  |
はてなキーワード: ナラとは
○タイトル回収
Youtube上でYoutube自身が流しているフェイクニュースに注意というYoutuberを使った啓蒙CMに、杏も出演している
AI有名人の偽投資広告とか、有名人が番組内での発言で逮捕（当然嘘）のクリックベイト広告とか
その直後批判殺到（中華フォント）という外国製の再生数稼ぎの濫造読み上げ動画とか
俺への評価か、俺が視聴しているコンテンツの程度が低いせいで流れてきているのかなと甘んじてスキップ押してたけれども
我慢ならなくなって片っ端から非表示・違反報告しまくって、記述欄には広告ビジネスで成立しているYoutubeが
信用性を無くすような広告を流し続けるのはどうなんだと文句つけたらそれ以降は
新作映画とか、新作ゲームとか、PCスマホメーカーとか、食品・自動車とか、TVCMレベルのまっとうな動画広告ばかりになった
Youtube的だなと思う広告は、Vtuberのセルフ広告とか歌い手のオリ曲宣伝くらいかな
これが本当に違反報告の結果によるものなのかはわからないけれども
グーグルは広告の信用性をランク付けしている、または文句言ううるさ型には日本国内発の動画を流すようにしているのかも
違反報告する時に出稿元を確認してたけれども偽広告のほとんどがインドとか香港とか外国からだった
Metaは悪質広告をわかって流していてevil、みたいなニュースがあったけど、Alphabetも同じ穴のムジナ
フェイクニュースに注意なんてマッチポンプ動画を恥ずかしげもなく出せるようじゃないとITガリバーにはなれない
昨年までのクマ被害統計を持ち出して怖くはないと言われても、今年は過去最悪のクマ被害状況だから怖いとしか言えない
森や山という生息域に入ってクマと遭遇するのではなく、玄関開けたらクマとかショッピングセンターにクマとか今年は異質だ
東出トリビア
https://x.com/kurodoraneko15/status/1828646516224876809
東出昌大さんと結婚した松本花林さんのお母様は「水は答えを知っている」（江本勝）と専属契約して高額ジュエリーを売っていますね。水にありがとうや音楽を聴かせたら結晶が綺麗になるとするトンデモ話です。スピった非科学的な言説が広まり、今でも信じる人がいて教育現場にも悪影響を及ぼしています
https://x.com/news_postseven/status/1851162721502605789
松本花林2カ月半ぶり更新のSNSに異変、“社長義母”と“セミナー義父”の「ビジネスリンク」が示す共通の家族観
https://news-postseven.com/archives/20241029_2001577.html?DETAIL
「ジュエリー」「mixs.呼吸と細胞活性 松本孝一』は、両親が展開しているビジネスのページだ。
クマ関連の調べ事
長野でハーフライフルを使った犯人によって警官2名が殉職、ほか住民2名死亡の事件を受けて、銃刀法改正の法案が提案されたときに
クマ対策がこんな状況なのにハーフライフル規制するのかよ、という思いで情報をちょっと集めたけれども集めただけに終わったのを今お蔵出し
ブナやナラの木が薪炭として活用されていた頃は、木は伐採後に芽を出し再生するのにエネルギーを使いドングリはあまり実らなかった
活用放棄されたブナやナラの森はドングリを多く実らせて熊やシカの餌となり個体数を増加させた
実りの豊凶サイクルや天候の影響でドングリが少なくなると、増えた個体に対して餌が不足し人里近くまで熊が降りてくる
人家や畑の近くの林が手入れされなくなり生い茂ったくさむらは人間の生活空間と山をつなぐ道になる
個人宅で植えていた柿やイチジクなどの果樹が高齢化や空き家などで放置されていると格好の餌
西日本－熊保護のために個体数を正確に把握、近年増加が激しいため市街地捕獲された熊を学習放獣から駆除に切り替え
東日本－熊が多いため狩猟・駆除の対象であり個体数の把握が不十分で、推定数をはるかに超えるほど増殖していた可能性
北海道－春グマ駆除1966ー1989、ヒグマ絶滅の懸念により中止、現在のヒグマは1990年の倍以上と推定、春期管理捕獲2023-
〇学習する熊
偶然山を下りてきた熊も、農地が作物でいっぱいなことや、牧場に家畜がいることを覚えれば再びやってくる
熊は他の個体の行動を模倣するし、母熊から子熊へエサの獲り方は受け継がれる
〇狩猟者の減少
狩猟免許の発行数(種別による重複保有あり)は昭和50年前後のピーク時に50万ほどだったが、平成に入る頃には30万を下回り、平成末には20万弱で推移
数年前は、クマ被害の多さに警察が素早く動いてハンター部隊を組織するとは思いもよらなかったよ
軍事専門家が、自衛隊の対人小火器ではクマ駆除はできないし車載兵器では過剰火力だから無理と主張する記事があったが
猟銃と同じ弾丸が使えるライフルも自衛隊装備にあるはずだけどな
