PowerPoint プレゼンテーション
|
|
|
- ゆき なみこし
- 5 years ago
- Views:
Transcription
1 SIGIR2014 勉強会 Think Globally, Act Locally 担当 : 大島裕明 ( 京都大学 )
2 Think Globally, Act Locally Who is the Barbecue King of Texas?: A Geo-Spatial Approach to Finding Local Experts on Twitter Z. Cheng, J. Caverlee, H. Barthwal, V. Bachani (Texas A&M University) Your Neighbors Affect Your Ratings: On Geographical Neighborhood Influence to Rating Prediction L. Hu, A. Sun, Y. Liu (Nanyang Technological University) Processing Spatial-keyword Query as a Top-k Aggregation Query D. Zhang, C.-Y. Chan, K.-L. Tan (National University of Singapore) 2 Think Globally, Act Locally 担当 : 大島 ( 京大 )
3 Who is the Barbecue King of Texas?: A Geo-Spatial Approach to Finding Local Experts on Twitter Z. Cheng, J. Caverlee, H. Barthwal, V. Bachani (Texas A&M University) 特定地域における専門家を発見する トピックに対する Expertise 特定地域での Authority 特定値域での Authority:GPS 情報付き Tweet を利用 Local Expert Global Expert 3 Think Globally, Act Locally 担当 : 大島 ( 京大 )
4 Who is the Barbecue King of Texas?: A Geo-Spatial Approach to Finding Local Experts on Twitter データ 数 収集したTwitterユーザうち 位置推定できたもの (Geoユーザ) Geoユーザが入れられたListの数その中でのGoeユーザの出現数 GoeユーザどうしのList 関係 Goeユーザどうしの友達関係同じListでGeoユーザが共起したという関係 5374 万 2425 万 1288 万 8599 万 1476 万 1 億 6687 万 4 億 3019 万 ユーザの居住地推定 Tweet が多く投稿されている場所 リストやフレンドなどの関係 リストの名前のn-gram food:local tech, entertain, travel:global 4 Think Globally, Act Locally 担当 : 大島 ( 京大 )
5 Who is the Barbecue King of Texas?: A Geo-Spatial Approach to Finding Local Experts on Twitter Local Authority の推定 1. 候補者の場所の距離 実は遠くに居る場合もある 2. 支持者の場所 候補者の Core Audience との平均距離 3. より近い支持者の割合 より近くにどの程度 Core Audience が居るか 5 Think Globally, Act Locally 担当 : 大島 ( 京大 )
6 Who is the Barbecue King of Texas?: A Geo-Spatial Approach to Finding Local Experts on Twitter Topical Authority の推定 1. 言語モデルで推定 2. 伝播 候補者が入っているリストの ラベル トピックの語がどの程度その ラベル のモデルで重要か 友人関係リスト作成したよ関係 v 1 が geek リストに v 5 を入れている 同じリストにいる関係 v 5 と v 6 が同じ tech リストに入っている 6 Think Globally, Act Locally 担当 : 大島 ( 京大 )
7 Who is the Barbecue King of Texas?: A Geo-Spatial Approach to Finding Local Experts on Twitter 評価 Amazon Mechanical Turk で正解を作成 各候補者を 5 人の Assessor が評価 [+2] から [-1] の 4 段階で評価 Local Authority 支持者を考慮した方が良い結果 Expertise 7 Think Globally, Act Locally 担当 : 大島 ( 京大 )
8 Your Neighbors Affect Your Ratings: On Geographical Neighborhood Influence to Rating Prediction Yelp の Rating の推定 対象 : レストラン お店 物理的にある 場所 に存在 徒歩圏内に お隣さん がある L. Hu, A. Sun, Y. Liu (Nanyang Technological University) 8 Think Globally, Act Locally 担当 : 大島 ( 京大 )
9 Your Neighbors Affect Your Ratings: On Geographical Neighborhood Influence to Rating Prediction あるお店の Rating はお隣さんの Rating と相関があるか? 結論 : 弱い相関あり (0.15 程度 ) 3NN: 一番近い 3 つのお店の平均評価 表層の評価は 2 つの要素から成り立つ 内的評価 : その店の実質的な特徴に対する評価 外的評価 : お隣さんから影響される評価 9 Think Globally, Act Locally 担当 : 大島 ( 京大 )
