→図書館の大規模データ処理に「Google BigQuery」を使ってみよう(吉本 龍司)
45行目: | 45行目: | ||
::本研究の目的は、司書課程における分類付与演習システムの開発である。本システムでは従来の演習形式を改善するために、目次やあらすじなどWeb上の資料などを用いて分類付与演習をできるようにした。また、学生の回答データを蓄積し、その誤りパターンに対応するルールを元に、学生が誤解答を行った場合には蓄積された誤りパターンに応じて適切な指摘を行い、もしシステム未登録の誤回答が提出された場合には、担当教員団に対して連絡が送られ、学生が提出した誤答を分析して新たなルールを追加できる仕組みの構築を試みた。 | ::本研究の目的は、司書課程における分類付与演習システムの開発である。本システムでは従来の演習形式を改善するために、目次やあらすじなどWeb上の資料などを用いて分類付与演習をできるようにした。また、学生の回答データを蓄積し、その誤りパターンに対応するルールを元に、学生が誤解答を行った場合には蓄積された誤りパターンに応じて適切な指摘を行い、もしシステム未登録の誤回答が提出された場合には、担当教員団に対して連絡が送られ、学生が提出した誤答を分析して新たなルールを追加できる仕組みの構築を試みた。 | ||
===<span id="yoshimoto">図書館の大規模データ処理に「Google BigQuery」を使ってみよう(吉本 龍司)</span>=== | ===<span id="yoshimoto">[http://slides.com/ryuuji_y/deck-2/live 図書館の大規模データ処理に「Google BigQuery」を使ってみよう(吉本 龍司)]</span>=== | ||
::カーリルでは、日々発生するデータの統計処理にGoogleのビックデータ解析基盤である「Google BigQuery」を導入しています。これにより、スクレイピングの精度向上や、特定の地域内のラスト1を検出することなどが高速かつ低コストで実現可能になりました。実際に稼働しているプログラムをもとに、データの投入から、従来のシステムとの連携、データ活用の可能性について発表します。 | ::カーリルでは、日々発生するデータの統計処理にGoogleのビックデータ解析基盤である「Google BigQuery」を導入しています。これにより、スクレイピングの精度向上や、特定の地域内のラスト1を検出することなどが高速かつ低コストで実現可能になりました。実際に稼働しているプログラムをもとに、データの投入から、従来のシステムとの連携、データ活用の可能性について発表します。 | ||
===<span id="kobayashii">ウィキペディアを介してまちと図書館をつなぐ試み「ウィキペディア・タウン」(小林 巌生)</span>=== | ===<span id="kobayashii">ウィキペディアを介してまちと図書館をつなぐ試み「ウィキペディア・タウン」(小林 巌生)</span>=== |