読者です 読者をやめる 読者になる 読者になる

ネットの海の幸を有益な情報として整理できないものか

一番容量を食っていて、分類もあやふやなのがネットで拾った動画だ。
二番目に容量を食っていて、分類もあやふやなのがネットで拾った音楽だ。
三番目に容量を食っていて、分類もあやふやなのがネットで拾った画像だ。

ほとんどが整理する際にしか見ないような、大して重要でもないものばかり。

整理するために存在しているような、無駄なリソースが整理されていたらどうなるんだろう。
俺は面倒くさいからやりたくないけど、自動化できないか、という点に興味がある。

とりあえず一番簡単そうな画像をうまいこと整理できないものか。
あれこれ調べてみた結果、以下のような作業でそれなりの結果を得ることができそうだ。

  1. Google 画像検索で検索する
  2. 「一致した画像を含むページ」のタイトルを列挙する
  3. 専門用語(キーワード)自動抽出サービス 「言選Web」でキーワード抽出する
  4. 取得した情報はなんなりと


この程度ならプログラムで自動化するのも難しくないはずだ。
過去にSeleniumで作ったツールを公開しているので、参考にしてほしい。


順を追って、もう少し詳しく見ていこう。


Google 画像検索は、キーワードだけでなく、画像からも検索が可能。
手元の画像をアップロードすることで、その画像に関する様々な情報を得ることができる。

  • 画像の最良の推測結果(ふさわしいキーワード候補)
  • 類似の画像
  • 一致した画像を含むページ

わかりやすいサンプルがこれしかなかったので、少々モザイク処理させていただいた。

f:id:Yama-Hayha:20140117002314p:plain

「画像の最良の推測結果」がネットスラングのノイズで嬉しくない結果になることもあるようだが、所詮ネットで拾った画像なので、Google先生が「一致した画像を含むページ」を見つけ出してくれる。
ただし、「一致した画像を含むページ」そのものは広告や関連ページ紹介のノイズが多く、機械的に処理するのが難しそうだ。

しかし、少し視点を変えて「一致した画像を含むページ」のタイトルに注目すると、画像を特定する有益な情報が含まれていることが分かる。


先ほどのサンプル画像に一致した画像を含むページのタイトルは以下の通りだ。

  • 【3次元】貧乳に胸キュンな萌えるちっぱい女性の微乳フェチ画像 40枚 ...
  • 貧乳微乳な女の子のエロ画像part5 - 三次エロ画像 - FC2
  • 【幼女体型】発育が悪く「ちっぱい」な貧乳娘が美しい「二次エロ画像」を ...
  • 貧乳ちゃんの画像貼ってく - オナ速 - FC2
  • 貧乳な女の子の画像ください パート2 96枚 | エロ画像・2ch2ちゃんねる ...


この有益な情報から、画像を分類するキーワードを抽出できればよい。
今回、専門用語(キーワード)自動抽出サービス 「言選Web」というサービスを使ってみたところ、悪くない結果が得られた。

貧乳
エロ画像

乳フェチ画像
三次エロ画像
エロ画像part
貧乳
FC
女の子
オナ速
幼女体型
胸キュン
発育
ch
女性
パート

わかりやすいサンプルがこれしかなかったので、このような結果ではあるが、画像に自動付与するタグとしては悪くない。

ただ一点、「言語」については工夫が必要と思われる。

海外で見つけた画像、つまり「一致した画像を含むページ」のタイトルが日本語ではない場合、専門用語(キーワード)自動抽出サービス 「言選Web」のオプションで「英文」を選択する必要があった。
デフォルトの「和文」でも、何となくキーワードは抽出するものの、「英文」を選択時の精度とは雲泥の差がある。
これは、抽出前に日本語の量で判断すればいい程度ではないかと思う。

Spidering hacks―ウェブ情報ラクラク取得テクニック101選

Spidering hacks―ウェブ情報ラクラク取得テクニック101選