10 Your Neighbors Affect Your Ratings: On Geographical Neighborhood Influence to Rating Prediction お隣さん相関 の程度はカテゴリによって違うか? 結論 : 違う Beauty 相関高 結論 : わりとそう Restaurant は隣り合う お隣さん は同じカテゴリのお店なのか? 10 Think Globally, Act Locally 担当 : 大島 ( 京大 )
11 Your Neighbors Affect Your Ratings: On Geographical Neighborhood Influence to Rating Prediction 提案手法 下記を含む各種 μμ bb uu bb ii p uu d cc v nn q ww 全体の平均値ユーザのバイアスアイテムのバイアスユーザuの潜在影響カテゴリcの潜在影響お隣さんアイテムnの潜在影響レビュー中の語 wの潜在影響 実験 Yelpデータ 各種推定手法と比較 平均エラー SVD++:0.812 提案手法 : Think Globally, Act Locally 担当 : 大島 ( 京大 )
12 Processing Spatial-keyword Query as a Top-k Aggregation Query D. Zhang, C.-Y. Chan, K.-L. Tan (National University of Singapore) 地域に関係するトップ k 検索 ランキングの要素 地域的近さ テキストの適合性 従来手法 テキスト Index と空間 Index の組合せ テキストと空間の両特徴に対する Index トップ k 集約 集約関数は 総和を使用 12 Think Globally, Act Locally 担当 : 大島 ( 京大 )
13 Processing Spatial-keyword Query as a Top-k Aggregation Query 本論文では新しいインデックス手法を提案しているようだ 従来手法の問題 Random アクセスのコストが高い場合にダメ 提案手法 候補になるものを Disk 上で近いところに配置 アプローチ :Z-order 13 Think Globally, Act Locally 担当 : 大島 ( 京大 )
2
1 2 1 2 3 4 5 6 7 8 9 10 11 Think globally, act locally 12 13 14 15 16 17 18 9 1 19 20 13 1 21 22 10 23 24 5 25 26 1 27 University of Oregon 28 29 30 31 32 33 34 35 5 2 36 37 38 39 40 41 42 43 44 45 46
橡Taro9-今日的課題を通して.PDF
10 1 2 1 1 2 2 3 3-1- 1241 NHK -2- 200 10 1600 16 1592 1845 1720 29 1700 2576 1872 30 1832 3040 35 1647 1663 1707 300-3- -4- -5- Think globally, Act locally -6- -7- 3 11 14 30 15 1 2 16 19 20 20 1-8- 1
Act Locally, Think Globally
Act Locally, Think Globally 10 11 12 13 10 14 10 15 11 16 11 17 11 18 11 19 11 12 14 15 28 1515 28 28 a 28 s 28 d 2226104 28 f 28 a 37 18 1 15 150,000 9,282 10 2 10 ii iii iv 0272262540 3 4 http://www.pref.gunma.jp/02/d1010069.html
t Z
t Z 1 11 1 1 1 1 1 1 1 1 1 1 1 1 UU 1 as a s 1 1 1 1 1 1 G q w e r q q w e r a s 1 1 1 1 1 1 1 a s a gg g q w e r 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
31 33
17 3 31 33 36 38 42 45 47 50 52 54 57 60 74 80 82 88 89 92 98 101 104 106 94 1 252 37 1 2 2 1 252 38 1 15 3 16 6 24 17 2 10 252 29 15 21 20 15 4 15 467,555 14 11 25 15 1 6 15 5 ( ) 41 2 634 640 1 5 252
EP760取扱説明書
D D D # % ' ) * +, B - B / 1 Q&A B 2 B 5 B 6 Q & A 7 8 $ % & ' B B B ( B B B B B B B B B B B ) B B B A # $ A B B * 1 2 # $ % # B B % $ # $ % + B B 1 B 2 B B B B B B B B B B , B B B - 1 3 2 2 B B B B B
0226_ぱどMD表1-ol前
No. MEDIA DATA 0 B O O K 00-090-0 0 000900 000 00 00 00 0000 0900 000900 AREA MAP 0,000 0,000 0,000 0,000 00,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 00,000 0,000
N N 1,, N 2 N N N N N 1,, N 2 N N N N N 1,, N 2 N N N 8 1 6 3 5 7 4 9 2 1 12 13 8 15 6 3 10 4 9 16 5 14 7 2 11 7 11 23 5 19 3 20 9 12 21 14 22 1 18 10 16 8 15 24 2 25 4 17 6 13 8 1 6 3 5 7 4 9 2 1 12 13
PowerPoint プレゼンテーション
