20210130

20210130-mtg.md

あああ

ocu1.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    # text = text.strip('\n')
    text = text.replace( '\n' , '' )
    text = text.strip('"')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
pd.set_option('display.max_rows', None)
display(news_ss.head()) 
# display(news_ss) 

ocu12.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob
# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    # text = text.strip('\n')
    text = text.replace( '\n' , '' )
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 
# display(news_ss) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
pd.set_option('display.max_rows', None)
display(processed_news_ss.head())
# display(processed_news_ss)

ocu123.py

# フォントの入手元 https://moji.or.jp/ipafont/ipafontdownload/
# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar3.py header
from wordcloud import WordCloud
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

#lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    # text = text.strip('\n')
    text = text.replace( '\n' , '' )
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
# display(processed_news_ss.head()) 


# lunar3.py
font_path="/Library/Fonts/ipaexg.ttf"
font_property = matplotlib.font_manager.FontProperties(fname=font_path, size=24)
# font_property = matplotlib.font_manager.FontProperties(size=24)

def show_wordcloud(series):
    long_string = ','.join(list(series.values))
    
    # Create a WordCloud object
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    # wordcloud = WordCloud( background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    
    # Generate a word cloud
    wordcloud.generate(long_string)
    
    # Visualize the word cloud
    plt.imshow(wordcloud)
    plt.show()

show_wordcloud(processed_news_ss) 

ocu1234.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar3.py header
from wordcloud import WordCloud
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

#lunar4.py header
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer

# lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    # text = text.strip('\n')
    text = text.replace( '\n' , '' )
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
# display(processed_news_ss.head()) 

# lunar3.py
font_path="/Library/Fonts/ipaexg.ttf"
font_property = matplotlib.font_manager.FontProperties(fname=font_path, size=24)
# font_property = matplotlib.font_manager.FontProperties(size=24)

def show_wordcloud(series):
    long_string = ','.join(list(series.values))
    
    # Create a WordCloud object
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    # wordcloud = WordCloud( background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    
    # Generate a word cloud
    wordcloud.generate(long_string)
    
    # Visualize the word cloud
    plt.imshow(wordcloud)
    plt.show()

# show_wordcloud(processed_news_ss) 

# lunar4.py
count_vectorizer = CountVectorizer()
count_data = count_vectorizer.fit_transform(processed_news_ss)
tfidf_vectorizer = TfidfTransformer()
tfidf_data = tfidf_vectorizer.fit_transform(count_data)
print(tfidf_data.toarray()) 
print(tfidf_data.shape)

ocu12345.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar3.py header
from wordcloud import WordCloud
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

#lunar4.py header
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer

# lunar5.py header
from sklearn.model_selection import GridSearchCV
from sklearn.decomposition import LatentDirichletAllocation as LDA

#lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    # text = text.strip('\n')
    text = text.replace( '\n' , '' )
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
# display(processed_news_ss.head()) 

# lunar3.py
font_path="/Library/Fonts/ipaexg.ttf"
font_property = matplotlib.font_manager.FontProperties(fname=font_path, size=24)
# font_property = matplotlib.font_manager.FontProperties(size=24)

def show_wordcloud(series):
    long_string = ','.join(list(series.values))
    
    # Create a WordCloud object
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    # wordcloud = WordCloud( background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    
    # Generate a word cloud
    wordcloud.generate(long_string)
    
    # Visualize the word cloud
    plt.imshow(wordcloud)
    plt.show()

# show_wordcloud(processed_news_ss) 

# lunar4.py
count_vectorizer = CountVectorizer()
count_data = count_vectorizer.fit_transform(processed_news_ss)
tfidf_vectorizer = TfidfTransformer()
tfidf_data = tfidf_vectorizer.fit_transform(count_data)
# print(tfidf_data.toarray()) 
# print(tfidf_data.shape)

# lunar5.py
from sklearn.model_selection import GridSearchCV
from sklearn.decomposition import LatentDirichletAllocation as LDA

def gridsearch_best_model(tfidf_data, plot_enabled=True):
    # Define Search Param
    n_topics = [4,5,6,7,8,9]
    # n_topics = [8,9,10,11,12,13]
    search_params = {'n_components': n_topics}
    
