卒研（松永さん）の記録＆宮川さん，思いつき

松永さんに以下を指示．

  • ping server から changes.xml を入手すること．
  • changes.xml の記法は一定だから，パースしなくても正規表現で処理すれば十分じゃないか．
  • 4/29 に試したところ，http://d.hatena.ne.jp/change.xml は以下の手順で取得可能．
telnet d.hatena.ne.jp 80
GET /changes.xml HTTP/1.0

しかし，ping.bloggers.jp では不可．
パケットを追跡しないと駄目かも．

  • changes.xml を解読して，ブログのトップページを入手すること．

（メモ：stream 処理でよいから，軽い expat を使えばよいのでは？）

（注）entry からの本文抽出は，武藤の仕事

宮川さんの研究について
blog 記事を読んで，positive, negative それぞれをラベル付け（各 50件）．
これらを分析して，形態素の tf を求めてくれた．なお，不要語処理等の細かい部分は未確認．
tf が出せているから naive Bayes（SPAM フィルタリングで用いた手法）によって分類させてもよい．また，SVM との比較も試してみる価値あり．