mixi の fujisawa さんによる、C++ で書かれたクラスタリングツール bayon がシンプルイナフで猛烈に素晴らしくてクールです。

- 軽量データクラスタリングツールbayon (mixi Engineers' Blog)
http://alpha.mixi.co.jp/blog/?p=1049
- チュートリアル（Tutorial_ja - bayon）
http://code.google.com/p/bayon/wiki/Tutorial_ja

詳細は上記URLを見てもらうとして、
たまたま手元に250万件のデータ（ラベル＋特徴語リスト）があったのでさっそく試してみました。

ドキュメント数250万件。
各ドキュメントの特徴を現すキーの平均は3.29個。

実行結果（実行時間）はこんな感じでした。

使ったデータ数	クラスタ数	実行時間
50万	1万	約5分
100万	1万	約12分
250万	1万	約37分
250万	10万	約40-50分(※)

最後の「250万件 to 10万クラスタ」の実行時間(※)だけは、出力後暴走してしまったので、出力ファイルのタイムスタンプからの推測ですが、どれも高速です（まあ、メモリは7GBくらい食いますが）。
CGMがらみのデータだったらほとんどのタスクはこの bayon で十分なのではないでしょうか。
すばらしすぎます！
これからもこのようなシンプルで「使える」ツールを作っていって欲しいです！

そういえば、bayon の読みは「バヨーン」かと思ってたけど「バイヨン」みたいです。

■Toby Segaran (著), 當山仁健, 鴨澤眞夫 (訳) / 集合知プログラミング


■集合知イン・アクション