    # Init the Model
    lda = LDA(max_iter=25,               # Max learning iterations
              learning_method='batch',   
              random_state=0,            # Random state
              n_jobs = -1,               # Use all available CPUs)
              )
    
    # Init Grid Search Class
    model = GridSearchCV(lda, param_grid=search_params)
    
    # Do the Grid Search
    model.fit(tfidf_data)
    
    # Best Model
    best_lda_model = model.best_estimator_
    
    # Model Parameters
    print("Best Model's Params: ", model.best_params_)
    
    # Log Likelihood Score
    print("Best Log Likelihood Score: ", model.best_score_)
    
    # Perplexity
    print("Model Perplexity: ", best_lda_model.perplexity(tfidf_data))
    
    # Get Log Likelyhoods from Grid Search Output
    log_likelyhoods_score = [round(score) for score in model.cv_results_["mean_test_score"]]
    
    if plot_enabled:
        # Show graph
        plt.figure(figsize=(12, 8))
        plt.plot(n_topics, log_likelyhoods_score)
        plt.title("Choosing Optimal LDA Model")
        plt.xlabel("Number of Topics")
        plt.ylabel("Log Likelyhood Scores")
        plt.show()

    return best_lda_model
best_lda_model = gridsearch_best_model(tfidf_data) 

ocu123456.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar3.py header
from wordcloud import WordCloud
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

#lunar4.py header
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer

# lunar5.py header
from sklearn.model_selection import GridSearchCV
from sklearn.decomposition import LatentDirichletAllocation as LDA

#lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    # text = text.strip('\n')
    text = text.replace( '\n' , '' )
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
# display(processed_news_ss.head()) 

# lunar3.py
font_path="/Library/Fonts/ipaexg.ttf"
font_property = matplotlib.font_manager.FontProperties(fname=font_path, size=24)
# font_property = matplotlib.font_manager.FontProperties(size=24)

def show_wordcloud(series):
    long_string = ','.join(list(series.values))
    
    # Create a WordCloud object
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    # wordcloud = WordCloud( background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    
    # Generate a word cloud
    wordcloud.generate(long_string)
    
    # Visualize the word cloud
    plt.imshow(wordcloud)
    plt.show()

# show_wordcloud(processed_news_ss) 

# lunar4.py
count_vectorizer = CountVectorizer()
count_data = count_vectorizer.fit_transform(processed_news_ss)
tfidf_vectorizer = TfidfTransformer()
tfidf_data = tfidf_vectorizer.fit_transform(count_data)
# print(tfidf_data.toarray()) 
# print(tfidf_data.shape)

# lunar5.py
def gridsearch_best_model(tfidf_data, plot_enabled=False):
    # Define Search Param
    # n_topics = [8,9,10,11,12,13]
    n_topics = [4,5,6,7,8,9]
    search_params = {'n_components': n_topics}
    
    # Init the Model
    lda = LDA(max_iter=25,               # Max learning iterations
              learning_method='batch',   
              random_state=0,            # Random state
              n_jobs = -1,               # Use all available CPUs)
              )
    
    # Init Grid Search Class
    model = GridSearchCV(lda, param_grid=search_params)
    
    # Do the Grid Search
    model.fit(tfidf_data)
    
    # Best Model
    best_lda_model = model.best_estimator_
    
    # Model Parameters
    print("Best Model's Params: ", model.best_params_)
    
    # Log Likelihood Score
    print("Best Log Likelihood Score: ", model.best_score_)
    
    # Perplexity
    print("Model Perplexity: ", best_lda_model.perplexity(tfidf_data))
    
    # Get Log Likelyhoods from Grid Search Output
    log_likelyhoods_score = [round(score) for score in model.cv_results_["mean_test_score"]]
    
    if plot_enabled:
        # Show graph
        plt.figure(figsize=(12, 8))
        plt.plot(n_topics, log_likelyhoods_score)
        plt.title("Choosing Optimal LDA Model")
        plt.xlabel("Number of Topics")
        plt.ylabel("Log Likelyhood Scores")
        plt.show()

    return best_lda_model
best_lda_model = gridsearch_best_model(tfidf_data)