VLDB+SIGIR2015 勉強会 SIGIR2015 Search Experience How many results per page? A Study of SERP Size, Search Behavior and User Experience Diane Kelly, Leif Azzopardi Influence of Vertical Result in Web Search
広報さっぽろ 2016年8月号 厚別区
8/119/10 P 2016 8 11 12 P4 P6 P6 P7 13 P4 14 15 P8 16 P6 17 18 19 20 P4 21 P4 22 P7 23 P6 P7 24 25 26 P4 P4 P6 27 P4 P7 28 P6 29 30 P4 P5 31 P5 P6 2016 9 1 2 3 P4 4 P4 5 P5 6 7 8 P4 9 10 P4 1 b 2 b 3 b
001 No.3/12 1 1 2 3 4 5 6 4 8 13 27 33 39 001 No.3/12 4 001 No.3/12 5 001 No.3/12 6 001 No.3/12 7 001 8 No.3/12 001 No.3/12 9 001 10 No.3/12 001 No.3/12 11 Index 1 2 3 14 18 21 001 No.3/12 14 001 No.3/12
2 21,238 35 2 2 Twitter 3 4 5 6 2. 2.1 SNS 2.2 2. 1 [8] [5] [7] 2. 2 SNS SNS 2 2. 2. 1 Cheng [2] Twitter [6] 2. 2. 2 Backstrom [1] Facebook 3 Jurgens
![2 21,238 35 2 2 Twitter 3 4 5 6 2. 2.1 SNS 2.2 2. 1 [8] [5] [7] 2. 2 SNS SNS 2 2. 2. 1 Cheng [2] Twitter [6] 2. 2. 2 Backstrom [1] Facebook 3 Jurgens](/thumbs/40/22232212.jpg "2 21,238 35 2 2 Twitter 3 4 5 6 2. 2.1 SNS 2.2 2. 1 [8] [5] [7] 2. 2 SNS SNS 2 2. 2. 1 Cheng [2] Twitter [6] 2. 2. 2 Backstrom [1] Facebook 3 Jurgens")
DEIM Forum 2016 B4-3 地域ユーザに着目した口コミツイート収集手法の提案 長島 里奈 関 洋平 圭 猪 筑波大学 情報学群 知識情報 図書館学類 305 8550 茨城県つくば市春日 1 2 筑波大学 図書館情報メディア系 305 8550 茨城県つくば市春日 1 2 つくば市役所 305 8555 茨城県つくば市研究学園 1 1 1 E-mail: s1211530@u.tsukuba.ac.jp,
( さん)( さん)( さん)( さん)( さん)( さん)( さん)( さん)ラベル り( さん)( さん)( さん)( さん)( さん) ( さん)( さん)( さん)( さん)( さん)( さん)( さん)( さん)ラベル り( さん)( さん)( さん)( さん)( さん) ( さん)( さん)( さん)( さん)( さん)( さん)( さん)( さん)ラベル り( さん)( さん)( さん)(
icde_5a_3
ICDE 2016 & WWW 2016 勉強会 Research Session 5A-3: Durable Graph Pattern Queries on Historical Graphs Konstantinos Semertzidis Evaggelia Pitoura 担当 : 楠和馬 ( 同志社大学 ) I. Introduction (1 / 2) } 背景 } 様々なドメインで時間経過につれ変化するグラフがほとんど
main.dvi
DEIM Forum 2017 D3-4 305-8573 1-1-1 305-8573 1-1-1 ( ) 151-0053 1-3-15 6F 101-8430 2-1-2 This paper presents techniques of retrieving know-how sites from the collection of Web pages. The proposed techniques
橡matufw
3 10 25 3 18 42 1 2 6 2001 8 22 3 03 36 3 4 A 2002 2001 1 1 2014 28 26 5 9 1990 2000 2000 12 2000 12 12 12 1999 88 5 2014 60 57 1996 30 25 205 0 4 120 1,5 A 1995 3 1990 30 6 2000 2004 2000 6 7 2001 5 2002
O
11 2 1 2 1 1 2 1 80 2 160 3 4 17 257 1 2 1 2 3 3 1 2 138 1 1 170 O 3 5 1 5 6 139 1 A 5 2.5 A 1 A 1 1 3 20 5 A 81 87 67 A 140 11 12 2 1 1 1 12 22 1 10 1 13 A 2 3 2 6 1 B 2 B B B 1 2 B 100 B 10 B 3 3 B 1
DEIM Forum 2015 F8-4 Twitter Twitter 1. SNS
DEIM Forum 2015 F8-4 Twitter 432 8011 3-5-1 432 8011 3-5-1 E-mail: cs11032@s.inf.shizuoka.ac.jp, {yokoyama,fyamada}@inf.shizuoka.ac.jp Twitter 1. SNS SNS SNS Twitter 1 Twitter SNS facebook 2 mixi 3 Twitter
研究紀要 第５号
3 4 5 6 7 8 a s d f a 9 10 s d a 11 12 s d f g 13 h j a d s 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 a 35 s 36 a 37 s 38 a 39 s 40 a 41 s d 42 f 43 44 46 47 48 49 50 a s d as d 51
