graph226

#coding: utf-8
import csv
import MeCab
import matplotlib.pyplot as plt
from wordcloud import WordCloud

STOP_WORDS = "の もの こと よう これ 一 http:// の 笑 ω 物 とき ら".split()
STOP_NOUN_DETAILS = "数 接続助詞 接尾 代名詞 非自立 副詞可能".split()

def csv_reader(data_path):

graph226

2014年度プログラミング課題

1-1

(1-1-1)

int Kaijo(int n){
  if(n < 1) {
    return 1;

graph226

import math

NUMBER = 1000

def prime_bool_list(num):
    num_list = [True] * num
    num_list[0] = num_list[1] = False
    limit_sqrt = math.sqrt(num)

    for count in xrange(2,num):

graph226

#coding: utf-8
import csv
import MeCab
import matplotlib.pyplot as plt
from wordcloud import WordCloud
import re

STOP_WORDS = "の もの こと よう これ 一 http:// の 笑 ω 物 とき ら 画像 Sticker Photo".split()
STOP_NOUN_DETAILS = "数 接続助詞 接尾 代名詞 非自立 副詞可能".split()

graph226

2016-09-03T14:47:40.110302+00:00 app[web.1]: Traceback (most recent call last):
2016-09-03T14:47:40.110303+00:00 app[web.1]:   File "/app/.heroku/python/lib/python3.5/site-packages/gunicorn/arbiter.py", line 557, in spawn_worker
2016-09-03T14:47:40.110304+00:00 app[web.1]:     worker.init_process()
2016-09-03T14:47:40.110304+00:00 app[web.1]:   File "/app/.heroku/python/lib/python3.5/site-packages/gunicorn/workers/base.py", line 126, in init_process
2016-09-03T14:47:40.110305+00:00 app[web.1]:     self.load_wsgi()
2016-09-03T14:47:40.110306+00:00 app[web.1]:   File "/app/.heroku/python/lib/python3.5/site-packages/gunicorn/workers/base.py", line 136, in load_wsgi
2016-09-03T14:47:40.110306+00:00 app[web.1]:     self.wsgi = self.app.wsgi()
2016-09-03T14:47:40.110307+00:00 app[web.1]:   File "/app/.heroku/python/lib/python3.5/site-packages/gunicorn/app/base.py", line 67, in wsgi
2016-09-03T14:47:40.110308+00:00 app[web.1]:     self.callable = self.load()
2016-09-03T14:47:40.110309+00:00 app[web.1]:   File "/app/

graph226

2016-09-03T14:47:40.110302+00:00 app[web.1]: Traceback (most recent call last):
2016-09-03T14:47:40.110303+00:00 app[web.1]:   File "/app/.heroku/python/lib/python3.5/site-packages/gunicorn/arbiter.py", line 557, in spawn_worker
2016-09-03T14:47:40.110304+00:00 app[web.1]:     worker.init_process()
2016-09-03T14:47:40.110304+00:00 app[web.1]:   File "/app/.heroku/python/lib/python3.5/site-packages/gunicorn/workers/base.py", line 126, in init_process
2016-09-03T14:47:40.110305+00:00 app[web.1]:     self.load_wsgi()
2016-09-03T14:47:40.110306+00:00 app[web.1]:   File "/app/.heroku/python/lib/python3.5/site-packages/gunicorn/workers/base.py", line 136, in load_wsgi
2016-09-03T14:47:40.110306+00:00 app[web.1]:     self.wsgi = self.app.wsgi()
2016-09-03T14:47:40.110307+00:00 app[web.1]:   File "/app/.heroku/python/lib/python3.5/site-packages/gunicorn/app/base.py", line 67, in wsgi
2016-09-03T14:47:40.110308+00:00 app[web.1]:     self.callable = self.load()
2016-09-03T14:47:40.110309+00:00 app[web.1]:   File "/app/

graph226

graph226

import math
import numpy as np
import time

num_list = list(np.random.rand(100000)*100000)
tmp = 0

start = time.time()
for i in num_list:
    tmp = np.log2(i)

graph226

import math
import numpy as np
import time

num_list = list(np.random.rand(100000)*100000)
tmp = 0

log_list = []
start = time.time()
log_list = list(np.log2(num_list))

graph226

提案手法の評価にあたって「週1回以上レシピ検索を使って料理をする人」の被験者を探しているので，ぜひご協力をお願いします。10~15分のなかなか重めなアンケートですが，ご協力していただけると幸いです。

どんな研究？

ざっくりまとめると「レシピ検索をパーソナライゼーション(個人の嗜好を反映)するための手法を提案したい」という論文です。 一般的にパーソナライゼーションするとなると，過去の閲覧履歴や購入履歴などを用いた推薦システムなどが考えられますが(Amazonとかでやってそうなやつ)，こと料理に関してはそれは当てはまらないと思っています。なぜかというと，ぼくらの「こんな料理を作りたい！」みたいな欲求は，物品や映画や音楽などのように長続きするものではないからです。ある日肉料理を食べたら，システムに「このユーザは肉料理が食べたいのか」と判断されて，次の日も肉料理を推薦されたら嫌ですよね。ぼくだったら魚も食べたいです。

そのためにどうするか

なので今回の研究では，クエリ(検索ワード)ごとに関連語を提示して，それをユーザであるみなさんに選んでもらい，それに応じて検索結果を並び替える，という手法を用いました。例えば「レタス」というクエリに対して「炒め」という関連語を選択したユーザさんと「サラダ」を選択したユーザさんでは，検索結果は異なるものであるべきです。