# lunar6.py
def print_topics(model, count_vectorizer, n_top_words):
    fig = plt.figure(figsize=(15,8))
    words = count_vectorizer.get_feature_names()
    for topic_idx, topic in enumerate(model.components_):
        print("\nTopic #", topic_idx, ":")
        long_string = ','.join([words[i] for i in topic.argsort()[:-n_top_words - 1:-1]])
        print(long_string)
        topic_wordcloud(topic_idx, fig, long_string)
    # show plots
    fig.tight_layout()
    fig.show()

def topic_wordcloud(topic_idx, fig, long_string):
    ax = fig.add_subplot(2, 3, topic_idx + 1)
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    wordcloud.generate(long_string)
    ax.imshow(wordcloud)
    ax.set_title('Topic '+str(topic_idx))

number_words = 500
print_topics(best_lda_model, count_vectorizer, number_words) 

run-216.txt

(bachelor) user@MacBook-Pro bachelor % python3 ocu1.py
0            研究発表でZOOMを使いたいが、不特定多数が参加できないように事前登録を行いたい。
1                                 Windows 10にアップデートしたい
2                                  （学生）Adobeのライセンスが欲しい
3               MacでWindowsPCのおリモートデスクトップを操作する方法を知りたい．
4    事務用共用ファイルサーバーにアクセスできなくなった。フォルダをダブルクリックしても「権限がな...
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu12.py
File already exists.
0                       研究 発表 使う 特定 多数 参加 できる 事前 登録 行う
1                                          ｱｯﾌﾟﾃﾞｰﾄ する
2                                         学生 ﾗｲｾﾝｽ 欲しい
3                                 ﾘﾓｰﾄ ﾃﾞｽｸ ﾄｯﾌﾟ 操作 知る
4    事務 共用 ﾌｧｲﾙ ｻｰﾊﾞｰ ｱｸｾｽ できる なる ﾀﾞﾌﾞﾙ ｸﾘｯｸ する 権限 ...
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu123.py
File already exists.
(bachelor) user@MacBook-Pro bachelor % python3 ocu1234.py
File already exists.
[[0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 ...
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]]
(216, 394)
(bachelor) user@MacBook-Pro bachelor % python3 ocu12345.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -981.3021621003936
Model Perplexity:  1116.6786497176963
(bachelor) user@MacBook-Pro bachelor % python3 ocu123456.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -981.3021621003936
Model Perplexity:  1116.6786497176963

