1. 第１００８回 ドキッ！分析屋
だらけの、大ザーユー会
ブログの類似記事を表示させてみる
(LTのネタが無かったので、今日作った）

2. 自己紹介
● 電気通信大学大学院修士一年
● 早川 敦士(@gepuro)
● 専攻：信頼性工学、品質管理
● 研究テーマ：オンライン状態監視システムを用
いた保全活動の改善
● 興味：(データ|テキスト)マイニング、マーケティン
グなど

3. 活動
執筆に関わったり
iAnalysis合同会社で、仕事を手伝ったり、
gepulog(http://blog.gepuro.net)でブログを更新し
たり。

4. こんなブログです。

5. 勉強がてら、
Flask(Pythonのマイクロフレームワーク)で作成
さくらVPS 1Gプランでサービスを動かしてる。
● きっかけは
○ ノリで独自ドメインを買った
○ wordpressのインストールでコケたので、自分で作った。
データベースは、sqlite3とmemcachedを使ってる。
レスポンスは問題ない。

6. 完成品は、

7. 似ているかもしれない記事を表示するが
→あまり似てない
何故だ？

8. 中身は、
1. mecabで単語を切り出す
2. コサイン類似度
以上。
これだけでは、上手くいかないですね。
● 名詞も形容詞も副詞など全部使ってる。
● 辞書は追加していない
● ソースコードが書かれている記事に対して、特
殊な処理を行なってない。
● タグを利用していない。
● コサイン類似度以外は試していない

9. 実装方法
裏で、バッチを回してます。
サーバのメモリを節約するために、シェルスクリプト
を多用してます。必要な時に、必要なだけリソース
を消費する。

10. 実装方法

12. 結果は散々だけど、
関連記事を表示させることによって、内部リンクが
増えるので、サイトの滞在時間が伸びると嬉しい。
今後、調査したい。
● 調査に十分なアクセスがない。
コンテンツを充実させるのが先なのでは？

13. データだけじゃなくて、
データを分析してアレコレやるだけじゃなくて、
提供するコンテンツの量や質も大事だと気付かさ
れました。
今後も、学んだり・感じた事をブログに残していこ
う。