PowerPoint プレゼンテーション
WWW 2016 つまみぐい ICDE2016+WWW2016 勉強会 担当 : 山本岳, 大島 ( 京大 ) WWW 2016 Identifying Web Queries with Question Intent Gilad Tsur, Yuval Pinter, Idan Szpektor, David Carmel (Yahoo Labs) Discovery of Topical Authorities
main.dvi
DEIM Forum 2012 E2-4 1 2 2 2 3 4 5 6 7 1 305-8573 1-1-1 2 305-8573 1-1-1 3 305-8573 1-1-1 4 ( ) 141-0031 8-3-6 5 060-0808 8 5 6 101-8430 2-1-2 7 135-0064. 2-3-26 113-0033 7-3-1 305-8550 1-2 Analyzing Correlation
23 15961615 1659 1657 14 1701 1711 1715 11 15 22 15 35 18 22 35 23 17 17 106 1.25 21 27 12 17 420,845 23 32 58.7 32 17 11.4 71.3 17.3 32 13.3 66.4 20.3 17 10,657 k 23 20 12 17 23 17 490,708 420,845 23
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 ( ) 24 25 26 27 28 29 30 ( ) ( ) ( ) 31 32 ( ) ( ) 33 34 35 36 37 38 39 40 41 42 43 44 ) i ii i ii 45 46 47 2 48 49 50 51 52 53 54 55 56 57 58
untitled
i ii (1) (1) (2) (1) (3) (1) (1) (2) (1) (3) (1) (1) (2) (1) (3) (2) (3) (1) (2) (3) (1) (1) (1) (1) (2) (1) (3) (1) (2) (1) (3) (1) (1) (1) (2) (1) (3) (1) (1) (2) (1) (3)
平成１８年度「商品先物取引に関する実態調査」報告書
... 1.... 5-1.... 6-2.... 9-3.... 10-4.... 12-5.... 13-6.... 15-7.... 16-8.... 17-9.... 20-10.... 22-11.... 24-12.... 27-13... 29-14.... 32-15... 37-16.... 39-17.... 41-18... 43-19... 45.... 49-1... 50-2...
1009.\1.\4.ai
- 1 - E O O O O O O - 2 - E O O O - 3 - O N N N N N N N N N N N N N N N N N N N N N N N E e N N N N N N N N N N N N N N N N N N N N N N N D O O O - 4 - O O O O O O O O N N N N N N N N N N N N N N N N N
HPB”gŠp2.eps
145 y e t e t KEYWORD 144 232 46 Theme q e r w u 1 2 3 4 13 C O N T E N T S 1 6 13 16 17 18 01 02 03 04 05 06 07 08 09 20 22 24 26 28 30 34 36 40 44 10 11 12 13 14 46 48 50 52 54 15 16 17 18 19 20 21
P3 P14 P20 P26 P30 P34 2
2013 11 8 1 P3 P14 P20 P26 P30 P34 2 1-1. P4 1-2. P5 1-3. 1-4. P6 P7 1-5. P8 1-6. P9 1-7. P10 1-8. 1-9. 1-10. P11 P12 P13 3 40 5 10 24 3 4 http://www.pref.shizuoka.jp/bousai/e-uakes/ manabu/jigyousyo_jirei/index.html
高速バックボーンネットワークにおける公平性を考慮した階層化パケットスケジューリング方式
Advanced Network Architecture Research Group 高速バックボーンネットワークにおける 公平性を考慮した 階層化パケットスケジューリング方式 大阪大学大学院基礎工学研究科情報数理系専攻博士前期課程 牧一之進 発表内容 研究の背景 研究の目的 階層化パケットスケジューリング方式の提案 評価モデル シミュレーションによる評価 まとめと今後の課題 研究の背景 インターネットのインフラ化
Exploring the Art of Vocabulary Learning Strategies: A Closer Look at Japanese EFL University Students A Dissertation Submitted t
Exploring the Art of Vocabulary Learning Strategies: A Closer Look at Japanese EFL University Students MIZUMOTO, Atsushi Graduate School of Foreign Language Education and Research, Kansai University, Osaka,
コンピュータ応用・演習 情報処理システム
2010 年 12 月 15 日 データエンジニアリング 演習 情報処理システム データマイニング ~ データからの自動知識獲得手法 ~ 1. 演習の目的 (1) 多種多様な膨大な量のデータを解析し, 企業の経営活動などに活用することが望まれている. 大規模データベースを有効に活用する, データマイニング技術の研究が脚光を浴びている 1 1. 演習の目的 (2) POS データを用いて顧客の購買パターンを分析する.
