積ん読を消化するために

Transcript

1. 積ん読を消化するために @Doarakko
2. ・2019年12月入社（2社目） ・エンジニア歴1.5年 　- 仕事: Go, PHP 　- 趣味: Python, C++ ・AtCoder 緑 ・海外サッカーをよく見ます 自己紹介 2
3. 今日は「デジタル積ん読」の話 3
4. Pocket（後で読むアプリ）使ってます 4 いろいろ機能があるらしい ・他の人が多く保存している記事 ・記事のハイライト ・記事へのタグ付け（手動） 私は「保存」と「検索」しか使ってなかった
5. 私の Pocket の使い方（ブラウザ） 5 スマホだと保存までに複数回アクションがあってつらい
6. なぜ積ん読を解消する必要があるのか 6 情報の鮮度が落ちる ・波に乗り遅れる ・「もっと早くこの情報を知っていれば」 積ん読しておくのが気持ち悪い？
7. 解決策 案1. その場で読む → それができたら苦労しない 案2. 一定期間たったものは自動で捨てる → もったいない 案3. 毎日時間を確保して習慣化する → できるわけがない 案4. 後で読む基準を厳しくする → さらっと概要を掴んで全部読むか判断する 7
8. 「さらっと概要を掴んで」 8
9. 文章要約 9
10. 文章要約の活用事例 10 https://www.asahi.com/corporate/info/13124567 https://about.yahoo.co.jp/info/blog/20190424/chi ebukuro.html
11. 文章要約：要約対象 11 単一ドキュメント 複数ドキュメント
12. 文章要約：要約手法 12 抽出型 ・元の文章の中から重要だと判断したものを、 そのまま抽出する ・メリット：元文章をそのまま使うので文法はおかしくならない ・デメリット：文章中にない単語は生まれない、文のつながりはおかしい 抽象型 ・元の文章から内容を理解して、人が作ったような 要約文を生成する ・メリット：元文章にない単語も生まれる、文章のつながりが自然 ・デメリット：文法に違和感がなく、自然な文章を生成する難易度高い
13. 今回試したもの LexRank ・抽出型の手法で、ページランクの仕組みを応用したもの BERTSUM ・BERT の学習済みモデルを文章要約用に拡張した抽出型のモデル ・よくわからないので詳しく知りたい方は論文を読んでください 　→ よくわからなくても動かせるくらい身近なものになっている 13 ページランク：他からリンクされているものほど良いページとする（超ざっくり）
14. 試した記事 14 【転職エントリ】Googleに入社します 約 6,500 文字 15 分（by Pocket） https://note.com/neko_chan0214/n/n3a64bc1e1412
15. LexRank 15 要約文 電話面接やオンサイト面接を受けることになること、競技プログラミングのような問題が出題されること などを知りました。（58行目） このタイミングで、とある元Googleのソフトウェアエンジニアの方から声をかけていただき、模擬面接を していただけることになりました。 （78行目） 面接で聞かれた内容は秘密にする約束なので、自分が勉強した内容を記事に書くのは、面接を受ける 前に書いておいた方がいいだろうと考えました。 （136行目）
16. BERTSUM 16 要約文 2018年の年末年始に時間があったので、有料版を契約してきちんと Pythonの勉強をしてみようと思い ました・DataCampの分量は非常に多くて、年末年始だけでは当然終わらせることはできず、 3ヶ月以 上かかってDataScientistコースを修了しました（4行目） エンジニア採用のカジュアル面談を受け入れている医療 ×ITの企業を見つけて、いくつかネットで申し 込んでみたりもしました（31行目） この時点でとても幸運だったのは、日本語で書かれた入社体験談が同時期にたくさん投稿されていた ことです（57行目）
17. 感想 17 ・微妙 ・全文読んだがもっと抽出してほしい文章があった ・日本語はハンデ（自然言語処理をやる上で） ・要約する文章のドメインのデータ集めないと ・これからも積み続ける
18. 積ん読を消化するために @Doarakko