使い方

1. [足す小説]と[引く小説]それぞれに小説の題名を記入する。
   • 片方の欄が空白のままでも大丈夫。
   • 複数ある場合は、全角または半角スペースで区切る。
2. [計算]ボタンを押す。
3. 1.での計算の結果に似ている順に小説が表示される。
   • 表右側に表示される数値は類似度。

例

• 足す小説 : こころ 銀河鉄道の夜
• 引く小説 : 星の王子さま

こう書くと、『こころ』+『銀河鉄道の夜』-『星の王子さま』という 小説の計算 が行われる。

活用例

• 好きな小説を5冊挙げ、全て[足す小説]に書く。→次に読むべき1冊が見つかるかも？？

Novel2Vecについて

Novel2Vecとは、小説とそのベクトル表現を対応付けるモデルである

ベクトルは各種演算ができるため、このモデルによって

• 小説を足し算、引き算する
• 任意のベクトルと方向が似ている小説を求める

ことができる。また、ベクトルには方向があるため、この方向が何かしらの意味を示していると考えられている。

何かをベクトル表現するというアイデアは単語にもある(Word2Vecという)。こちらは

• 王-男+女=女王
• お兄さん-おじさん=優しい

などの計算ができることが知られている[2]。

Novel2Vecが作られるまで

Novel2Vecでは、Word2Vecのアイデアを小説に流用している。実際、Novel2VecはWord2Vecのモデルを作成するライブラリgensim.models.Word2Vecを使用して作成されている。

Word2Vecは、文章を機械に沢山読ませることで作られた。

これにならい、Novel2Vecは、2018～2020/10/25にTwitter上に投稿された[1]#名刺代わりの小説10選というハッシュタグを持つツイート約8,000件(https://github.com/GINK03/novel_recommend/blob/master/var/shosetsu_dataset.csv) から小説の題名を抽出し、それらを機械に読ませて作った。

現行のNovel2Vecモデルの詳細

• 学習アルゴリズム : Skip-gram
• Gensimバージョン : 4
• ベクトル次元数 : 100

参考

1. GINK03 .(2020). novel recommended. https://gink03.github.io/novel_recommend/. 2021/08/17アクセス
2. パソコン工房NEXMAG. (2018). Word2Vecで「おじさん」と「お兄さん」を比較してみた. https://www.pc-koubou.jp/magazine/9905. 2021/08/17アクセス

注意

• 入力欄には個人情報を書き込まないこと。
• 小説の引き算という計算が何を意味しているのか、Mya-Myaはよく分かっていない。
• 小説の題名を抽出する処理において、小説の題名ではないノイズデータがいくつか混ざってしまった。このため、計算結果に小説の題名ではない文字列が表示されることがある。