研究開発の概要のイメージ ①画像 音声 映像情報の分析技術 周辺コンテンツや他情報源から収集したテキスト情報の分析 画像特徴量分析による信憑性検証 Web画像の典型度 過不足性 W b画像の典型度 過不足性 整合性の分析 映像 音声の偏り分析や 映像 音声の偏り分析や 視聴者評価情報の分析 Webア
電気通信サービスにおける情報信憑性検証技術に関する研究開発 課題ア Webコンテンツ分析技術開発成果について 1. 施策の目標 ネットワーク上の文字 音声 画像 映像情報について 情報の信頼性を分析する技術を確立し 信頼できる情報を提供することで 誰でもが思いのまま 簡単に 信頼して コンテンツを取り扱い 高度に利活用できる環境を実現する 2. 研究開発の背景 画像 音声 映像情報がWebコンテンツの一部としてインターネット上に大量に流通しているが
Coral Reef Study 1 4 8 11 14 18 21 21 425 1 1( ) What s coral? ( 6 (BBC)/Discovery Channel( )Co-Production) 15 http://interpreter.ne.jp/umibe/ 2(Hands On) 4 1 4 1 ( ) 3 2 2 2 1 4 5 0 2 3 2 3 2 3030 1
nlp1-12.key
自然言語処理論 I 12. テキスト処理 ( 文字列照合と検索 ) 情報検索 information retrieval (IR) 広義の情報検索 情報源からユーザの持つ問題 ( 情報要求 ) を解決できる情報を見つけ出すこと 狭義の情報検索 文書集合の中から ユーザの検索質問に適合する文書を見つけ出すこと 適合文書 : 検索質問の答えが書いてある文書 テキスト検索 (text retrieval)
70 : 20 : A B (20 ) (30 ) 50 1
70 : 0 : A B (0 ) (30 ) 50 1 1 4 1.1................................................ 5 1. A............................................... 6 1.3 B............................................... 7 8.1 A...............................................
2 2 2 http://www.edu.shiga-u.ac.jp/dept/art/ 2 10-13 03 Niizeki shinya 20 Tachibana michiko U 4 04 < > 20 3 1 1. 130,3 162,0cm F100 2. 77 75 52cm Oshima akira 20 2 4 3.4. 31,9 24,0cm 48,0 32,0cm 05 Think
1007.\1.ai
- 1 - B - 2 - e - 3 - F O f g e f - 4 - O O N N N N N N N N N N N N N N N N N N N N N N N F C - 5 - N N N N N N N N N N N N N N N N N N N N N N N F - 6 - D - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 -
15 6 9 3 18 9 1 17 244 1 15 7-1 - - 2 - ( 244 2 8 ) 17.9.5No35 17 7-3 - 0% 20% 40% 60% 80% 100% (1,795) 38.7% (2,844) 61.3% 34.1 (329) 83.4 (131) 65.9 (635) 16.6 (26) 38.2 (1265) 61.8 (2048) (N=4639) 34.1
untitled
ProcuredProducts (National University Corporation (National University Corporation ProcuredProducts (National University Corporation ProcuredProducts (National University Corporation ProcuredProducts (National
1. (1) 1/
2005 11 30 2006 03 31 1-1-2 [ ] 7-12 SMBC 4 1 27 1 18 1. (1) 1/5 1 2 32 1/5 1 2006 3 11 200 2006 1 1/5 20 20 30 CM 10 TVCM15 BB 2006 3 31 26 3 5 2 1 4 3 2 3 (2) (1) 2. (1) 1 2006/03/31 1,680,877,606 1
にゃんぱすー
ビッグデータ分析技術ワークショップ ~ グラフマイニング研究の最新動向と応用事例 ~ 平成 28 年 2 月 28 日 頂点順序の最適化による 高速なグラフ分析 新井淳也 日本電信電話株式会社 ソフトウェアイノベーションセンタ この発表について 下記論文についての発表です Rabbit Order: Just-in-time Parallel Reordering for Fast Graph Analysis
事例紹介１
TBWG-18-04 ユーザの状況を考慮した ロバストな情報配信基盤の構築 京都産業大学 コンピュータ理工学部 秋山豊和 本日の内容 JGN-X を利用したプロジェクトの紹介 JGNX-A11034 ソーシャルクラウド型新世代知識情報獲得支援システムのスケーラビリティに関する研究 現在の取り組みの紹介 ユーザの状況を考慮したロバストな情報配信基盤の構築 SCOPE H22 24 年度 若手 ICT