Topic # 0 :
出来る,ﾈｯﾄﾜｰｸ,する,接続,ﾛｸﾞｲﾝ,なる,認証,仮想,ﾒｰﾙ,入る,ｱﾄﾞﾚｽ,継続,ｱｸｾｽ,ｱｶｳﾝﾄ,含む,追加,研究,固定,できる,ｼｽﾃﾑ,学生,ｱﾝｹｰﾄ,ｻｲﾄ,非公開,ﾃﾞｰﾀﾍﾞｰｽ,入れる,現在,通る,勤務,記事,共同,ﾍﾟｰｼﾞ,削除,切り換える,届く,仕様,回答,大学院,くん,使える,ﾏｲﾆﾝｸﾞ,ﾃｷｽﾄ,財務,会計,発生,病院,更新,使う,ﾌﾟﾘﾝﾀｰ,思う,情報,退職,専用,ﾒﾝﾊﾞｰ,計算,宛先,結果,流出,つながる,ﾌﾟﾘﾝﾀ,よい,反映,一覧,短縮,掲載,取得,ｽﾊﾟﾑﾒｰﾙ,特定,共有,学内,掲示,最新,配信,端末,迷惑,無い,ﾀｲﾐﾝｸﾞ,完全,退学,閲覧,操作,職員,お願い,所属,ﾏﾆｭｱﾙ,変更,分かる,欲しい,卒業,悪い,調子,買い替える,各種,入力,要求,教員,不調,公式,正常,承認,推進,番号,法科,永井,克明,購入,ある,学外,ﾃﾞｰﾀ,公開,身分,内線,行う,ｾﾝﾀｰ,研究所,数学,お世話,印刷,出る,差出人,ｴﾗｰ,配る,最初,今年度,記載,対応,登録,権限,係長,禁止,向け,経済,解決,ご存じ,ﾄﾞﾗｲﾌﾞ,不可,藤本,御中,田中,置く,基盤,工学院大学,理学部,支援,受信,兼任,取れる,解釈,今年,河村,学習,恐れ入る,残す,いただける,大阪市立大学,状況,個人,ﾍﾙﾌﾟ,担当,確認,変わる,問い合わせ,ない,失敗,ﾀﾞｳﾝﾛｰﾄﾞ,使用,申請,切断,発行,停電,ﾃﾞｽｸ,ｲﾝﾀｰﾈｯﾄ,求める,利用,教える,繋がる,つなげる,ｿﾌﾄ,ﾒｰﾙｱﾄﾞﾚｽ,質問,ﾊﾟｽﾜｰﾄﾞ,ﾛｰﾄﾞ,試みる,動画,対策,長い,ｱｯﾌﾟ,ﾘﾓｰﾄ,ﾄｯﾌﾟ,応答,選ぶ,問題,ｳｲﾙｽ,起動,必要,ﾗｲｾﾝｽ,ｸﾞﾛｰﾊﾞﾙ,容量,表示,授業,ﾛｸﾞｱｳﾄ,付与,人事,貸し出し,複合,割り当てる,ﾌｧｲﾙ,見る,全学,動作,可能,ｸﾞﾙｰﾌﾟ,でる,包括,先生,共用,ｱﾝ,来客,見つける,拝見,展開,指示,添付,割り当て,事前,参加,有償,ﾎｽﾄ,見つかる,送信,調達,一括,機能,ｱｯﾌﾟﾃﾞｰﾄ,事務,分類,やる,上限,有線,けんか,飛ぶ,休止,一時,設定,ｲﾝｽﾄｰﾙ,同期,ﾊﾟｿｺﾝ,忘れる,学部,居室,いる,ﾚﾎﾟｰﾄ,出す,誤る,強制,機器,振る,新しい,初期,ﾒﾓﾘ,あがる,ﾊﾞｰｼﾞｮﾝ,対象,留学生,遠隔,阿倍野,問合せ,医学部,設置,在宅,名誉,教授,画面,無線,指定,新規,杉本,ｴﾘｱ,ﾏｰｸ,ﾎﾟｹｯﾄ,あける,常勤,外れる,自動的,ｻｰﾊﾞｰ,ｹｰﾌﾞﾙ,引く,ﾎﾟｰﾄ,繋げる,使い方,ﾂｰﾙ,わかる,提供,無効,大学,切れる,引き継ぐ,年度,もつ,ﾁｰﾑ,十分,部署,ﾐｰﾃｨﾝｸﾞ,外部,補佐,用途,ﾀﾌﾞﾚｯﾄ,送受信,受ける,のく,手続き,開始,事象,同様,起きる,ｲﾝﾀｰﾝ,自宅,ｻｰﾊﾞ,ｸﾞﾚｰﾄﾞ,古い,参照,経緯,管理,ｱﾌﾟﾘｹｰｼｮﾝ,ｻｰﾋﾞｽ,ｿﾌﾄｳｴｱ,ﾌｫｰﾑ,給与,前期,いう,ﾉｰﾄ,大量,かかる,知る,保護,ﾌﾟﾗｲﾊﾞｼｰ,客員,契約,ｷｬﾝﾊﾟｽ,講師,ﾕｰｻﾞｰ,検討,非常勤,証明,雇用,正規,ｳｨﾙｽ,再生,ｱｲｺ,書く,学校,ﾈｯﾄ,作成,訪問,ﾎｰﾑﾍﾟｰｼﾞ,開設,不明,受付,広瀬,進捗,導入,代理,安否,ﾀﾞﾌﾞﾙ,ｸﾘｯｸ,案内,お忙しい,おりる,その他,学術,替え,伊賀,恐縮,入れ替える,課内,持つ,内容,処理,考える,教示,項目,申し上げる,由紀子,異動,転出,ｹﾞｽﾄ,期限,有効,ﾕｰｻﾞ,試す,有料,運用,発表,多数

