まさおのChangeLogメモ / 2006-07

- World Wide Knowledge Base (Web->KB) project: users

インタビュー調査と機械学習によるサイトマップ自動判別。

・書誌情報:
Ng Chin Hock:
Automatic Inference of Web Document Metadata: A Study on Sitemaps.
Undergraduate Thesis, National University of Singapore, 2004, 44p.
http://wing.comp.nus.edu.sg/publications/theses/alexNgThesis.pdf

・概要:
Webコンテンツ利用におけるページ特性のアンケート調査と、そこで指摘
されたサイトマップ判別の重要性から、サイトマップ自動判定をSVMで行っ
た結果の報告からなる、2部構成。

Webページの特性を検索実験やインタビューなどから、レイアウト、内容、
言語、読み込み時間、画像、検索機能、サイトマップの7つ分類し、それ
ぞれの特性の重要性を7段階で評価してもらう調査をおこなった。調査対
象者は119名。また、コンピュータ関連サイト、ニュースサイト、一般サ
イトのように異なる分野での違いも調査。
→最も重要としたページ特性は言語と内容
→ショッピングサイトでは画像が重要（他の分野とは違う傾向）
→検索機能はサイトのサイズによらず重要
→サイトマップは大きなサイトでより重要

さらに、2部として、機械学習手法により、サイトマップの自動判別機能
の実装をおこなった。主に「site map/indexguide/directory」といった
語がホームページ内のアンカーテキストに含まれているかを特徴量として、
SVM分類器で、実験を行った。対象データはODPからランダム抽出した
488サイトを人手判定して作ったもの。5分割交差検定で実験した。
平均で分類精度96.62%の結果を得た。

・感想:
卒研レベルだが、アンケート調査は比較的焦点も絞れていて、分かりやす
い。

ただ、SIGIR2004ポスターおよびJASISTに投稿中とあったものの、該当す
る論文は見つからず。。。

- ITS, Inc. - Resources: users
maxlogins.pl
- LaTeX 原稿 赤入れスタイル - swk's log: users
- Kenji Rikitake: PhD Course Tips, Rants and Raves (in Japanese): users
博士へのけもの道: 大阪大学大学院情報科学研究科マルチメディア専攻 (2002～2004年度)の場合
- 日本における時差のシナリオに関してご意見をお聞かせください: users
- 全国一級河川の水質現況: users

- Samurai Note. - 美しき島: users
- ＷＡＲＰ-国立国会図書館インターネット情報選択的蓄積事業: 17 users
Webアーカイブ

- これからホームページをつくる研究者のために: users

- kanji romaji hiragana convert: 103 users

- Abusing Amazon images: 851 users
- johnny.ihackstuff.com :: I'm j0hnny. I hack stuff.: 998 users
Welcome to the Google Hacking Database (GHDB)!
- Economic Survey of Japan 2006: users
- Princeton Shape Benchmark: 11 users
- 会議スケジュール調整支援ツール: users

- せりかのアルバム C3.1: users

- SourceForge.jp: Project Info - ridual: users
Webサイトの解析と可視化
- Remember The Milk: 13744 users
- RDF/OWL Representation of WordNet: 66 users

- YouTube - Amazing 11 year old!!!: users
America's Got Talent

Workweeks of Doctoral Scientists and
Engineers: http://www.nsf.gov/statistics/infbrief/nsf06302/
Survey of Doctoral Recipients（学位取得者調査）2006年版からの分析
結果の一部報告。
cf. http://www.nsf.gov/statistics/srvydoctoratework/

・書誌情報:
Thomas B. Hoffer and Karen Grigorian: All In a Week's Work:
Workweeks of Doctoral Scientists and Engineers, NSF 06-302,
National Science Foundation, (2005-12)
http://www.nsf.gov/statistics/infbrief/nsf06302/

・概要:
米国における学位取得者40,000人に対するサンプリング追跡調査（SDR）
2003年版の結果を、労働時間の観点から分析した報告。

週当たり労働時間平均は、全体で48.8h。

所属別では、
- 教育系 -- 50.6h
- 企業系 -- 47.6h
- 政府系 -- 45.2h
のような差があり、大学等の教育機関に勤める研究者の労働時間が最も長
く、政府公共機関系に勤める研究者が最も短かい労働時間となっている。

分野別では平均で、生物・農学系（50.5h）が最も長く働いており、心理
学（46.6h）と数学系（47.3h）の研究者の労働時間が最も短い部類。

男女差はないものの、未成年の子どもがいる場合では、男女間に平均で2・
3時間の差が出た。

・感想:
分野別で、数学者の平均労働時間が他の分野に比べて短かいというのはな
んとなく納得な感じだ。これは「仕事」の定義が微妙に分野間で違うのも
影響してきそうだが…。

また、子育てやらで女性の労働時間が短くなりがち、というのがそのまま
結果に出ていて興味深い。

全体に、アメリカでの労働慣習がよくわからないのでコメントしづらいの
だけど、思ったよりも働いているなあといった雰囲気を感じた。日本では
この種の大規模な追跡調査はほとんどおこなわれていないんじゃないかし
ら。日本の結果と比較すると、相対的な感覚はつかめそう…。。。

- 東京図書館制覇！: 56 users

- Human Behavior & Evolution Society: 43 users

- YouTube - 懐かしいCM「JR東海 クリスマスエクスプレス 1988-92」: users

- Main Page - Fail2ban: 45 users
- 人力検索はてな - 現在43歳の知人が小学校1年生のときに教科書で読んで大変感動したという、以下の物語の「タイトル」「作者名」「今手に入る形で出版されていればその書籍名」を教えて: users

- Nostradamus Quatrain Generator: 11 users
- 公共ホームページgoodsite運動: users
- Sumibi.org ローマ字を日本語に変換できる無料サイト: 92 users
- NYC - Nathans Famous 4th of July Hot Dog Eating Contest - 2006: users

- Author Gateway - Getting Published - LaTeX file guidelines: 13 users
- 「LaTeX2eまくろの八衢」オンライン版: users
- インターネットランド：教育のポータルサイト: 13 users

思わぬところで思わぬイベントに参加し、思わぬ人に会った。

まず、川口市立中央図書館が川口駅前にリニューアルし、ワクワクして偵察に出かけた。
経験上、図書館に期待してしまって失望させられることも多いので、あま
り期待しないよう自分に言い聞かせる必要があったほどだったけど、図書
館は施設だけでなく、サービス面でも期待できそうで、非常によさげ。

そのついでに、、、と言ってはアレだが…。
以下のイベントをやっていたので、何とはなしにふらっと参加してみた。

http://www.mediaseven.jp/open/common/link.jsf?iid=5&act=eventdetail
メディアセブンオープニングトーク
第２部「メディアセブンのつかい方」
　水越伸（東京大学大学院情報学環助教授）　
　桂英史（東京藝術大学大学院映像研究科助教授）
　１４：３０〜１６：００

水越さんは名前は存じていたが、講演などで話を聞いたことはなく、さら
に、桂さんは図書館情報大出身とのこと。

2人とも話し慣れている感じの軽妙なトークで、メディア論の話題が聞け
おもしろかった。

終わったあとにすこし挨拶したところ、桂さんは実はNACSISの初期のころ
の助手として、ご活躍とのこと。
# すっかり存じあげず失礼しました…。。。