0210研究会
複数のソーシャルメディアのレビューを 用いた商品比較基盤技術の提案 甲南大学大学院自然科学研究科服部祐基 甲南大学知能情報学部灘本明代 背景 ソーシャルメディアを用いて情報を取得する行為が多くなっている 商品の購入 商品認知の情報源 購入のきっかけとなった情報源 として 約 40% ものインターネットユーザがソーシャルメディアを活用している 1),2) ソーシャルメディアの書き込みを商品購入の際の参考にしているユーザが多く存在している
lucene-gosen Solr1
ElasticSearch 2013/08/29 @johtani Twitter@johtani lucene-gosen Solr1 http://blog.johtani.info N-gram ElasticSearch ElasticSearch Full text search Wikipedia RDB RDB RDB Term/Token 1 2 1 2 1 2 1 2 1 2 1
3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)
![3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)](/thumbs/68/59204737.jpg "3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)")
(MIRU2012) 2012 8 820-8502 680-4 E-mail: {d kouno,shimada,endo}@pluto.ai.kyutech.ac.jp (1) (2) (3) (4) 4 AdaBoost 1. Kanade [6] CLAFIC [12] EigenFace [10] 1 1 2 1 [7] 3 2 2 (1) (2) (3) (4) 4 4 AdaBoost
集中理論談話会 #9 Bhat, C.R., Sidharthan, R.: A simulation evaluation of the maximum approximate composite marginal likelihood (MACML) estimator for mixed mu
集中理論談話会 #9 Bhat, C.R., Sidharthan, R.: A simulation evaluation of the maximum approximate composite marginal likelihood (MACML) estimator for mixed multinomial probit models, Transportation Research Part
名称未設定
NAIST-IS-MT1151062 2013 3 15 ( ) Twitter 2011 3 Twitter E Twitter Twitter Twitter, NAIST-IS-MT1151062, 2013 3 15. i Extraction of Rumor Corrective Information from Twitter posts in Disaster Hiroshi Takahashi
untitled
() () WHO ICD ICD 19 1 http://www.mhlw.go.jp/toukei/sippei/icd.html ICD-1 1995 7 24 16 ICD-9 1979 54 1994 6 ICD-1 ICD-9 1 1995 24 ICD-1 5+2+2 W1 W3 W1 W13 W17 W23 W24 W51 W52 ICD-1 1 () (1) (2) (3) (4)
Session 4 : Security II
SIGMOD2011 勉強会 Session 19: Ranking 担当 : 池田 大塚 三津石 安永 ( 筑波大学 ) 1 Session 19: Ranking 担当 : 池田 大塚 三津石 安永 ( 筑波大 ) セッション概要 1. On Pruning for Top-K Ranking in Uncertain Databases 確率的データベースにおけるトップ k ランキング (PRF
untitled
1 4 4 6 8 10 30 13 14 16 16 17 18 19 19 96 21 23 24 3 27 27 4 27 128 24 4 1 50 by ( 30 30 200 30 30 24 4 TOP 10 2012 8 22 3 1 7 1,000 100 30 26 3 140 21 60 98 88,000 96 3 5 29 300 21 21 11 21
b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b
IPSJ SIG Technical Report Vol.2012-EC-23 No /3/ Video Retrieval System of Handwriting Sketch using Relevance Feedback Akihiro Aita 1 and M
1 2 Video Retrieval System of Handwriting Sketch using Relevance Feedback Akihiro Aita 1 and Masashi Toda 2 It is difficult to represent video scenes using keywords. Therefore, in video retrieval, it is
