スポンサーサイト

上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。

はてブで遊ぶ(2) -ブックマーク数の統計をとってみる-

前回に引き続き、はてブのあれやこれやを調べてみます。

今回は、ブックマーク数の頻度を調べます。すなわち、あるブックマーク数を稼いでいるエントリが何個あるかを調べます。ブックマークされるページのうち、ホットエントリ入りするなどしてブックマークを稼ぐページはほんの一握りで、大多数のページはブックマークをほとんど獲得できていないと予想されます。その分布の様子がどうなっているか、実際に見てみようという目論見です。

ブックマークされている全ページから、20000ページをランダムに選択し、ブックマーク数とその頻度を調べてみました。結果が次のグラフです。横軸にブックマーク数、縦軸に頻度(というか、記事の個数)をプロットしました。なお、両対数プロットにしてあります。

random20000.png

すると、どうやら、記事の頻度はブックマーク数の-2乗に比例するようです。少なくとも、ブックマーク数30以下の記事に対しては、それがあてはまるようです。またべき乗か、このべき乗脳が!とか自分に言いたくなりますが、やっぱりそれなりにべき乗となっているように見えるのです。

一つ気になるのは、高ブックマーク側で、データがべき乗から大きくずれているように見えることです。単純に考えると、数百以上の莫大なブックマークを稼ぐ超人気エントリは、べき乗則が予想するよりも高確率で生成される、ということになります。もしかすると、ホットエントリー入りしたエントリーが、爆発的にブックマークを稼ぐ効果が見えているのかもしれません。

これが本当だったら面白いのですが、さすがにこのばらつきではそこまで言いきれない気がします。またこの結果は、ブックマーカーの母集団の変動を全く考えていません。そのあたりの効果もちゃんと補正しないと意味のあることは言えないでしょう。

解析手法
今回のミソは、ブックマークされたすべてのページの中から、ランダムにページを選ぶやりかたです。
実は、はてブに掲載された記事には、それぞれeidと呼ばれるIDが振られています。例えば、eidが398のページのブクマコメントは、次のURLで取得できます。
http://b.hatena.ne.jp/entry/398
最新の記事では、eidが16000000台です。そこからランダムに20000個の数字を選び、上記のようなURLにアクセスしてブックマーク数の情報を調べています。

関連記事

続きを読む

はてブで遊ぶ(1) -ホットエントリー入りした記事を時系列で分類する-

はてなブックマーク(以下はてブ)は、日本最大のソーシャルブックマークサイトで、独自の濃ゆい空間を作り出しています。はてブでブックマークされる記事の中で、特に人気のある記事は、人気エントリー(以下、ホットエントリーと記述)に掲載されます。

ホットエントリーには、毎日入れ替わり立ち替わり、多種多様なページが掲載されます。一過性のネタ記事やフレームから、非常に資料性の高いページまで、内容は本当に多様です。しかし実は、ブックマーク数の伸び方(ブックーマークの時系列)を見てみると、どうも各エントリがいくつかのカテゴリに分類出来るように思えるのです。

以下では、ホットエントリー入りした記事のブックマークの時系列に着目し、それを分類してみようと思います。2008年9月にホットエントリした記事+αを調べてみました。解析方法はこの記事の最後に書いてあります。その手法から、ブックマークをプライベートモードで使用している人のデータは含まれていません。


  • 完全一発屋タイプ

初っ端から不穏な名称ですがお許し願いたい。
このタイプは、記事の掲載直後にホットエントリー入りし、そこで爆発的にブックマークを集めるが、ホットエントリーから外れるとほとんどブックマークを獲得できないタイプです。例として、以下のページを挙げます。

4Gamer.net — [Gamefest 08#02]ダウンロードコンテンツで儲けるには? アイマス開発者が語るダウンロード販売成功の秘訣(アイドルマスター)
はてなブックマーク - 4Gamer.net — [Gamefest 08#02]ダウンロードコンテンツで儲けるには? アイマス開発者が語るダウンロード販売成功の秘訣(アイドルマスター)

実際に、どのようにブックマークされているか、時系列を見てみましょう。以下のグラフをご覧ください。横軸に時刻、縦軸に総ブックマーク数を取り、ブックマーク数がどのように伸びているかを図示してあります。この記事は、2008年9月4日に掲載され、直後ホットエントリー入りし、9月6日までにブックマークを爆発的に集めました。ところが、その後この記事をブックマークする人はほとんどおらず、グラフは横ばいとなります。
eid9891584.png

