2013/09/27

ムシキングのネプチューンオオカブトのカードがいちばん強いです

ぼくは、ムシキングのカードをいっぱい持っています。ムシキングのカードは全部で36枚持っています。ネプチューンオオカブトのカードがいちばん強いです。


キラキラしているのは、レアカードです。

2013/09/23

のっとられたかもつれっしゃ

はれた日、かもつれっしゃをとめていたら、かぎをぬすまれて、かもつれっしゃがかってに動きだしました。そのかもつれっしゃは、かんせいしたばかりなので、まだ、さいしゅうチェックはしていませんでした。


なので、かもつれしゃは、どんどんスピードがはやくなっていきました。かもつれっしゃは、ほかのかもつれっしゃに、ぶつかってしまいました。どちらのかもつれっしゃにも、ガソリンのはいったタンクがいっぱいあったので、だいばくはつになりました。

その近くには、町があったので、さらに火事が広がりました。だいばくはつをした、ふたつのかもつれっしゃのうんてんしゅと、のっとった人は死んでしまいました。

その火事で1000人以上が死にました。

2013/09/22

かもつれっしゃのにもつが重すぎてはこべなくなった話

ある日、にもつを90個はこんでいた、かもつれっしゃが、速いスピードで走っていました。


だけど、いきなりスピードが落ちて、ふみきりで止まってしまいました。ふみきりの前に止まっていた車が、通れなくなって、だいじゅうたいになりました。

90個はこんでいるかもつれっしゃに、助けのかもつれっしゃが来ました。それで、じゅうたいはなくなって、90個はこんでいるかもつれっしゃは、スピードがあまりでません。

それで、かもつれっしゃをしゅうりしたら、またスピードが出るようになりました。

2013/09/21

下の子も一緒にブログを書き始めました。

上の子(お兄ちゃん)が、ブログ100アクセスで得たAmazonギフト券利用を我慢できず、ゲームを購入しました。それを見ていた下の子が、「ぼくもブログを書く!」ということになりました。ミッションとしては、お兄ちゃんと同様の100アクセスです。


下の子は、まだまだキーボードは打てないので、ブログに書きたい内容を紙に書き、その内容を、そのままブログにアップしています。

その記事が、「かもつを止めた!」  と 「プラレールのかもつれっしゃがだっせんした。 」 です。

好きなことを書けばいい と言うと、「おはなしを作る」と行って物語を考え出しました。イラストも自分で描くのが楽しいらしく、ソフトの操作方法を教えると、喜々として描いていました。

プラレールのかもつれっしゃがだっせんした。

ぼくは、プラレールであそんでいました。かもつれっしゃで、にもつをつなげすぎて、だっせんしました。


にもつをへらして、くふうしたら、できました。

かもつを止めた!

ぼくは、自分でお話しを作りました。その題名は、「かもつを止めた」というお話しです。


ある日、せんろで工事をしている人がいて、かもつれっしゃがつっこんできました。
それで、工事をしていた人は、力持ちだったので、かもつを止めることができました。
でも、その人は、両手をこっせつしました。

絵もぼくがかきました。

CentOS6のZope2.10.9にpsycopg、ZPsycopgDAのインストールした際の備忘録

ZopeとPostgreSQLをつなぐ必要があり、psycopgを使って接続した際の備忘録です。


PostgreSQLのインストール状況の確認
$ sudo rpm -qa | grep postgres
postgresql-odbc-08.04.0200-1.el6.i686
postgresql-libs-8.4.13-1.el6_3.i686
postgresql-server-8.4.13-1.el6_3.i686
postgresql-devel-8.4.13-1.el6_3.i686
postgresql-8.4.13-1.el6_3.i686

postgresqlが、サービスに登録されていることを確認
$ ls /etc/init.d/
abrt-ccpp functions postgresql spice-vdagentd ...