年次報告書2011年度版_重点活動、1科学を伝える | 日本科学未来館
2011 3 11 6 10 2011 6 11 8 31 2011 3 2011 6 27 http://www.miraikan.jst.go.jp/info/110422166213.html 25 Case#3.11 http://case311.miraikan.jst.go.jp/home 143 44 Q: Q Q: Q: Q: livedoor Garbagenews.com Case#3.11
chapter1 Web デザインへのアプローチ chapter1 Web デザインへのアプローチ 1-1 本書の構成 Web サイト制作の流れ 本書の構成と内容 1-2 Web サイト制作業界の人材像 Web サイト制作に必要な職掌と役割 各職掌の役
Ver.1 2015/12/18 ( 仮称 ) - コンセプトメイキングから運用まで - のご案内 表紙デザイン改訂中 2016 年 ( 前期 後期 )Web デザイナー検定エキスパート出題範囲について 2016 年 3 月の ( 仮称 )- コンセプトメイキングから運用まで - の 発行にともない 2016 年の出題範囲は改訂版の内容から出題いたします 書名 ( 仮称 )- コンセプトメイキングから運用まで
独立行政法人情報通信研究機構 Development of the Information Analysis System WISDOM KIDAWARA Yutaka NICT Knowledge Clustered Group researched and developed the infor
独立行政法人情報通信研究機構 KIDAWARA Yutaka NICT Knowledge Clustered Group researched and developed the information analysis system WISDOM as a research result of the second medium-term plan. WISDOM has functions that
2
2 6 7 9 4 6 7 2 3 4 5 6 7 8-0 - G G G G G G f f 9 e f - e f 0 5 e fe e c c cc B FD F 5 2 5 D F C e e e b 3 f f 5 ff ff f f f f b b bb b b b c c c ee ee e ee ee e f f 4 e e 7 5 5 e bb 6 7 f GE 8 f 9 5 F
第5章 Google Earthで構築する里山GISモデル
174 175 176 177 178 179 180 181 182 183 184 185 186 6 4 GIS 5 Google Earth 4GIS 187 5 Google Maps 188 189 GIS 190 WebGIS 191 192 193 194 195 196 197 Act Locally : Think Globally: Be Personally : () ()
- 2 -
- 1 - - 2 - - 3 - - 4 - - 5 - ( ) - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - What is your hobby? - 18 - - 19 - - 20 - - 21 - - 22 - - 23 - - 24 - - 25 - - 26 - - 27
GDP Bollen 2011 Twitter Twitter 86.7 Bollen 2011 Twitter NTT 2014 Twitter Twiiter Twitter SNS
2014 1. 2009 2010 2009 2010 GDP Bollen 2011 Twitter Twitter 86.7 Bollen 2011 Twitter NTT 2014 Twitter Twiiter Twitter SNS 114 SNS 表 1 年別歌詞収集曲数 3 2 3 1 2 3 4 3 2. 2009 90 J POP 2010 1968 65 1991 72 1969
電子情報通信学会ワードテンプレート (タイトル)
DEIM Forum 2012 F4-3 Web サービスを対象とした検索意図推定とその応用 田麥節治 赤星祐平 是津耕司 木俵豊 田中克己 京都大学大学院情報学研究科 606-8501 京都府京都市左京区吉田本町 情報通信研究機構ユニバーサルコミュニケーション研究所 619-0289 京都府相楽郡精華町光台 3-5 E-mail: {tamugi, tanaka}@dl.kuis.kyoto-u.ac.jp
PX-047A Series
B K L & L & A B C D E F A B A B C A B C A B A B A B C D E F G P BB H I y y & & K L L & & K L L L L & & & & L d L & & & & L L & & & L & & & & L & & & & & & & & L L L L L L & & & A B C D E F G
スライド 1
Monthly Research 静的情報に基づいたマルウェア判定指標の検討 Fourteenforty Research Institute, Inc. 株式会社 FFRI http://www.ffri.jp Ver2.00.01 Agenda 背景と目的 実験概要 実験結果 評価及び考察 まとめ 2 背景と目的 マルウェアの急増に伴い 従来のパターンマッチングによる検知が困難になっている そのため