たつをの ChangeLog : 2008-05-17

「Introduction to Information Retrieval」の輪講の第七回です。

- Introduction to Information Retrieval
  http://www-csli.stanford.edu/~hinrich/information-retrieval-book.html

今回は六本木ヒルズ20Fの百度 (Baidu, http://www.baidu.jp/)
の会議室を使わせて頂きました。ありがとうございました。


今回は第6章
「Scoring, term weighting & the vector space model」でした。
内容は、簡単な重み学習ロジック、TF-IDF などの指標、
そしてベクタースペースモデルの解説、ととっても濃い感じです。
この章を読み込むだけで、簡単な類似文書検索システム
（パフォーマンスは気にしない）が実装できるかと思います。

内容メモ：
- 最初に第5章の復習 by id:naoya
  http://d.hatena.ne.jp/naoya/20080517/1211032221
- ...
- TF, IDF, 正規化のバリエーション

楽しいガジェット「chumby」[2008-05-16-5]のハックについて。



chumby をハックするにあたって、
ActionScript2 (AS2) で Widget を開発するってのは、
一番最初にやるタスクとしてはちょっと敷居が高いので
（特に日本語フォントまわりとか）、もっと簡単なハックから始めます。

ちょうどタイムリーに 5/15 に chumby のサイトに追加されていた
「Load Image from URL」という Widget が使いやすそうです。
これは、事前に画像 URL を設定しておくとその画像を取って来て
表示するだけの Widget です（画像キャッシュの設定もできます）。

Load Image from URL
Loads single jpg, gif or png from given URL.
Author: jvcleave
Version: 1.0
Added on May 15, 2008

これを利用すればかなり手軽に chumby ハックができます。
chumby で閲覧したい画像を自分の Web サーバ経由 (単一 URL) で
配信するための CGI を作るだけ。
これなら chumby の知識がなくても取りかかれるし。

ということで、自分のブログの最近の記事に含まれる写真を
毎回ランダムで一つ選ぶ CGI を作りました。
この CGI の URL を先ほどの「Load Image from URL」に
登録すると、Chumby が毎回ランダムにブログ中の画像を表示してくれます。


URL： http://chalow.net/misc/pic1.cgi
コード：

#!/usr/bin/perl -T
use strict;
use warnings;
my @urls = ();
open(F, "cl.rdf") or die;
while (<F>) {
  next unless m{<img src="(http://(chalow.net/images/|.+?ggpht.com).+?)"};
  push @urls, $1;
}
close F;
srand;
my $url = $urls[rand(@urls)];
print qq(Location: $url\n\n);

CGI と同じディレクトリにある RSS ファイル (cl.rdf) を読み込んで、
CDATA 領域にある img タグの src 属性の画像 URL を全部取ってきて、
そこからランダムに一つ選んでリダイレクトしているだけです。
src の URL に制限をもうけているのは、アマゾンの画像とかを
無視したいからです。なお、ggpht.com は
Picasa ウェブ アルバム[2008-04-07-1]の写真置場です。