Topic # 1 :
有償,する,ﾈｯﾄﾜｰｸ,印刷,追加,ﾌﾟﾘﾝﾀｰ,ﾗｲｾﾝｽ,できる,有料,機能,利用,差出人,登録,運用,けんか,担当,削除,ﾛｸﾞｲﾝ,ﾌﾟﾘﾝﾀ,検討,変更,ある,再生,研究,経緯,参照,接続,停電,名誉,教授,ﾛｸﾞｱｳﾄ,動画,複合,取得,証明,分かる,切れる,開設,ﾎｰﾑﾍﾟｰｼﾞ,必要,留学生,思う,ｴﾗｰ,学内,ｲﾝﾀｰﾈｯﾄ,番号,職員,出る,異動,転出,表示,ﾎｽﾄ,期限,ｹﾞｽﾄ,有効,試す,ﾕｰｻﾞ,仮想,無い,見つかる,共同,長い,発表,多数,欲しい,ｱﾝ,事前,参加,特定,人事,行う,使う,代理,申請,ｱｶｳﾝﾄ,先生,更新,ﾃﾞｰﾀﾍﾞｰｽ,ｱｸｾｽ,使用,ｼｽﾃﾑ,出来る,対象,教員,なる,ｲﾝｽﾄｰﾙ,ｱﾄﾞﾚｽ,可能,ﾀﾞｳﾝﾛｰﾄﾞ,ﾒｰﾙ,設定,ｿﾌﾄ,非常勤,起動,大阪市立大学,切断,入る,容量,よい,授業,教える,繋がる,購入,変わる,反映,ｸﾞﾛｰﾊﾞﾙ,貸し出し,付与,迷惑,権限,ﾒｰﾙｱﾄﾞﾚｽ,問い合わせ,失敗,見る,記事,包括,今年度,最初,記載,配る,病院,ﾊﾟｽﾜｰﾄﾞ,状況,割り当てる,ﾛｰﾄﾞ,学生,ﾒﾝﾊﾞｰ,ﾃﾞｽｸ,操作,共用,ｱｯﾌﾟ,つなげる,来客,ｻｲﾄ,入れる,ｸﾞﾙｰﾌﾟ,ﾏﾆｭｱﾙ,発行,内線,身分,含む,固定,試みる,卒業,対策,いる,認証,調達,一括,情報,現在,ﾏｲﾆﾝｸﾞ,ﾃｷｽﾄ,事務,所属,ﾌｧｲﾙ,ﾍﾙﾌﾟ,動作,強制,誤る,ｱｯﾌﾟﾃﾞｰﾄ,やる,上限,端末,個人,置く,ｳｲﾙｽ,ﾍﾟｰｼﾞ,同期,有線,送信,一時,休止,質問,分類,ﾚﾎﾟｰﾄ,出す,確認,求める,居室,対応,初期,忘れる,学部,設置,お願い,いただける,在宅,新しい,ﾒﾓﾘ,無線,ﾊﾞｰｼﾞｮﾝ,あがる,飛ぶ,遠隔,ﾎﾟｹｯﾄ,機器,振る,ない,問合せ,杉本,ｴﾘｱ,ﾏｰｸ,ﾁｰﾑ,あける,常勤,知る,非公開,画面,新規,指定,くん,繋げる,ﾎﾟｰﾄ,引く,ｹｰﾌﾞﾙ,使い方,ﾂｰﾙ,ﾀﾌﾞﾚｯﾄ,医学部,応答,選ぶ,問題,買い替える,調子,悪い,契約,ｸﾞﾚｰﾄﾞ,古い,わかる,補佐,ﾐｰﾃｨﾝｸﾞ,外部,用途,のく,受ける,拝見,指示,展開,割り当て,添付,見つける,大学,阿倍野,送受信,大量,ﾌｫｰﾑ,いう,給与,前期,講師,かかる,ｻｰﾊﾞ,ｲﾝﾀｰﾝ,事象,起きる,同様,開始,手続き,宛先,客員,もつ,引き継ぐ,年度,ﾕｰｻﾞｰ,ﾌﾟﾗｲﾊﾞｼｰ,保護,自宅,ﾊﾟｿｺﾝ,ｻｰﾊﾞｰ,書く,ｱｲｺ,雇用,提供,無効,正規,永井,法科,克明,切り換える,自動的,外れる,ｷｬﾝﾊﾟｽ,学校,十分,部署,通る,ﾉｰﾄ,ｻｰﾋﾞｽ,管理,ｿﾌﾄｳｴｱ,ｱﾌﾟﾘｹｰｼｮﾝ,継続,つながる,ｽﾊﾟﾑﾒｰﾙ,ﾈｯﾄ,不明,流出,結果,受付,広瀬,進捗,一覧,短縮,掲載,ﾘﾓｰﾄ,安否,作成,専用,会計,財務,訪問,ﾄｯﾌﾟ,でる,届く,掲示,最新,配信,導入,全学,案内,勤務,申し上げる,持つ,替え,入れ替える,伊賀,項目,学術,お忙しい,処理,恐縮,考える,その他,課内,おりる,由紀子,教示,内容,大学院,退学,完全,ﾀｲﾐﾝｸﾞ,ｳｨﾙｽ,ﾀﾞﾌﾞﾙ,ｸﾘｯｸ,計算,承認,公式,正常,不調,使える,回答,仕様,ﾃﾞｰﾀ,公開,学外,ｱﾝｹｰﾄ,各種,要求,入力,退職,発生,ﾄﾞﾗｲﾌﾞ,ご存じ,御中,不可,向け,係長,田中,禁止,経済,解決,藤本,共有,閲覧,推進,お世話,理学部,工学院大学,取れる,今年,基盤,解釈,恐れ入る,河村,受信,残す,学習,兼任,支援,数学,ｾﾝﾀｰ,研究所