狙撃手は小数精鋭しか居ないから便利屋として呼ばれる陸自の人員にカウントしないで欲しいということなんだろうか
クマ対策に使われる「麻酔吹き矢」 射手として活動する盛岡市動物公園の園長が実演
クマが各地で出没している原因に
①ナラなど実のなる木の不作
②イノシシの増加で、クマが好物の栗やドングリをイノシシが食べ尽くしている
③クマの楽園であるはずの国有林で、スギやヒノキの造林のため、ブナやミズナラといった実のなる樹木が伐採されてしまった
④これまでは生肉を食べていなかったツキノワグマの食性が変わり、わなにかかったシカを食べるようになった
⑥中山間地域で空き家が増え、クマはそこを冬眠場所に利用している
⑦メガソーラー（大規模太陽光発電施設）の開発が広範囲で進み、”里山が崩壊した”
https://news.yahoo.co.jp/articles/0a7c410927697294ba3f7b044ef99aa086c10b64
ユーザーの行動履歴を変換したベクトル(ユーザーベクトル)は、最終的にユーザーの属性推定やターゲティング入札のための非常に強力な特徴量として利用されます。
まず、ユーザーのウェブサイトでのクリック、検索クエリ、購入履歴、動画視聴などの生の行動データは、そのままでは機械学習モデルで扱えません。これを、意味的な情報を保持した固定長の数値の並び、つまりベクトルに変換します。
得られるベクトルは、ユーザーがどのような興味や関心を持っているかを数値的に表現したものとなります。
例えば、スポーツ用品の購入が多いユーザーのベクトルと、クラシック音楽の視聴が多いユーザーのベクトルは、ベクトル空間上で大きく離れることになります。
この行動履歴ベクトルを、そのまま機械学習モデルの特徴量 (Feature)として使用します。
| 目的 | モデルの入力（特徴量） | モデルの出力（予測） |
| ユーザー属性推定 | 行動履歴ベクトル (およびその他のコンテキスト情報) | 年齢層、性別、職種、推定年収、ライフステージなど |
行動履歴ベクトルは、ユーザーの顕在的および潜在的な興味を捉えているため、これらの属性と高い相関を持つことが多く、精度の高い属性推定が可能になります。
例えば、「特定ブランドの高級車のウェブページ閲覧」という行動は「高年収」という属性と強く関連づけられるといった具合です。
推定された属性情報、またはより直接的に行動履歴ベクトル自体を、広告のターゲティングや入札ロジックに組み込みます。
推定された「若年層のエンジニア」という属性に対して、特定の採用広告の入札額を上げる。
ある商品の購入者と行動履歴ベクトルが類似しているユーザー群（Lookalike Audience）に対して、その関連商品の広告を出す。
広告オークションの際、このベクトルを特徴量として利用し、広告が表示されたときのコンバージョン確率を予測するモデル（Click-Through Rate (CTR) や Conversion Rate (CVR) 予測モデル）の精度を向上させ、最適な入札価格を決定します。
このように、行動履歴をベクトル化するプロセスは、デジタルマーケティングにおけるパーソナライゼーションと収益化の基盤となります。
きっかけは、学生時代にちょっとしたレポートでテキストの単語出現頻度を数えようとしたとき、「あれ、そもそも日本語ってどうやって単語に分けんの？」って疑問が出たところからだ。
英語ならスペースで切れるけど、日本語はそうはいかない。で、いろいろ調べて「形態素解析」って言葉にたどり着いた。
その瞬間にちょっとハマったんだよね。
辞書をもとに文を機械的に切り刻んで、品詞をラベル付けして、統計を取って、構文を推定する。まるで人間の頭の中を数理的に覗いているようで。
そこからMeCabとかJumanとかKyTeaとか、いろんなツールを触った。
Pythonでテキスト処理のパイプラインを組んだり、mecab-ipadic-NEologdを突っ込んで新語に対応させたり。
「言葉を数理で扱える」って発見が、ちょっとした中毒になった。
その頃はMosesとかGIZA++とか、ああいう統計翻訳系のツールも触ってたね。
単語アラインメントの確率モデルをいじって、「確率的に対訳辞書を作る」みたいな遊びをしてた。
とにかく、NLPの世界には「人間の言葉を数学で再現できるかもしれない」という変な魅力があった。
深層学習がまだ主流じゃなかったから、n-gramやHMM、CRFなんかが主戦場で、論文読むたびに確率式の展開を手で追ってた。
最初はPoC（Proof of Concept）しかやらせてもらえなかった。
感情分析とか、Stance Detectionとか、「この文は文法的に典型か非典型か」を判別するための言語モデルの構築とか、エンティティリンキング、質問応答（Question Answering）。とにかくNLPの典型的なタスクを一通り。
学術的には面白かったけど、現場で求められてたのは「論文再現じゃなくて、実用的な精度と速度」だった。
