C1-1 音象徴の機械学習による再現：最強のポケモンの生成
商品のネーミングについて
ネーミング・・・音象徴と意味、組み合わせなどからつくられる。
文字からイメージされる→音象徴
人が受ける音象徴データの構築
ポケモン強弱判定テスト・・・2匹のポケモンを並べて、どちらが強いかを音の印象で判定する。判定するのはポケモンについての知識がない人。
ポケモンを対象とした理由・・・名前が多く、多様だから。
100種類・300セット
ex)カメックスとピッピ 一致率0.661～0.728：平均0.696
2体のポケモンの強弱の結果をSVMにかけて強いポケモンの名前をつくりだす。
強いポケモンを1体用意し、その文字列を1文字変えて元の名前とどちらが強いかを判定し、繰り返す。
そして強いポケモンVS弱いポケモンの場合、強いポケモンの勝率が高い（0.8弱？）。
？ただし、強いVS強い、弱いVS弱いは0.7、0.6くらいで、これは違いがあるのか微妙。

？C1-2 造語の過程に基づく複合オノマトペの検出手法
オノマトペ
ex)ふわとろのオムライス
辞書構築と意図理解→機械的に生成
音韻パターン 1.ABAB型を提示 さらさら
  2.オノマトペか？　サ変名詞になれる傾向があるので「する」「して」をつける。
  3.チェック
派生オノマトペの中に複合オノマトペ（ガサガサ+ゴソゴソ=ガサゴソ）
手法：
2つの親  ゆるゆる・ふわふわを足す
中間状態 ゆるゆるふわふわ
子供  ゆるふわ・ふわゆる（兄弟）
頻度情報より、頻度の多い方を兄とする。

また、よろよろ+しくしく=よろしく　みたいなのもある。←これも頻度情報で閾値を用いてカット。
ただし、兄が検出されたらその兄弟も引っ張ってくる。
親スコア 親と子は似た文脈で使われる→文脈類似度（共起語でベクトル計算）
  さらさらとさらつや、つやつやとさらつやのベクトル計算をし、それぞれをかけたものがスコア。
  ※今後は親同士の共起もみる。

入力：オノマトペ辞典内のABAB型505個　→　コーパス：知恵袋　→　出力：子供の順位リスト（人手でチェック）
評価：子供スコアを使えば新オノマトペチェック可

？C1-3 Wikipediaのエントリ構造と編集距離を用いた専門用語抽出の試み
先行研究：専門用語の対象コーパスを用いる。しかし、出現率が低い単語は一般名詞も含んでしまう。再現率が低い。
手法：異なる分野コーパスの解析
ある記事を提示。この記事が含まれる文書を検索。それら文書に含まれる記事をアップ。それらに含まれる単語をアップ。→ほとんど専門用語となった。

条件： 頻度が高い これだけだと流行やジャンルに偏る
 使用領域が広い 
  両方使用することによって、流行やジャンルに偏らない
①単語wを含むニュース数をだす
②相対頻度（KL情報量+単純頻度の逆数）
ニュースをジャンル・時期ごとに分類
全単語に近ければOK
③単純頻度の二乗 均等な値は高い
語彙リスト間の比較