pKozaneba2025-08-26~27
基本的にほとんど作り直しだよね
紙での KJ法からKozanebaに変わってどう？
グループ化はしているが、まとめて動かしやすくするためだけに使われている
UIが悪くて無意識に避けてる？
たたむと空間ができるけど、それって嬉しくない
「大きな付箋」を使っている、ズームアウトしても読める付箋として。 今はテキストをインポートすると四角く並んでいる
embeddingを使って2次元配置すべきか？
選択範囲メニューとして実装するか？
広聴AIはembeddingしてUMAPで二次元にしてから凝集クラスタリングしている 待てよ？最終的に付箋配置に落とすなら次元削減で2次元に落とす必要はないのかも？
というか実質的にグラフベースの次元削減とやってることがほぼ同じになりそう
ここを0から作るのは一旦先伸ばしにしよう
劣化UMAPを作ってしまう気がする
付箋座標を格子点にすることは、floatをbinに入れてる
1つのbinに入る数が大きくなりすぎないようにしたい
スケールが大きすぎないようにしたい
ここにパラメータのトレードオフがある
一旦可変のパラメータにして実験
かつて僕がKozanebaで実現した機能をGPT5は一発で出してくる...
https://gyazo.com/a16ad53d74b30d8bc64c30bf50c7eb4a
僕の実装は英単語でも容赦なく改行するからこっちの方が優れてるかも
しかもデモンストレーション用のこのサンプルデータ自体を作ってんだよな
肌色変更絵文字とか超長い1単語とかのトラップに気づいてる
句点の禁則処理は入ってないけど「やれ」っていうだけでできそう
1万枚付箋を出すテスト
https://gyazo.com/1bc63da07fed10bc093dc751536f5ee3
とりあえず1万枚出して性能上問題なくズームができることがわかった
https://gyazo.com/eea5ac10be052bd0fbb795b71c7e759e
シンプルに付箋をUMAP位置に出すとこうなる
https://gyazo.com/5e33f3001e82c38b3cf3a97cbb1d8bc4
Claude.icon付箋の位置をNOTE_SIZE（120px）で割って整数格子点にスナップするように変更し、各格子点の付箋数をカウントしてトップ10を画面左下に表示するようにしました。
これはSCALE=600、90~60件重なっている
SCALE=2000にしても50~26件くらい重なるな
https://gyazo.com/c635405f9f335311435e7277c04989cf
SCALE=4000だとほとんど点、それでも35~15は重なる
https://gyazo.com/136c7d82efff052e552af2fd511739be
Claude.icon同一グリッドに複数の付箋がある場合に、螺旋状に近い空きグリッドを探して分散配置するロジックを実装しました。
https://gyazo.com/3f1fc5ea8eceb5a41503265b877e2881
すごいぐりぐり動くようになった
https://gyazo.com/7ee97058116f1417435d6bb1f3ca9e32
https://gyazo.com/91ff7d8bc17257cecc6af4f72d1430eb
初期画面
デプロイできた
四角い塊になっているところは基本的に座標を維持する散布図では一点に潰れてしまっているデータ
密度の高さを大きさに変換して可視化できている
散布図の点を半透明にすることで密度を可視化するのは以前にやった
「内部構造がわかりやすい」というのが僕の肌感だったが、見た目がボケボケしてので見栄えが悪いので採用されなかった nishio.icon
散布図を描いた時に「1つ1つの点が意見です」を一般人は理解してないのでいちいち言う必要があり、それを説明なしで分からせようと言うのがそもそものきっかけ
付箋を書いて並べるワークショップは経験したとこある人多いからね
なので「付箋が並んでいる図」を生成するところが主目的で、やってる過程で密度の高さが可視化できてるなという発見があったという話
Kernel Density Estimationして等高線で書くのはデータサイエンティスト向けにはいいんだけど、一般人の認知にとっては抽象度が散布図よりもさらに上がって理解しにくくなりそう
試してみた
https://gyazo.com/a1bee73d3c565f2ebc1ebd92e5c56161https://gyazo.com/02b2ad517a5dd746c5f4764165cd732f
等高線ではなくヒートマップにした
右はresolution=800, bandwidth=0.05
これくらい十分細かく描画するなら同様のクラスタ発見能力はありそう
Claude.icon
resolution=800
密度を計算するグリッドの細かさを指定
800×800の格子点で密度を計算
値が大きいほど滑らかで高精細な画像が生成される
計算時間は解像度の二乗に比例して増加
bandwidth=0.05
カーネル密度推定の「ぼかし具合」を制御
0.05は非常に小さい値で、各データ点の影響範囲が狭い
結果として局所的な密度集中が鋭く表現される
小さすぎるとノイズっぽく、大きすぎると詳細が失われる
nishio.icon 左はresolution=400, bandwidth=0.1
これだと粗い
時間は左で18sec、右で45secという感じ (Apple M1 Pro)