  • 当てたあとも着実にタイプ

このタイプは、最初にホットエントリ入りしたときにブックマークを稼ぐけれど、その後もじわじわと少しずつブックマークされていくタイプです。例は次の記事です。

WindowsでSubversionを使う:TortoiseSVNでバージョン管理 - SourceForge.JP Magazine
はてなブックマーク - WindowsでSubversionを使う:TortoiseSVNでバージョン管理 - SourceForge.JP Magazine

これも、グラフを見てみましょう。2008年9月1日にホットエントリ入りし、数日で多数のブックマークを稼ぐところまでは、一発屋タイプと同じです。ところが、ホットエントリーから外れた後も少しずつブックマークを集め、現在では総ブックマーク数の半分程度が非ホットエントリーから得られたものです。
eid9851635.png

実際、ほとんどのエントリーが、「当てた後着実」タイプです。「一発屋」タイプはこれの亜種と言えます。ホットエントリーから外れた後の伸びがどのようなものであれ、記事が発表された直後にホットエントリー入りし、その後はそれなり、というのが基本パターンのようです。

イベントのレポートなど、鮮度が命!な記事や、新聞社の記事ページなどが、一発屋タイプに近くなる傾向があるようです。また、ソフトウェアのTipsなど、時間が経ってもその価値を失わない記事は、着実に伸びていくようです。

以下で紹介するのは、上記の基本パターンから逸脱したタイプとなります。

  • 下積み後ブレイクタイプ

これは、記事(やページ)が発表された当初は少数のブックマークしか集まらなかったが、何かの拍子にホットエントリー入りするというものです。例は下記のサイトです。

9arrows.com | Ruby on Rails オープンソース
はてなブックマーク - 9arrows.com | Ruby on Rails オープンソース

最初のブックマークは、2008年7月24日になされており、そこからじわじわとブックマークが集まります。そして、なぜか9月9日にホットエントリー入りし、大ブレイクします。その後の挙動は「当てた後着実」タイプと同じです。この「下積み後ブレイク」タイプと「当てた後着実」タイプに、なぜ違いが生じるのかは、正直なところよくわかりません。もっとデータを集めれば見えてくるかもしれませんが。。

eid9091888.png

  • 何度もブレイクタイプ

これは、ホットエントリ入り&大ブレイクとじわじわブックマークを交互に繰り返すタイプです。例として、プライベートモードを合わせると6000ブックマークオーバーの、以下の超人気エントリを挙げておきます。

東大で学んだ卒論の書き方★論文の書き方
はてなブックマーク - 東大で学んだ卒論の書き方★論文の書き方

何が起こっているかは、グラフを見れば一目瞭然かと思います。何度も何度も、年に1回くらいはホットエントリー入りしているようです。極めて資料的に価値のあるエントリでは、このようなことが起こるようです。

この記事に関して面白いのは、ホットエントリ入りするタイミングが、必ずしも周期的でないことです。卒論執筆時期に4年生が大挙してブクマ→ホットエントリ入り、の流れだと思っていたのですがそうでもないようで。よく見てみると、どの時期にもコンスタントにブックマークを集めつづけているようです。
toudaisoturon.png

  • 人気急上昇タイプ

続いては、ほとんど「当てた後着実」タイプと同じですが、ホットエントリ入りしていないにもかかわらず、ブックマークが急激に伸びているものです。例は以下のサイト。

はてなブックマーク用ブックマークレット for iPhone - sarusaruworld lab - Web Lab
はてなブックマーク - はてなブックマーク用ブックマークレット for iPhone - sarusaruworld lab - Web Lab

この記事は、2008年8月31日にホットエントリ入りし、その後しばらくは「当てた後着実」タイプとしてブックマークを集めます。「着実」タイプだと、ブックマークの伸びは一定か、もしくは徐々に減速していきます。ところが、この記事だと、2009年の6月前頃から伸びが加速します。このエントリは、iPhone用のユーティリティを扱ったものです。そして実は、iPhone 3GSの発売が2009年の6月です。iPhone 3GSの発売で、潜在的にこの記事をブックマークしうる人の数が増えた、と解釈できます。こんなところからも、iPhone人気が垣間見えたようです。iPhone欲しいです。
eid9827198.png

