人間が死ぬ

1. 再生核Hilbert空間を用い、
脱ベイズ確率主義に立脚した
あまりだるくないツイッター

2. 皆さん！ソーシャルしてますか！
● ニュースサイトとかブログとか巡って、
自発的に情報探し出すのとかだるいですね
● 「自力で探すとか昭和かよ」
● Twitterとかfacebookとか、勝手に情報流れ
てくるのであまりだるくないですね
● でもいちいち面白い人を探し出してフォ
ローするのとかだるくないですか…

3. ！！！だるいことはやめろ！！！
● １.だるいことは奴隷か計算機に投げろ！！
● ２.奴隷制やめろ！！！！！
● →計算機に投げるしかない…
● 自然言語処理とか機械学習とか、
なんか計算機が頑張る感じで生きましょう
● 頑張れ計算機！！！！！！！！！！！

4. 誰や
● Twitter @AntiBayes
● あんちべ
● 先月まで無職でした
● 某ソーシャルゲームな会社でデータマイニ
ングとかしてたりしてなかったり
● 専門：自然言語処理、テキストマイニング
● 愛：C#、Clojure、滅び行く少数民族の言語

5. どうすればだるくないか？
● 理想「勝手に計算機が自分の好みを学習
し、それに合致した人を見つけてくる」
● だるくない！！
●
でもやっぱり難しいし精度低い…
● 現実（ルールベース）「自分の好みは○○で
あると全て定義して計算機に渡す」
● 明らかにだるい… ＜昭和かよ
●
結構精度高い

6. スパムフィルタの例
● 昔：「どの単語がどの程度含まれていれば
スパムと判定する」というのを全て手作業
でやってた
● →だるい、人間が死ぬ
● 現在：「どのメールがスパムか」を計算機
に投げれば、後は自動で計算機がスパムの
特徴を抽出し、今後やってくるメールがス
特徴を抽出
パムの特徴を持っているかどうかで、自動
的にスパム判定してくれる

7. だるさと精度の凸最適
● 人間のやるべきことは「どのツイートが面
白いと思ったか」を表明するだけ
● その程度ならだるさによる死はたぶん無い
● 自然言語処理を用い、計算機に面白いと
思ったツイートの特徴を自動的に学習させ
て、面白いツイートだけ垂れ流そう

8. お薦めユーザーと何が違うの…
● ユーザーではなくツイートの抽出
● 面白いことよく言うユーザーでも、
毎回の発言が面白いわけではない
● 普通のユーザーもたまに面白いこと言う
● 人間ではなくコンテンツだけに着目しま
しょう
● 他人の人生＝コンテンツ

9. ではやりましょう（流れ
1.面白いのと普通ののツイートを収集
2.学習器にかけて面白さの特徴を学習
3.全ツイートを分類器にかけて、面白い特徴
を持っているものだけ抽出
4.面白ツイートだけ見られる
5.引きこもり度アップ
6.人間が死ぬ

10. １．ツイート収集
● 面白いの：ふぁぼれ
● 普通の：さくさくツイートマイニング
●
●
●
●
● Useage => http://d.hatena.ne.jp/AntiBayesian/20110702/
● 32bit => http://www24.atpages.jp/antibayesian/app/stm32.zip
● 64bit => http://www24.atpages.jp/antibayesian/app/stm64.zip

11. ２，３ 学習、分類
● さくさくＳＶＭを使おう
● サポートベクターマシン
●
●
●
●
● Useage => http://d.hatena.ne.jp/AntiBayesian/20110716/
● DL => http://www24.atpages.jp/antibayesian/app/SSSVM.zip

12. ＳＶＭ
（サポートベクターマシン）
● よく使われる高性能な分類器
● 全学習データを用いるのではなく、サポー
トベクター（超平面を支持するベクトル、
超平面に一番近い点）のみを用いて分類す
るので比較的高速
● 非線形分類問題も対応できる（すごい
非線形分類問題も対応できる

13. 引用：http://www-kairo.csce.kyushu-u.ac.jp/~norikazu/research.ja.html

14. 再生核Hilbert空間とは
● Hilbert空間
●
完備性と可分性をもち、内積が定義された ベク
トル空間
●
再生核を持つ関数空間
● 再生核（再生性）
● 写像前後で「距離の関係」保存されること
● 写像すれば一般的に距離は変わる
● ||A-B||>||A-C||→||f(A)-f(B)||>||f(A)-f(C)||

15. やってみた
● 面白つい～と（例
● 「他人の人生＝コンテンツ」
● 「皆さんはもうだめです。好きに生きましょう」
● 抽出つい～と（例
● 「Yahoo!の技術力とクックパッドの福利厚生とドワンゴの
自由さとチームラボの御洒落感を組み合わせた全く新
しい企業、誰でも入社したいですし、ドワンゴの福利厚
生とチームラボの給料とYahoo！の自由さを組み合わ
せた全くよくあるWebベンチャー、珍しくも何ともありま
せんね」

16. まとめ
● Streaming API叩いて学習器に食わせたら、
それなりに自分好みのツイートだけ抽出し
てくれるようになった。もっと精度あげた
いけどだるい
● 昔C#とPHPで各ツール作ってて、Clojureで
実装し直そうとしたら、時間が足りません
でした…出来たら後で適当に公開します
● お聞き下さりありがとうございました！
● LT枠下さったチームラボの皆様に感謝！