10周年のSPコンテンツ!

DEIM2012最終日のまとめ

DEIM2012最終日のまとめです.といっても,じぶんのツイートないですし,#deim2012 でとってきただけですし...すみません.
科学
1
ぴかし🥺 @pika_shi
明日6:30とか起きれる気がしない #deim2012
@DEIM2012
おはようございます。最終日も朝食は6:30から懇親会会場を利用いただけます。セッションも7:45開始です。 #deim2012
@DEIM2012
チェックアウトは10:00まで、クロークは9:00-16:00で利用可能です。 #deim2012
@DEIM2012
京コンピュータ見学ツアーの割り振り表、集合時間は受付にてご確認下さい。 #deim2012
MITSUDA Tetsuo(2.81) @lab1092
.@arg さんの「第4回データ工学と情報マネジメントに関するフォーラム #DEIM2012」をお気に入りにしました。 http://t.co/iOfW6eCQ
💶しゅば🇺🇸 @Schwarz_H
おきた。ぶれーくふぁーすとなう #DEIM2012
MATSUMURA Atsushi @mtsmr
A9: 情報推薦・パーソナライゼーション(5) にいます.3. ユーザの嗜好を考慮したブックレビューランキング手法: 若松 望, 常川 真央, 松村 敦, 宇陀 則彦 (筑波大) で学生がお世話になります.よろしくお願いします. #deim2012
MATSUMURA Atsushi @mtsmr
A9-1 ユーザーが受信メールから抱く感情に合わせた音楽推薦システム: 阿部 健一, 藤本 悠, 大原 剛三 (青学大) #deim2012
kanzaki @knzk
F9-2: TwitterのFavorite機能を用いたユーザ嗜好分析 #deim2012
MATSUMURA Atsushi @mtsmr
A9-1 同質の原理に基づいた,電子メールに対する楽曲推薦システムでした.メールからの特徴は語だけでしたが,誰からってけっこう重要に思います. #deim2012
MATSUMURA Atsushi @mtsmr
A9-2 ユーザの重視する不満意見と好評意見を考慮した商品推薦システム: 山本 竜太郎, 藤本 悠, 大原 剛三 (青学大) #deim2012
kanzaki @knzk
データ収集のソースはFavotterらしい F9-2 #deim2012
MATSUMURA Atsushi @mtsmr
A9-2 「レビューに含まれる好評意見だけでなく不満意見も取り入れた上で商品を推薦する」 #deim2012
MATSUMURA Atsushi @mtsmr
A9-2 「NICTの評価表現抽出ツール:http://t.co/HoyIHAMs を使った」 #deim2012
りり @lily_2007
“第4回データ工学と情報マネジメントに関するフォーラム #DEIM2012 - Togetter” http://t.co/b2qIxPld
kanzaki @knzk
一般的なユーザは1ヶ月通して数回しかふぁぼらないらしい F9-2 #deim2012
MATSUMURA Atsushi @mtsmr
A9-2 好評意見と不満意見の寄与は,引き算じゃなくて重みつけて和をとると分析できるのではないだろうか. #deim2012
たけのこ野郎 @takenokoyaroo
F9-2 ふぁぼるノードはユーザで、ふぁぼられるノードはツイートなんだけどその辺どうなってんのか気になる。重複が〜って言ってたからツイート=ユーザで考えてんのかな #deim2012
kanzaki @knzk
気になったこととかTwitterに投げるだけで質問しない人ばっかだなー俺もだけど #deim2012
MATSUMURA Atsushi @mtsmr
A9-3 ユーザの嗜好を考慮したブックレビューランキング手法: 若松 望, 常川 真央, 松村 敦, 宇陀 則彦 (筑波大) 学生の発表です.よろしくお願いします. #deim2012
たみー @Chocolat_Tammy
なんとか終わりました 研究背景までミニマイクつけてなかった\(^o^)/ #deim2012
Kaname HARUMOTO @harumoto01
#deim2012 A9-3「ユーザの嗜好を考慮したブックレビューランキング手法」 [コメント]対象とする本ごとに、レビューの長さの分布や単語出現の分布が違うので、それも考慮するとより良い結果が出るかもしれない。
MATSUMURA Atsushi @mtsmr
ありがとうございます.本毎の分析はこれからの重要な課題と考えています.RT @harumoto01: #deim2012 A9-3 [コメント]対象とする本ごとに、レビューの長さの分布や単語出現の分布が違うので、それも考慮するとより良い結果が出るかもしれない。
残りを読む(114)

コメント

コメントがまだありません。感想を最初に伝えてみませんか?

ログインして広告を非表示にする
ログインして広告を非表示にする