ねことくまとへび

書いては消し、書いては消しを繰り返しているうちにこんな時間になってしまいました。例の件についてはもう少し気持ちが落ち着いてから取り上げたいと思います。

さて、何事もなかったかのように明るい話を始めましょう。

このブログは移転を繰り返しながら11年半にわたって書き続けており、合わせて5600弱の記事が投稿されています。ふと、これらの文章を解析したら面白いのではないかと思い、今さらながらWord2Vecを触ってみました。

まだまだ辞書が貧弱ですし、各種パラメータをチューニングする必要もありそうですが、現時点でもけっこう面白い結果が出ています。ガチで分析をするには少ない文章量でも、勉強を兼ねたお遊びで触るぶんにはこのくらいで充分なのかもしれませんね。

今後はMeCabの辞書を充実させて、分かち書きの精度を上げていきたいと思います。ただ、Wikipediaの見出し語やはてなキーワードを元にしてユーザー辞書を作る方法などもあるようですが、野球関連はともかくQMAの記事を解析しようと思うと不十分です。スラングも含めたQMA用語集のようなものがあればいいのですが。

なお、「ルキア - 乳 + 尻」で「ヤンヤン」が、「紅玉 - 野球 + アニ並」で「天青」が出てくるようになったら作業完了です。