OS起動時のPostgreSQL起動を設定
$ sudo chkconfig postgresql on
$ sudo chkconfig --list postgresql
postgresql      0:off   1:off   2:on    3:on    4:on    5:on    6:off

PostgreSQLの起動
$ sudo service postgresql initdb
データベースを初期化中: [  OK  ]
$ sudo service postgresql start
postgresql サービスを開始中: [  OK  ]
PostgreSQLで操作用のユーザーを作成しておきます。
$ sudo su - postgres
-bash-4.1$ createuser test_user
新しいロールをスーパーユーザとしますか?  (y/n)n
新しいロールにデータベース作成権限を与えますか? (y/n)y
新しいロールにロールを作成する権限を与えますか? (y/n)n

$ exit
logout

操作用のユーザーに切り替えて、データベースを作成して、そのデータベースに接続できることを確認しておきます。

$ su - test_user
$ createdb sampledb
$ psql sampledb
psycopg-1.1.6のインストール
psycopg-1.1.6.tar.gz をダウンロード、解凍して、インストール。
$ wget http://old.zope.org/Members/fog/psycopg/1.1.6/psycopg-1.1.6.tar.gz
$ tar vxzf psycopg-1.1.6.tar.gz
$ cd psycopg-1.1.6
$ ./configure 
--with-python=/opt/python2.4.6/bin/python 
--with-postgres-libraries=/usr/lib/pgsql 
--with-postgres-includes=/usr/include/pgsql/server 
--with-mxdatetime-includes=/opt/python2.4.6/lib/python2.4/site-packages/mx/DateTime/mxDateTime

$ make

$ sudo make install
Installing shared modules...
install -m 555 ./psycopgmodule.so /opt/python2.4.6/lib/python2.4/site-packages

下記のオプションを付けないと
--with-postgres-libraries=/usr/lib/pgsql 
--with-postgres-includes=/usr/include/pgsql/server

checking PostgreSQL version... configure: error: missing PostgreSQL headers
というエラーが表示されます。

下記のオプションを付けないと
--with-mxdatetime-includes=/opt/python2.4.6/lib/python2.4/site-packages/mx/DateTime/mxDateTime

checking for mxDateTime.h... configure: error: can't build without mx headers
というエラーが表示されます。

その解消のために,egenix-mx-base 3.2.6のインストールが必要
https://pypi.python.org/pypi/egenix-mx-base/

$ wget https://downloads.egenix.com/python/index/ucs2/egenix-mx-base/3.2.6/egenix-mx-base-3.2.6.tar.gz
$ tar vxzf egenix-mx-base-3.2.6.tar.gz
$ cd egenix-mx-base-3.2.6
$ sudo /opt/python2.4.6/bin/python setup.py build
$ sudo /opt/python2.4.6/bin/python setup.py install
ZPsycopgDAのインストール

/zope_instance_path/Products に ZPsycopgDA をコピーして、Zopeを再起動
ZopeからPostgreSQLに正常に接続、データを取得できることを確認できました。

2013/09/16

「Area61 ビデオミキサ」を使ったレゴアニメーションの作り方

昨日の息子の記事 「スターウォーズのキャラクターでレゴアニメをつくってみました」 の撮影は、息子がしたのですが、アニメーションの作成までは難しいので、私が作業しました。

「Area61 ビデオミキサ」というソフトを使って静止画を動画に変換しました。


Area61 ビデオミキサ
http://www.vector.co.jp/magazine/softnews/070106/n0701062.html

「Area61 ビデオミキサ」を起動した画面


撮影した静止画は、連番で保存されている必要があります。光線は静止画上で加工しておきます。


「Area61 ビデオミキサ」の操作画面の下のエリアに撮影をした静止画をドラッグ&ドロップで持っていきます。


「プレビュー」ボタンを押して、動画の確認をします。各静止画の表示時間については、「長さ(ms)」の値を変更することで制御できます。

プレビューで問題なければ、「WMV作成」ボタンを押して、動画データを作成します。


後は、YouTubeにアップをすれば、下記の動画が公開できました。

2013/09/15

スターウォーズのキャラクターでレゴアニメをつくってみました。

今回は、レゴでアニメをつくってみました。


今回つかったフィギュアは、

スターウォーズ
緑のジェダイ キット・フィスト
クローン コマンダー
クローン ガンナー

グリーバス将軍(ドークー伯爵の弟子)
コマンド・ドロイド



テーマは、戦場をイメージして、作ってみました。
最初は、簡単かとおもったけど、意外と大変でした。

【書評】「レイヤー化する世界 [Kindle版]」(佐々木俊尚)を読んだ感想

佐々木俊尚さんの「レイヤー化する世界」をKindle版で読みました。これからの世の中は、おそらく、このように変わっていくのだろうと思いました。


この本の中で語られているのは、現在の「国民国家」と「民主主義」で成り立っている世の中の仕組み自体が変わっていく、ということ。「国民国家」と「民主主義」に取って代わっていくものが、Apple、Google、Facebookなどの超国籍企業が作り出す<場>というものになります。<場>という言葉は、佐々木俊尚さんが考え出したものですが、その内容をよく表している言葉だと思います。



