人工無脳作成関連情報

【Mecab】
人工無脳と言えば、まずは形態素解析からということで、Mecabに関する情報をまとめています。

LinuxにMecabとmecab-rubyをインストールする: Mecab、mecab-ruby、IAP、NAIST、UniDic辞書のインストール手順と簡単なサンプル
さくらのレンタルサーバでMecabを使用する: Mecab、mecab-ruby、NAIST辞書のインストール手順等
MeCabのコマンドライン引数一覧とその実行例: MeCabをコマンドラインから実行した際に指定できる引数と、その実行サンプル一覧
はてなキーワードからMecCab辞書を生成する（Ruby版）: はてなキーワードのワード一覧から、ユーザ辞書を生成します。
日本テレビ東京で学ぶMecabのコスト計算: 日本テレビ東京というどこで分けるか判別し辛い言葉を使って、コスト計算について解説しています。
IPA、NAIST、UniDic、JUMANの辞書実演比較: 複数の辞書による解析結果を並べて表示します。どの辞書を使うか悩んだ時などにお使いください。

【Wikipedia】
人工無脳と言えば、言語データが命ということで、Wikipediaの情報利用方法についてまとめています。

Wikipediaから得られるデータファイル一覧: Wikimediaが公開しているDBのダンプ等のデータファイルの入手方法と、内容の説明。
Wikipediaデータ利用参考サイトリンク集: コンテンツを作る際に目を通した参考サイトへのリンク集。

【計算手法】
クラスタリングをする際や編集距離などいろいろ。

JavaScriptでK平均法の実演: K平均法でクラスタリングされていく過程をJavaScriptで書いてみた。

JavaScriptでレーベンシュタイン距離の実演: レーベンシュタイン距離が辿る編集過程をJavascriptで実演してみた。

【役に立ちそうな情報】
言語情報を収集する際に使用できそうなリンク集。

フリーのIME・ATOKユーザ辞書リンク集: 対象を絞ったIME辞書は良い教師になってくれるかもしれないので。
Unicodeの文字ブロックについて: 対象文字列が平仮名かカタカナか漢字かなどを判定する。サンプルコードはJavaを使用。