  • 大御所タイプ

最後に、ホットエントリー入りはしていないけれども、多数のブックマークを獲得しているページを紹介します。Googleのトップページです。

Google
はてなブックマーク - Google

ホットエントリ入りしたとき特有のグラフの飛びはありませんが、着実に多数のブックマークを集めています。そして、ブックマークの伸びは確実に加速しています。はてブを使い慣れている人がわざわざGoogleをブックマークするとも思えませんので、この伸びは、はてブ使用者の増加を反映したもののように思えますが、確証はありません。
google_hatebu.png

データの取得
はてブのページから、ブックマークした日時のデータを取得します。各エントリのHTMLページ(たとえば、はてなブックマーク - Google)では、ブックマークされた日付の情報のみ取得できます。今回のようなロングスパンでの解析ならそれで十分です。

しかし、各エントリのRSSページ(上記の例では、Google)には、分単位の時刻の情報まで記載されています。24時間より短い時間スケールを調べたいときは、こちらの情報が必要となります。本エントリ程度の時間スケールを見たい場合は、ここまでする必要はありません。しかし、別件で既にRSS取得・解析プログラムを作ってしまっていたので、今回はそれを流用してデータをまとめています。

関連記事

購読者数対決! Google Reader vs Livedoor Reader

唐突ですが、RSSリーダーの購読者数対決をやってみようと思います。二つの人気RSSリーダー、Google ReaderLivedoor Reader、どちらの購読者数が多いのか?という趣向です。この2種類を選んだ理由は、下で述べているように、購読者数の取得が比較的容易であるというものでしかありません。

比較を行うサイトは、TopHatenarの購読者数ランキングTop5を用いることにします。以下の5サイトです。TopHatenarは、Livedoor Readerとそのオープンソース版であるFastladderの購読者数を集計しています。ですので、事実上、Livedoor Readerの購読者数Top5サイトを調べることになります。



取得するフィードとそのURLを、以下の表にまとめました。フィードが複数あるサイトは、各フィードの購読者数を合計します。

feedURL
痛いニュース(rss)http://blog.livedoor.jp/dqnplus/index.rdf
痛いニュース(atom)http://blog.livedoor.jp/dqnplus/atom.xml
GIGAZINE(rss1)http://gigazine.net/index.php?/news/rss_1.0/
GIGAZINE(rss2)http://gigazine.net/index.php?/news/rss_2.0/
GIGAZINE(atom)http://gigazine.net/index.php?/news/rss_atom/
100SHIKI(rss)http://www.100shiki.com/feed
100SHIKI(atom)http://www.100shiki.com/feed/atom
404 Blog Not Found(rss)http://blog.livedoor.jp/dankogai/index.rdf
404 Blog Not Found(atom)http://blog.livedoor.jp/dankogai/atom.xml
ネタフルhttp://netafull.net/index.rdf


これらのフィードの購読者数を調べます。

Google Readerの購読者数は、以下のサイトを参考にして取得しました。
Livedoor Readerの購読者数は、以下のサイトで公開されているAPIを使って取得しました。


結果を以下のグラフにまとめました。
rssreader.png


さて、意外なことになりました。痛いニュースとGIGAZINEでは、Google Readerの購読者数が、Livedoor Readerの購読者数の10倍以上あります。ところが、100SHIKI以下の3サイトでは、購読者数が両方共同一オーダーとなっています。この違いはどこから来るのでしょうか。

理由として思いつくのは、客層の違いです。痛いニュースとGIGAZINEは、一般のネットユーザー受けするような記事を載せています。一方、他3つのブログは、ギーク寄りというか、はてなー好きのしそうなサイトです。そこで、一般ユーザーはGoogle Readerを好み、ギークはLivedoor Readerを好む、という仮説を提唱してみます。本当かどうかは、わかりません。しかし、ギークな人たちが大好きなGoogleというブランドが、ことRSSリーダーというフィールドでは大して人気が無いとすれば、これはこれで面白いような気がします。

#本当の一般ユーザーはRSSリーダーなんて使わない、というツッコミは無しの方向で。

サイトによって、各RSSリーダーの購読者数にこれほど違いがあるとは全く予想していませんでした。実は、今回の調査の目的は別のところにあり、各RSSリーダーの購読者数の比がどのようなサイトでも変わらないという仮定を検証するための予備調査を行っていたのでした。ですが、これだけボコボコ比が変わられると、どうにもなりません。また別のネタを探して遊ぶことにします。