<場>による仕組みの変革

<場>による仕組みの変革が始まったのは、音楽業界からです。Appleが、iTunes、iPodを使って、配信、売買できる仕組みを作りました。iTunes、iPodが、<場>になります。それまでの音楽業界では、音楽制作会社に意向に沿った音楽が採算を計算の上で制作され、CD販売店で販売がされていました。その仕組みは、iTunes、iPodという<場>に取って替わられました。音楽を作りたい人が作った音楽を、その<場>を使って、自由に配信、売買することができます。

音楽業界に起きたことが、出版業界でも起こり、今後、すべての業界で起きて行くことになります。本書の中では、行政サービスも、その<場>に置き換わっていく業界の事例として説明されています。例えば、道路や橋、公共施設の保守管理は、行政サービスとして管理されています。保守のためには、何かしらの人が、定期的に道路や橋、公共施設の状況を見てまわる必要があります。

そういった保守が必要な箇所については、保守管理のスマホアプリを作成・配布して、各市民が、自分の見つけた保守が必要な箇所を、そのアプリを通して、位置情報・写真を行政に報告をします。その保守が必要な箇所の情報は、そのアプリによって共有され、保守作業のフローへ繋がって行きます。

保守管理のスマホアプリ自体も行政が用意する必要はなく、行政の業務フローを運営する<場>(何かしらの会社が提供するオープンな場所)さえ提供されていれば、そこで便利なアプリが生まれてきます。行政はそのアプリ群の中から、有用なものを選びさえすれば良いのです。

世界の富は均一化されていく

<場>による仕組みは、世界の富の不均衡を均一なものにしていきます。先進国は、今よりは貧しくなります。発展途上国は、今より豊かになっていきます。例えば、サイト制作を発注する場面で考えてみます。今では、全世界のクリエイター、プログラマーに仕事を発注することが可能です。先進国のクリエイターと、発展途上国のクリエイターでは、同じスキルの方であれば、発展途上国の方の方が制作費用は安いと考えられます。そうであれば、発展途上国のクリエイターに仕事が流れるのは自然な流れです。こういった内容が、分かりやすく説明されています。

この話を読んで、「エントロピー増大の法則」を思い出しました。

エントロピーとは何か?
http://homepage3.nifty.com/rikei-index01/kagakuneturiki/entorotoha.html

人間社会の仕組みも、物理学と通じるようなところがあると感じ、とても興味深かったです。

佐々木俊尚さんについては、かなり以前ですが、講演を拝聴したことがあります。その時から、的確な現状分析、今後の予測、その話術に惹きつけられました。

<場>による仕組みで運営されていく世の中に、どのように向き合っていけば良いのかも説明されています。その内容は、是非ご自分で「レイヤー化する世界」をご覧いただくことを奨めます。

私が同感できた他の方の「レイヤー化する世界」に対する書評

書籍の中で、参考資料として挙げられていた情報の一つ

エリック・ブリニョルフソン「成長のための鍵は何?機械との競争」

2013/09/11

戦国ニュース 大谷吉継のエピソード

今度のエピソードは、大谷吉継です。


大谷吉継は、関ヶ原の戦いで、西軍で戦ったことで有名です。
その吉継は、関ヶ原の前に人気のない石田三成が
西軍の総大将になれば、味方する大名は少なくなると
考えたので、そのことを素直に三成に打ちあけ、
総大将になることを辞退させた。

親友だからこそ、言えたことだと思う。
三成と吉継の友情がすごい。

2013/09/09

戦国ニュース 本多忠勝のエピソード

今度のエピソードは、本多忠勝です。


本多忠勝といえば、戦国最強といわれています。
その忠勝は、三方ヶ原の戦いの直前、一言坂において、
徳川軍と武田軍が衝突した。
武田軍の攻撃の前に、徳川側は後退。
このとき、忠勝は戦場に残って、
家康のにげ道を確保した。

一人 戦場に残るなんて、すごい勇気だとおもった。

2013/09/07

「集合知プログラミング」del.icio.usのリンクを推薦するシステムを作るのサンプルコードを試してみました。

「集合知プログラミング」では、インターネットを通じて集合知のモトとなるデータを集め、取り扱う方法が説明されています。


その2章「推薦を行う」にて「del.icio.usのリンクを推薦するシステム」の説明があります。delicious(デリーシャス)とは、ソーシャルブックマークサイトです。簡単に言えば、お気に入りのサイトを公開して共有するサービスです。

del.icio.us
https://delicious.com/

沢山の人が、お気に入りのブックマークを登録しています。登録されているブックマークを分析して、ある人と同じ嗜好を持つ人を探しだすプログラムを作ります。さらに、その人が好みそうなリンクを推薦するシステムを作ります。



