1. OtaQ
OtaQ
早押し４択クイズの自動生成
jewel_x12 @ Niigata.pm tech talk #1

2. @jewel_x12?
• 自然言語処理
• NUT LT部所属
• TRENDONAU というものを作りました
• 冷凍うどんを電子レンジで戻す
• 普段は Ruby 使い
• Perl 初心者
• たまにコードを読む程度

3. お詫び
Perl についてコアな話はできません……

4. 今回の目標
４択クイズの自動生成を通じ
て Perl とふれあう
※ コロンビアの画像

5. なぜクイズ？
昨年はIBMの質疑応答システム
「Watson」が話題に
究極の質問にも
答えられるようになった！！

6. なぜクイズ？
昨年はIBMの質疑応答システム
「Watson」が話題に
質問者としてのコンピュータを
極めよう！！！！！！！！！！

7. コンピュータ vs 人間の歴史
※ アメリカ横断
※ 電脳学園の画像
ウルトラクイズの画像
ちょっと昔

8. コンピュータ vs 人間の歴史
※ QMAの画像
問題がネットワーク経由で
追加されるようになった

9. クイズゲームで一番コストの
高い部分は問題作成（たぶん）
自動生成や！

10. ウィキペディア記事から
自動生成する
• 「Qろいど」(学びing)
「けんてーごっこ」のデータをもとに、
穴埋め問題を自動生成
http://manabing.jp/service/qroid.html
今回は、書かれている内容をヒント文から
推測する形式の問題

11. 実演
http://otaq.jewelve.com/

12. ヒント文の生成
ウィキペディア記事内で
特徴的な文を抽出する
特徴度の高い順番に選択

13. 抽出型要約
要約したい記事から決められた
単語数に収まるように
特徴的な文を抽出する

14. 抽出型要約
手法の例：
1. 単語のスコア付け
• ある文書における単語の特徴度(TF-IDF など)
2. 文の特徴度を(1)のスコアを用いて計算
3. 決められた単語数に収まる＆合計スコアが
最も高くなる文の組み合わせを抽出
• ナップサック問題としてモデル化
•「文頭からの距離」や「既に抽出した文との類似度」等も
考慮

15. OtaQ では
1. 名詞のスコア付け
• TF-IDF
2. 文の特徴度を(1)のスコアを用いて計算
• 合計するだけ
3. 文の特徴度が高い順に選択する
• 単語数の制限等はない
• １番目は必ず含める

16. OtaQ では
1. 名詞のスコア付け
• TF-IDF
2. 文の特徴度を(1)のスコアを用いて計算
• 合計するだけ
3. 文の特徴度が高い順に選択する
• 単語数の制限等はない
• １番目は必ず含める
らくちん♪

17. 4択の生成
手法の候補
1. 似た記事タイトルを集める
2. 文書クラスタリング
3. カテゴリ情報を利用
• 所属しているカテゴリのうち、１番小さい
ものからランダムにタイトルを抽出
• 一番それっぽい結果になる
• 人手最高！！！！！！！！！

18. やっとPerlの話

19. システム構成
•問題生成
•単語スコア -> Perl
•重要文抽出 -> Perl
•４択の選択 -> Perl
•ゲーム部 -> Ruby

20. システム構成
•問題生成
•単語スコア -> Perl
•重要文抽出 -> Perl Ruby
•４択の選択 -> Perl Ruby
•ゲーム部 -> Ruby

21. Perl の感想
• bless を使ったオブジェクト指向プログラ
ミングは面白かった
• リファレンスの存在を知らないで進めてた
ら、よくわからないことになった
• Test::More でのテストもわかり易かった
• 中途半端な知識で進めると辛いときがある

22. ゲーム部
• Sinatra
• MongoDB
• nginx + unicorn
• 使ったことなかったので使った
・ クライアント側
• ランダム10問を JSON で受け取る
• 答えも受け取るのでチート可能

23. 生成されたクイズ
• 24,000 問くらいある
• カテゴリ名に「アニメ・ゲーム・同人・声優」等を含む
ものに絞っている
• お母さんの前では遊べない内容もある
• 無関係やアレゲなカテゴリは除去している
• 特徴のある文をそのまま出力しても問題と
して成立しにくい
• 「A は B の一種」のような関係を抽出すると良いか
も？