HackMD
PyCon TW 2016 Collaborative Talk Notes
Day 3 - R1
Quick Links
- Portal for Collobration Notes 共筆統整入口 (hosted by hackfoldr and HackMD)
- Program Schedule 議程時間表
- PyCon TW 2016 Official Site 官網
How to update this note?
- Everyone can freely update this note. 任何人都能自由地更新內容。
- Please respect all the participants and follow our code of conduct during discussion. 討論、記錄時，請遵守大會的行為準則。
Talk: 如何打造關鍵字精靈
- Info: https://tw.pycon.org/2016/en-us/events/talk/57694625669840919/
- Slider: http://www.slideshare.net/ssuser05afc89/how-to-build-an-keyword-wizard
- Speaker: 施晨揚
What is keyword
是一個有指標或是有識別性的字詞，且他也包含著一些特定的意義
Why we need ?
- Advertisement (廣告)
- TAG (標籤)
- Relation (關聯性)
- Article Summary (文章的總結)
Word Relation Model
關聯性搜尋
- Model 1（關聯詞)
沖繩 -> 飯店、自由行、推薦 - Model 2（同義詞）
沖繩 -> 琉球、壺屋通、…
Word Representation - Vector Space Model
把文字、文章 Mapping 到多維向量空間
可以看出那些文章，或是哪些詞是有關係的
One Hot v.s Continue Value
如果是維度十分高的話（多維空間），是很難辨識出哪些詞是相似的
Word Representation -One Hot Representation
最簡單的方法 - One Hot Representation
先把每一個詞建出一個 One Hot Index
但是這種編碼模式會找不到詞與詞之間的相關性，找關係會很難找
Word Representation - Context Vector
在範例中，以詞作為 X Y 軸來產生一個表格，
把兩個詞之間同時出現的機率來辨識出兩個詞之間的相關性
Ex. 沖繩 vs. 浮淺 = 0.7, 沖繩 vs. 餐廳 = 0.1
Word Context Vector
講到拉麵 -> 美味しい
講到一蘭 -> 喔依西捏
就可以把兩個詞關聯起來
可是一蘭和赤坂明明都不好吃啊
別醬子 XD
Co-occurrence Matrix
如果很大的話 n ~= 500k
那 space = n & n，time = n *n
Word2Vec
word2vec = 兩層式的類神經網路
「我想要去沖繩 … 潛水」必須再看到前面的字就要能預測出會說 潛水，
可能的詞有：打球、潛水、睡覺、…、洗臉（可能有好多個 Label），
可以用類神經網路來逼近出這個 Model，
Major Process Flow
- Article Selection
- Content Extraction
- Word Cutting
Article Raw Data Preparation
文章都是一行，要幫文章做斷詞，把文章中的詞以空格隔開。
Term Database
收集詞庫
- Search Log
- 各大電商網站(e.q 阿里巴巴)
- Link1
- Link2
- http://baseterm.com/
- 輸入法詞庫
- 詞庫 破解
Term Database - Search Log
google search sole → search histroy →Filter & Counting →Term Collection
Search Log
從 search log 產生詞庫，可以直接用 count 來做，
累積到一定的數量，就可以知道 太陽的後裔 是一個新詞
但是可能會有奇怪的詞混進來，所以要限制長度
Term Database
Word Cutting
- Word Cut Tool
- Jieba
- Get Bot Token
推結巴，好用
Talk: First try for CAS, SymPy with codegen
- Info: https://tw.pycon.org/2016/en-us/events/talk/58534680193925150/
- Speaker: Chiu-Hsiang Hsu
- Slides: https://speakerdeck.com/wdv4758h/first-try-for-cas-sympy-with-codegen
Introduction
-
Sympy可協助數學運算 -
建symbol、expression
-
symplify可直接代入運算式得結果 -
expand展開 -
solve解方程式 -
lambdify產生可運算程式碼 -
可以接到各種語言的backend 像fortran、numpy…
chebyshev Approx…
沒抄到 orz
SymEngine
- C++寫的sympy
Talk: Geo processing with Python: How to convert, clean, aggregate and compress your geo-data for web
- Info: https://tw.pycon.org/2016/en-us/events/talk/69816036404232254/
- Speaker: Juha Suomalainen
About
- WiredCraft 架構/工程師
- 主要工作為geo資料視覺化
what drives me
- Visualizations
- UX
- Engineering 希望把所有東西做的簡單，好看
Projects working on
- CO2 visualizaion
- data.worldbank.org
- Flood Risk
Technologies
Geo Data Format
- shapefiles (GIS 格式)
- dfb: shapes
- prj: coordinate
- shp: main entrypoint
- shx: index file(?)
Shape formats for WEB
- geojson (simple, standard json)-https://github.com/geojson/draft-geojson
- topojson (more compact, boarder sharing)-https://github.com/mbostock/topojson
Tools
- QGIS (desktop app)
- Geojson.io (web app)
- mapshaper.org (feature simplification)
- mapbox.com (basemap creation)
- js:
- leaflet.js
- mapbox.js (propertory, speaker has good user experience)
- d3.js (customise, low-level APIs) -可參考 http://www.taiwanstat.com/
simple approach
- shapefiles and api
- data processor
- geojson / json
- webapp
Frontend
- load data
- basemap
- stylethe features
- create the ranges
Common pitfalls
- Data encoding
- Coordinate systems
- Check the mappings
Optimizing for web
Optimizing choropleth
- play with border styling
- make it interactive
- try differenet color schemes
如何取得data?
County open data OR JSON Api
Resources
- Formats: Shapefiles, Geojson, Topjson
- Python packages: pyshp, geojson, topojson
- Sites: 前面介紹的那幾個
- Tools: QGIS
- Wiredcraft blog
Content on UX
- interactivity
- colors + styling
- usability with mobile devices
- talk to ther users
example
- 接續上面的 simple approach
- 修改自 mapbox tutorial (?)
- mapbox 讀 python 生出來的 geojson
getColor用分數決定顏色