「集合知プログラミング」では、Pythonのコードでの説明がされています。この「del.icio.usのリンクを推薦するシステム」では、Pythonのモジュール「pydelicious」を使います。

検証は、Mac OS X 10.7.5のPython 2.7.1で行います。
「pydelicious」のバージョンは、「pydelicious-0.6」を使用します。

下記のソースは、del.icio.usのデータセットを作る処理本体の deliciousrec.py の内容です。

書籍の記載のままでは、動作しない箇所があります。1行目「import time」の記載不足、8行目「for p2 in get_urlposts(p1['href']):」24行目「url=post['href']」は、del.icio.usのAPIの仕様変更により、「for p2 in get_urlposts(p1['url']):」「url=post['url']」への修正が必要です。
import time
from pydelicious import get_popular,get_userposts,get_urlposts

def initializeUserDict(tag,count=5):
 user_dict={}

 for p1 in get_popular(tag=tag)[0:count]:
  for p2 in get_urlposts(p1['url']):
   user=p2['user']
   user_dict[user]={}
 return user_dict

def fillItems(user_dict):
 all_items={}
 for user in user_dict:
  for i in range(3):
   try:
    posts=get_userposts(user)
    break
   except:
    print "Failed user "+user+", retrying"
    time.sleep(4)
  for post in posts:
   url=post['url']
   user_dict[user][url]=1.0
   all_items[url]=1

 for ratings in user_dict.values():
  for item in all_items:
   if item not in ratings:
    ratings[item]=0.0
あと、推薦をするプログラム recommendations.py が必要です。
from math import sqrt

# Returns a distance-based similarity score for person1 and person2
def sim_distance(prefs,person1,person2):
  # Get the list of shared_items
  si={}
  for item in prefs[person1]: 
    if item in prefs[person2]: si[item]=1

  # if they have no ratings in common, return 0
  if len(si)==0: return 0

  # Add up the squares of all the differences
  sum_of_squares=sum([pow(prefs[person1][item]-prefs[person2][item],2) 
                      for item in prefs[person1] if item in prefs[person2]])

  return 1/(1+sum_of_squares)

# Returns the Pearson correlation coefficient for p1 and p2
def sim_pearson(prefs,p1,p2):
  # Get the list of mutually rated items
  si={}
  for item in prefs[p1]: 
    if item in prefs[p2]: si[item]=1

  # if they are no ratings in common, return 0
  if len(si)==0: return 0

  # Sum calculations
  n=len(si)
  
  # Sums of all the preferences
  sum1=sum([prefs[p1][it] for it in si])
  sum2=sum([prefs[p2][it] for it in si])
  
  # Sums of the squares
  sum1Sq=sum([pow(prefs[p1][it],2) for it in si])
  sum2Sq=sum([pow(prefs[p2][it],2) for it in si]) 
  
  # Sum of the products
  pSum=sum([prefs[p1][it]*prefs[p2][it] for it in si])
  
  # Calculate r (Pearson score)
  num=pSum-(sum1*sum2/n)
  den=sqrt((sum1Sq-pow(sum1,2)/n)*(sum2Sq-pow(sum2,2)/n))
  if den==0: return 0

  r=num/den

  return r

# Returns the best matches for person from the prefs dictionary. 
# Number of results and similarity function are optional params.
def topMatches(prefs,person,n=5,similarity=sim_pearson):
  scores=[(similarity(prefs,person,other),other) 
                  for other in prefs if other!=person]
  scores.sort()
  scores.reverse()
  return scores[0:n]

# Gets recommendations for a person by using a weighted average
# of every other user's rankings
def getRecommendations(prefs,person,similarity=sim_pearson):
  totals={}
  simSums={}
  for other in prefs:
    # don't compare me to myself
    if other==person: continue
    sim=similarity(prefs,person,other)

    # ignore scores of zero or lower
    if sim<=0: continue
    for item in prefs[other]:
     
      # only score movies I haven't seen yet
      if item not in prefs[person] or prefs[person][item]==0:
        # Similarity * Score
        totals.setdefault(item,0)
        totals[item]+=prefs[other][item]*sim
        # Sum of similarities
        simSums.setdefault(item,0)
        simSums[item]+=sim