PoCで終わって、実装には至らない案件が山のように積み上がっていった。
あの時期、NLP業界全体が「技術的にはすごいけどビジネスには落とし込めてない」って空気だった。
でもさ、LLM（大規模言語モデル）が出てきてから、世界がひっくり返った。
正直、最初は「Transformerの延長だろ」と思ってたけど、数ヶ月で実感が変わった。
それまでチマチマ特徴量を設計して、分類器を学習して、F値を0.02上げるために夜中までパラメータをいじってたのが、全部一瞬で過去になった。
ChatGPTが出て、蒸留やファインチューニングでほとんどのNLPタスクが置き換えられるようになったとき、「あれ、今までの俺の知識、ほとんど無駄だったんじゃね？」って一瞬マジで虚無になった。
でも、そこで終わらなかった。プロダクション環境を任せてもらえるようになって、推薦システムとかパーソナライゼーションの設計をやるようになって、ようやく「ユーザーベクトルを使う」という文脈でNLPが再接続した。
単なるテキスト処理から、「テキストを媒介にして人間の行動を理解する」方向に進んだ。
埋め込み表現をベースにユーザーの嗜好を推定して、レコメンドやメルマガのパーソナライズをやる。
自然言語はもう目的じゃなくて、インターフェイスになった。そうやって初めて、「NLPがビジネスに食い込む瞬間」ってのを肌で感じた。
PoCなんてやってても金にはならん。動くシステム、回る仕組み、再現性のある成果、それを出せないと、どんなに学問的に立派でも意味がない。
でも、PoCの積み重ねがなかったら、今の設計思想もなかったと思う。無駄に見える実験が、実は土台になってる。
-----BEGIN PGP SIGNED MESSAGE----- Hash: SHA512 https://anond.hatelabo.jp/20251001163959# -----BEGIN PGP SIGNATURE----- iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaNza0AAKCRBwMdsubs4+ SA6TAQCjV4luDaojY+2ciXxUnSdzXlb5YnphNeqKZWzi6xt/rgEAniNVU+gJXBVC MUfhCp/e1/6AJ/CqJAbkxnbDLkgriAc= =/GEd -----END PGP SIGNATURE-----
(つд⊂)ｴｰﾝchatgptがパーソナライズで「逆質問するな」って書いても逆質問してくるよ～
-----BEGIN PGP SIGNED MESSAGE----- Hash: SHA512 https://anond.hatelabo.jp/20250925185851# -----BEGIN PGP SIGNATURE----- iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaNUSXAAKCRBwMdsubs4+ SJsUAQD90WNxNT1HbkBUuKjI0p0gMOtRlGxn57luilEoAgg12QEAxiNwmV+b1yLu NBylBYb794FL1BVOEy0cNnXoqmyLQAQ= =tofB -----END PGP SIGNATURE-----
Spotifyのおすすめ機能は、リスナーが楽しめる音楽、ポッドキャスト、オーディオブック、その他のコンテンツを見つけるのに役立ちます。
Spotifyのパーソナライズされたおすすめは、リスナーの再生履歴や再生タイミング、各種操作 (検索、スキップ、マイライブラリへの保存など)、リスナーがSpotifyに提供した情報 (位置情報、年齢、フォローしている人など)、トレンド、好みが似ているほかのリスナーのリスニング傾向、コンテンツ特性 (ジャンル、リリース日など)、さらにはSpotifyチームの専門知識など、さまざまな要素を考慮に入れ、リスナーの好みに合わせて調整されています。
場合によっては、商業的要素がおすすめに影響する可能性があります。たとえばSpotifyは、アーティストやレコードレーベルが優先させたい楽曲を目立たせる宣伝ツールを提供しています。これにより、その楽曲が特定のアルゴリズムプレイリスト (Radio、自動再生、および一部のMix) でおすすめとして紹介される可能性が高まります。アーティストは新曲のリリース前はもちろん、音楽シーンの盛り上がりを見せる瞬間や特別な節目などに、このツールを活用して新規リスナーに音楽を発見してもらい、ファンベースを拡大することができます。影響を受けたプレイリストで優先的に紹介したい楽曲が再生された場合、Spotifyは手数料を請求します。なお、このツールは、エディトリアルプレイリストなどでは使用されていません。
Spotifyのすべてのおすすめ機能において最も優先されるのはリスナーの満足度であり、リスナーに聴きたいと思ってもらえるコンテンツのみをおすすめします。
