度表
  • アイテムのクラスタリングリスト

が得られる。

格付けチェック「ジャンプ新連載」 第16回「ALIENS AREA」

格付けチェック「ジャンプ新連載」 第16回「ALIENS AREA」

格付けチェック「ジャンプ新連載」

真のジャンプ読者であればジャンプ新連載の1話を読んだだけで何話連載するか分かるはず。
週刊少年ジャンプ新連載の1話だけを読んで何話連載するか当てる。

先週は「アヤシモン」、今週は「しゅごまる」が終わってしまった。
両方ともキャラが増えてきて面白くなってきてたのに残念。

詳細は第1回に書いてある。

Pythonで購入履歴の共起分析による推薦システム開発

Pythonで購入履歴の共起分析による推薦システム開発

商品購入ログを使って商品の推薦システムを作る

商品購入ログから商品の推薦を行う。
「この商品を買った人はこれも買ってます」というやつ。

これは共起分析によって簡単に実現できる。
共起分析とは「共に起こる」の通り、同時に発生したかどうかを特徴として分析する手法。

具体的に今回の購入ログの例でいうと、
「あるユーザーが商品Aと商品Bを両方購入している」とか、
「ある商品をユーザーAとユーザーBが両方購入している」とか、
そういった情報を特徴として分析に使用する。

これによってある商品を買った人が一緒に何を買いがちか分かる、
この結果を任意の商品を買ったユーザーに伝えることで他の商品を推薦できる。
今回はPythonで実験する。

Pythonで購入履歴から商品のクラスタリング(3パターン)

Pythonで購入履歴から商品のクラスタリング(3パターン)

商品購入ログを使って商品のクラスタリング

商品購入ログから商品のクラスタリングをしたい。
Pythonの最強ライブラリscikit-learnを使って行う。

  • 最もメジャーなK-means
  • 疎行列に強いらしいSpectralClustering
  • 階層型クラスタリングのウォード法

同一データに対して、上記3種のクラスタリングを行う。

格付けチェック「ジャンプ新連載」 第15回「すごいスマホ」

格付けチェック「ジャンプ新連載」 第15回「すごいスマホ」

格付けチェック「ジャンプ新連載」

真のジャンプ読者であればジャンプ新連載の1話を読んだだけで何話連載するか分かるはず。
週刊少年ジャンプ新連載の1話だけを読んで何話連載するか当てる。

掲載後1週間以内(2話が掲載されるまで)にやるはずが理由もなく一週間遅刻。
一応2話は読んでいない。

詳細は第1回に書いてある。

ブラウザで動画再生・加工・録画

ブラウザで動画再生・加工・録画

javascriptで動画加工をする

ブラウザで画像処理に続いて動画像処理。

  • 動画ファイルを選択
  • 選択した動画を再生
  • 加工した動画を再生
  • 加工した動画をダウンロード

これらをブラウザ上で実現。
HTML5とjavascript、優秀。

Azure音声認識APIの日本語モデルカスタマイズ 2. 音声+トランスクリプト

Azure音声認識APIの日本語モデルカスタマイズ 2. 音声+トランスクリプト

「Custom Speech」によってAzure音声認識APIの日本語モデルの精度を向上

前回行ったAzure音声認識APIの実験の続き。

前回↓

Azureの音声認識サービス「Speech to Text」にはユーザーのデータからモデルの再学習を行い認識精度を高める機能がある。

「Custom Speech」と呼ばれるその機能は「音声ファイル」、ラベル付きテキスト、音素による発音指定テキストなど様々なデータによるカスタマイズが可能。

扱う言語によって機能に制限があり、日本語は「プレーンテキスト」によるカスタマイズ以外はできないと書いてある。



前回「プレーンテキスト」によるカスタマイズを試したときに「音声+トランスクリプト」もできそうな感じだったので実験する。
結果から言うと音声の学習はうまくいかない。

Azure音声認識APIの日本語モデルカスタマイズ 1. プレーンテキスト

Azure音声認識APIの日本語モデルカスタマイズ 1. プレーンテキスト

「Custom Speech」によってAzure音声認識APIの日本語モデルの精度を向上

前回行ったAzure音声認識APIの実験の続き。

Azureの音声認識サービス「Speech to Text」にはユーザーのデータからモデルの再学習を行い認識精度を高める機能がある。

「Custom Speech」と呼ばれるその機能は「音声ファイル」、ラベル付きテキスト、音素による発音指定テキストなど様々なデータによるカスタマイズが可能。

扱う言語によって機能に制限がある、日本語について確認。



あまりにマイナーな言語過ぎて「プレーンテキスト」によるカスタマイズ以外はできないようだ。
したがって「プレーンテキスト」を利用したazureの音声認識カスタマイズを行う。

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×