  # Create the normalized list
  rankings=[(total/simSums[item],item) for item,total in totals.items()]

  # Return the sorted list
  rankings.sort()
  rankings.reverse()
  return rankings

def transformPrefs(prefs):
  result={}
  for person in prefs:
    for item in prefs[person]:
      result.setdefault(item,{})
      
      # Flip item and person
      result[item][person]=prefs[person][item]
  return result


def calculateSimilarItems(prefs,n=10):
  # Create a dictionary of items showing which other items they
  # are most similar to.
  result={}
  # Invert the preference matrix to be item-centric
  itemPrefs=transformPrefs(prefs)
  c=0
  for item in itemPrefs:
    # Status updates for large datasets
    c+=1
    if c%100==0: print "%d / %d" % (c,len(itemPrefs))
    # Find the most similar items to this one
    scores=topMatches(itemPrefs,item,n=n,similarity=sim_distance)
    result[item]=scores
  return result

def getRecommendedItems(prefs,itemMatch,user):
  userRatings=prefs[user]
  scores={}
  totalSim={}
  # Loop over items rated by this user
  for (item,rating) in userRatings.items( ):

    # Loop over items similar to this one
    for (similarity,item2) in itemMatch[item]:

      # Ignore if this user has already rated this item
      if item2 in userRatings: continue
      # Weighted sum of rating times similarity
      scores.setdefault(item2,0)
      scores[item2]+=similarity*rating
      # Sum of all the similarities
      totalSim.setdefault(item2,0)
      totalSim[item2]+=similarity

  # Divide each total score by total weighting to get an average
  rankings=[(score/totalSim[item],item) for item,score in scores.items( )]

  # Return the rankings from highest to lowest
  rankings.sort( )
  rankings.reverse( )
  return rankings

def loadMovieLens(path='/data/movielens'):
  # Get movie titles
  movies={}
  for line in open(path+'/u.item'):
    (id,title)=line.split('|')[0:2]
    movies[id]=title
  
  # Load data
  prefs={}
  for line in open(path+'/u.data'):
    (user,movieid,rating,ts)=line.split('\t')
    prefs.setdefault(user,{})
    prefs[user][movies[movieid]]=float(rating)
  return prefs
用意ができたので、Pythonのインタラクティブシェルで動作を確認します。
#必要なモジュールの読み込み
>>> import recommendations
>>> from deliciousrec import *
>>> import random

# 「design」というタグを付けているユーザーの取得
>>> delusers=initializeUserDict('design')

# 取得した各ユーザーのリンクを取得
>>> fillItems(delusers)

# 取得したユーザー達の中からランダムに1人を取得
>>> user=delusers.keys()[random.randint(0,len(delusers)-1)]

# このユーザーに似ているユーザーをリストアップ
>>> recommendations.topMatches(delusers,user)

[
(0.5344262295081967, u'thehrisworld'), 
(-0.16393442622950818, u'yaax'), 
(-0.16393442622950818, u'tchiule'), 
(-0.16393442622950818, u'sneurgaonkar'), 
(-0.16393442622950818, u'sethkontny')
]

# このユーザーが好みそうなリンクを推薦
>>> recommendations.getRecommendations(delusers,user)[0:10]

[
(1.0, u'http://www.youtube.com/watch?v=C5tOEBmBAHg'), 
(1.0, u'http://www.lifeisstory.com/'), 
(1.0, u'http://techcrunch.com/2013/09/06/what-to-do-if-you-get-a-troll-demand/'), 
(1.0, u'http://on.mash.to/1dJDvYC'), 
(0.0, u'https://www.facebook.com/sethkontny/posts/10201536626993865'), 
(0.0, u'https://communities.vmware.com/community/vmtn/vcloud-automation-center'), 
(0.0, u'http://www.yorkdispatch.com/breaking/ci_24031648/more-sleep-better-kids-but-too-much-trouble'), 
(0.0, u'http://www.wpcentral.com/geophoto-windows-phone-8-helping-you-remember-where-you-took-photo'), 
(0.0, u'http://www.wired.com/wiredscience/2013/09/wired-space-photo-of-the-day-saturn-storm-circles-planet/'), 
(0.0, u'http://www.wired.com/wiredscience/2013/09/what-exactly-is-astrovirology/')
]


人気の投稿 (過去 30 日間)