質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.35%

  • Python

    9119questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • TensorFlow

    748questions

  • Keras

    276questions

[機械学習] ファッション用語「以外」の訓練データを集めたい

解決済

回答 3

投稿

  • 評価
  • クリップ 0
  • VIEW 187

morizoo-

score 42

ある文字列を「ファッション用語である」「ファッション用語ではない」のどちらかに判定する分類器を作成しております。

分類器ちゃんに「ファッション用語」を学習させるため、下2つの訓練データが必要です。
(1) ファッション用語である文字列いっぱい  <-人力不可能
(2) ファッション用語じゃない文字列いっぱい <-人力不可能

(1)に関してはファッション用語まとめサイトからのスクレイピングで用意することが出来ました。
しかし、(2)の集め方をどうすれば良いか悩んでおります。

以下に(2)を用意するために調べたことを記述します。
1, ECサイトから「ファッションカテゴリに分類しない商品データ一覧」を取得出来れば良いのでは無いか、と考える。
→Amazo◯n、楽◯ のAPIについて調べた結果、「除外カテゴリの指定」の様なことは出来なかったor見つからなかった。
2, 辞書サイトで「ファッションに関連する語句」を排除した語句一覧を取得出来れば良いのでは無いか、と考える。
→W◯ki、(辞書じゃないけど)Go◯gle Custom Search API などについて調べ、1と同様に出来ない感じだった。

やりたいことはただ1つ、「ファッションに関連しない、たくさんの文字列の取得」です。
妙案お待ちしておりますm(_ _)m

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 3

checkベストアンサー

+2

1)辞書サイトから、沢山の用語(見出し語)を収集する。(ファッション用語辞典のようなサイトは避けること)
2)収集した用語から、ランダムに抽出してリストを作る。(学習用のデータの量を抑えて、現実的な時間で学習できるように)
3)リストの中に「ファッション用語」(スクレイピングで作ったり(2)のデータ)に含まれる用語があったら、それは除外する。

このようにすれば、『「ファッション用語まとめサイト」に載っている用語』と『「ファッション用語まとめサイト」に載っていない用語』という2つの学習用データが得られるのではないでしょうか。

『「ファッション用語まとめサイト」に載っている用語』と『ファッション用語』が同義であるかどうかは疑問が残ります。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/05/13 09:07

    なるほど、
    (2) = 全体 - (1)
    という発想に至りませんでした汗
    これなら出来そうです、ご回答ありがとうございました!!

    キャンセル

+1

とりあえず、どこからか単語全件を取得して、手持ちのファッション関連の単語を除外すれば、必要最低限の処理を行った「ファッション関連以外の単語」を入手したことになります。
ここから先は、人手で除外するしかないかと思います。少しでも手間を減らすような方法があるとすれば、学習済みのword2vecの単語ベクトルを入手して手持ちのデータの類似語を取得(wrod2vecのmost_similarを活用)して単語全件から除外するという方法が考えられます。朝日新聞がword2vecの単語ベクトルを公開していると聞いたことがあるので、こうしたものを活用するといいかと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

+1

「いっぱい」が3桁とか4桁なら人力でもなんとかいけますよ。5桁超えると一人でやるのはしんどいですけど。


たとえばニュースサイトという便利なものがあるので、ファッションカテゴリとそれ以外の記事から取ってくるのが素直だしわかりやすいのではないでしょうか。

記事単位でよければデータ取ってくるだけですが、単語単位となると工夫がいります。
「教師なし(ないし半教師あり)で特定カテゴリに関連する単語を分類する」というタスクなので、うまい方法を思いついたら(既存研究とかぶらなければ)それだけで発表できます。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.35%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る

  • Python

    9119questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • TensorFlow

    748questions

  • Keras

    276questions