最後に、おまけ。上のグラフの生データです。購読者数の比も並べてあります。

 Livedoor ReaderGoogle ReaderLDR/GR
痛いニュース172573469590.05
GIGAZINE180871638280.11
100SHIKI1411141043.44
404 Blog Not Found12638150140.84
ネタフル1052391911.14

ロリエロゲーヒロインの体格を分析する

百合アニメの夏もそろそろ終わりです。というわけで、そろそろ通常営業に戻ろうかと思います。
#かなめも感想は最終回後に一気に。しかしまあ……うーん。

今回はこういうタイトルのお話です。このタイトルに嫌悪感を抱く方、アグネスに賛同される方、そもそも何を言っているのかわからねえ、という方は、本記事に生理的嫌悪感を抱くかもしれません。速やかに別のサイトに移動されることをお勧めいたします。

ということで、ロリゲーヒロインの身長・体重データで遊んでみようと思います。創作物の登場人物の身体データなど、アイドルのそれと同程度の無意味さしか持ちません。しかし、ことロリえろげーに関してはそうではありません。なぜなら、身体スペックと、とある重要なパラメータに強い相関があるためです。よって、架空のキャラクターの身体スペックを論じることに意味が出てきます。

ヒロインのスペックデータは、以下のサイトに掲載されているデータを拝借しました。2005年までしかないのですけど、それ以降は商業ロリゲの弾数が著しく落ちていますので、気にしないことにします。このサイトから、ヒロインの身長・体重のデータを取得し、グラフにプロットします。
ロリータ総合スレッド 保管庫

さらに、以下のサイトから身長・体重のデータを取得し、これもプロットします。
平成20年度学校保健統計調査:文部科学省

以下のグラフをご覧ください。横軸に身長、縦軸に体重をとり、赤点でロリゲーヒロインのスペックをプロットしてあります。緑色のラインについては、お察しください。グラフに書き込まれた緑色の数字は、たぶん好きな数字だと思います。

背景のグラデーションは景気づけ程度のものでして、別に私のストライクゾーンとかそういう意味合いがあるわけではありません。たぶん。
lolichr.png
この図を見ると、色々なことがわかってきます。
まず、ばらけてはいますが、赤い点が緑のラインの周囲に集まっていることがわかります。これは、ヒロインのスペックがまったくの出鱈目に決められたわけではなく、実際のデータを参考にした上で決定されたことを示唆しています。

緑のラインにほぼ乗るような点もあります。たとえば、好きな数字5の近くにある点は、おやつのじかん(リンク先18禁)のプリンたん(リンク先18禁)です。プレイした当時は何とも思わなかったのですけれど、もしプリンたんのスペックが緑のラインを元に決められていたとしたら、スタッフは相当の変態ですね。

続いて、赤い点の多くは、緑色のラインの下側にあることがわかります。これは、ヒロインが、平均よりは痩せているということを意味しています。よもや、こういう解析をするプレイヤーがざらにいるとは思えませんから、これは製作スタッフが、ぽっちゃり型より痩せ型の幼女が好きだということを意味しているのではないでしょうか。

ロリゲーヒロインの痩せ太りをもう少し定量的に論じましょう。通常、この手の体格を論じるときには、BMIを用います。しかし、今回はBMIの適用は不適切です。BMIの代わりに、ローレル指数を用いることにします。なぜBMIでなくローレル指数かは、上記リンクをご覧いただければ。

ローレル指数は、
ローレル指数r=体重(kg)/(身長(cm))3×107
で定義され、130±15程度が標準体型、130±30を越えると、太りすぎあるいは痩せすぎであると言われます。これを用いて、ロリゲーヒロインの痩せ太りを調べてみましょう。

先ほどのデータに加えて、ローレル指数rが、160(太りすぎ),145(やや太り),130(標準体型),115(やや痩せ),110(痩せすぎ)の場合の曲線をプロットします。
rohrer.png
まずわかるのが、ローレル指数が130の場合、標準体型を示す曲線と、緑のお察し下さいな曲線が大まかに一致することです。つまり、ローレル指数が実在の体格をよく記述できているということになります。

ロリゲーヒロインのローレル指数がどの程度になるかを見てみます。多くのヒロインは、ローレル指数が115から145の間、標準体型とされる範囲に入っています。ほとんどのデータが痩せ側に入っているのは、まあご愛嬌です。続いて、ローレル指数が100から115の間、痩せすぎから痩せぎみの標準体型の間にも多くのヒロインがいます。すらりとしたスレンダーなヒロインが好きなのですね、私も大好きです。

ところが、驚くべきことに、ローレル指数が100以下、痩せすぎのヒロインはほとんどいません。肋骨が浮き出て見えるような、病的なまでに痩せたヒロインはほとんど存在しないということになると言えます。こういう属性持ちの人は少なからず存在します。メーカー側が、彼らへのアプローチを怠ったということなのでしょうか。今から思えば、どうにも納得しがたいことのように思えます。ヒロインの範囲を成年女性にまで広げれば、ガリガリのキャラもいるのかもしれません。……あ、エロゲーヒロインはみんな18歳以上ですけどね。

標準より太りぎみ、ローレル指数が130以上のヒロインに目を向けてみましょう。データをよく見てみると、ほとんどの太りぎみヒロインは、年r好きな数字が9以下であることがわかります。好きな数字一桁台のキャラは、ちょっとくらいふくよかなほうが可愛い、言い換えれば、ぷに萌え。ということでしょう。

図からわかったことをまとめると、以下の2点に尽きるでしょう。
  • 少女は、スレンダー。
  • 幼女は、ぷに。

これらは、当時の製作スタッフの嗜好であるかもしれません。しかし、このデータが商業エロゲーのヒロインのものであることを考えると、製作スタッフは、ロリゲーユーザーの嗜好をヒロインのスペックとして反映させたに過ぎないとも言えるでしょう。

結論はありきたりというか自明でした。しかし、データから垣間見えてくる2次ロリスキーたちの嗜好ということで、これはこれで趣きがあるような気がします。

続きを読む

DQNネームの世界

前回のエントリの続きです。

前回は、ゲーム(当然エロゲ)に登場する女の子の名前にしばしば抱く「えろげえろげしい」という漠然とした印象が、名前が構成する空間の構造に表れているのではないかと予想し、複雑ネットワークの手法による解析を試みました。リアルの女の子の名前と、二次元キャラの女の子の名前を比較したところ、後者のクラスタリング係数はランダムグラフに匹敵するほど低く、二次元キャラの命名には、かなり(ランダムに|てきとーに|節操なく)文字を選んでいるのではないかということが垣間見えました。しかしながら、双方ともγ~1のスケールフリーネットワークであることに違いはなく、前回の元ネタ論文にあるようなドラスティックな変化を見るまでには至りませんでした。

それでは、二次元キャラを越えるほどの「変な」名前はないのでしょうか。幸か不幸か、あるようです。それが、今回考察の対象とするDQNネームです。

DQNネームとは、Wikipediaによると、
最近の(特に2000年以降の)子供の名前に見られる、暴走族のような当て字(愛羅=あいら、など)や漫画・アニメ・ゲームなど架空のキャラクターからとった当て字の名前(光宙=ぴかちゅう、など)のように、読みづらい名前や、常識的に考えがたい言葉を戸籍上の名前にすることをDQNネームと呼ぶ場合がある。
というものだそうです。漢字本来の意味を無視してつけられた名前が多いようですので、一般的な名前とは異なる構造を持っている可能性がありそうです。今回は、DQNネームな名前が構成するネットワークの構造を調べていきたいと思います。

DQNネームを収集しているサイトとして、DQNネーム(子供の名前@あー勘違い・子供がカワイソ)があります。このサイトで公開されている名前の中から、2文字の女の子の名前を抽出し、ネットワークを構成します。(例えば、「幼女」という熟語を、ノード「幼」からノード「女」へエッジが伸びているとみなすのです。詳しくは前回のエントリとその参考文献をご覧ください。また、女の子限定なのは野郎の名前なんか見てても面白くないからこれまた前回のエントリとの整合性を持たせるためです。)

ここで、データソースに関する注意をいくつか。
上記のDQNネーム収集サイトは、2chへの投稿からの抜粋で作られているようです。ですので、ネタ・捏造が含まれていても全く不思議ではありません。データソースとしての信頼性は著しく低いと言わざるを得ません。さらに、目を疑いたくなるアレな名前から、ちょっと変わっているけど十分許容範囲の名前まで、すべて一緒くたにDQNネームとして扱われております。DQNネームの定義があやふやです。ですので、ここで扱うデータは、「DQNネーム」というより、「2chのスレ住人がDQNだと思う名前(らしきもの)の集合」くらいに思っておいた方が精神衛生上いい気がします。こういう、いろんな意味で玉石混交なデータを扱っていることを踏まえつつ、解析に移りましょう。

まずは、お馴染みの次数分布から。
下図で、左がDQNネームのネットワーク、右が比較のために用意した、平成15年生まれの子供の名前ネットワークの次数分布です。青線は、べき乗則を示す曲線で、P(k)の値が大きいところで合わせています。P(k)の高いところではべき乗的に振る舞い、P(k)の低いところではばらつきが大きくなっています。これは、DQNネームの場合も、平成15年生まれの場合も同一の傾向となっています。正直、またかという感じではありますが、グラフをよく見てみると、両者の相違が見えてきます。

dqnvsh15.png

DQNネームでは、ばらついた点の多くが、青線よりも上に存在します。包絡線はあたかも下に凸となっているように見えます。それに対して、平成15年生まれの場合には、点の多くが青線よりも下に存在します。こちらは包絡線が上に凸となっています。この傾向は、実は前回調べた2次元の女の子の名前の場合も同一です。点のばらつきが下に凸となる傾向は、DQNネームに特有の傾向であると言えそうです。

さらに、次数分布P(k)~kの指数γについて見てみましょう。
この値は、DQNネームの場合には約1.5、平成15年生まれの場合は約1となっています。前回の調査では、リアルの名前であれ、二次元の名前であれ、γの値は1程度(最大でも1.2くらい)でした。これを見ると、DQNネームのγ=1.5というのは、特殊な大きい値であると言えるのではないでしょうか。

他のパラメータについても見てみましょう。
ノード数(ここで使われている漢字の数)、エッジ数(名前の数)、クラスタリング係数C,平均最短距離l、平均次数<k>、そして指数γについて、次表にまとめました。

 ノード数エッジ数Cl<k>γ
DQNネーム70853330.1923.18215.061.5
平成15年生まれ882130860.3202.83329.671


まず分かるのは、両者ともノード数が同程度であるにもかかわらず、エッジ数はDQNネームのほうが平成15年生まれよりも半分以上少ないということです。これは、使用されている漢字の種類は同程度でも、DQNネームは名前のバリエーションに乏しいということを示しています。逆に、名前の種類が同程度でも、DQNネームに使われる漢字の種類は多いというふうにも言えます。

続いて、DQNネームのほうが、クラスタリング係数が小さく、平均最短距離が大きく、平均次数が小さいことがわかります。これは、DQNネームでは、漢字どうしの相関が低く、グラフとしてはまばらになっていることを示しています。

上で示したグラフの特徴は、DQNネームの特徴として挙げられている、当て字や、漢字本来の意味を無視した名付けと整合性があるように思われます。当て字を用いるということは、従来のオーソドックスな名前のグラフが持つ構造をぶった切って、新しい(おそらくランダムに近い)エッジを入れることに相当するでしょう。漢字の意味を無視した名前も同様の効果があるでしょう。そうなると、各人が従来の名前の構造を無視して思い思いに漢字を選んで名前をつけることになりますから、使われている漢字の数に比べて名前の数が少なくなるというのは納得できなくもないのではないでしょうか。また、上記のような名付けのプロセスでは、よりランダムに近い名前の付け方をしているわけですから、クラスタリング係数が小さくなる傾向と一致します。

というわけで、DQNネームが持つ変わった印象が、ネットワーク分析によって裏付けられたという話でした。
プロフィール

null

Author:null
二次元眼鏡少女に蔑まれたいです。

最近の記事
最近のコメント
最近のトラックバック
タグ

考察 統計 ネット 複雑ネットワーク 自然科学 二次元 幼女 エロゲー ネタ アニメ 百合 時事ネタ 計算 igraph R 

月別アーカイブ
カテゴリー
あわせて読みたい
あわせて読みたいブログパーツ
ブログ内検索
カレンダー
05 | 2017/06 | 07
- - - - 1 2 3
4 5 6 7 8 9 10
11 12 13 14 15 16 17
18 19 20 21 22 23 24
25 26 27 28 29 30 -
RSSフィード
上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。