Topic # 2 :
する,利用,できる,ﾒｰﾙ,ﾊﾟｽﾜｰﾄﾞ,なる,ﾛｸﾞｲﾝ,ｼｽﾃﾑ,申請,設定,ｳｲﾙｽ,全学,変更,認証,接続,わかる,非常勤,教える,講師,繋がる,初期,ﾒｰﾙｱﾄﾞﾚｽ,ｲﾝﾀｰﾈｯﾄ,ﾀﾞｳﾝﾛｰﾄﾞ,対策,ｱﾄﾞﾚｽ,ｿﾌﾄ,ﾗｲｾﾝｽ,ｱｯﾌﾟﾃﾞｰﾄ,可能,ﾍﾙﾌﾟ,包括,安否,付与,表示,必要,確認,ｱｯﾌﾟ,ﾃﾞｽｸ,対応,容量,上限,ｱｶｳﾝﾄ,ﾈｯﾄ,送受信,対象,起動,ｸﾞﾛｰﾊﾞﾙ,権限,問い合わせ,無線,ﾛｰﾄﾞ,試みる,動画,送信,不明,端末,切断,居室,情報,ある,やる,大阪市立大学,有線,ｷｬﾝﾊﾟｽ,いる,固定,求める,休止,一時,教員,ﾌｫｰﾑ,反映,ﾌｧｲﾙ,忘れる,学部,複合,分類,ﾒﾓﾘ,訪問,来客,ｱｲｺ,書く,出す,ﾚﾎﾟｰﾄ,人事,状況,問合せ,あがる,ﾊﾞｰｼﾞｮﾝ,画面,迷惑,貸し出し,ﾏﾆｭｱﾙ,職員,授業,見る,研究,かかる,学内,使う,欲しい,手続き,開始,のく,受ける,ｸﾞﾚｰﾄﾞ,古い,番号,医学部,阿倍野,引く,繋げる,ｹｰﾌﾞﾙ,ﾎﾟｰﾄ,設置,用途,補佐,外部,ﾐｰﾃｨﾝｸﾞ,病院,割り当てる,ﾌﾟﾗｲﾊﾞｼｰ,保護,事前,共用,振る,機器,いう,給与,前期,行う,登録,常勤,あける,広瀬,受付,進捗,長い,ｸﾞﾙｰﾌﾟ,事象,同様,起きる,ｲﾝﾀｰﾝ,ﾏｰｸ,杉本,ｴﾘｱ,割り当て,添付,拝見,指示,展開,見つける,変わる,よい,事務,差出人,入る,学術,由紀子,処理,伊賀,考える,項目,内容,持つ,教示,申し上げる,入れ替える,おりる,その他,替え,恐縮,課内,お忙しい,置く,いただける,内線,身分,調達,一括,所属,お願い,担当,今年度,配る,記載,最初,失敗,使用,出来る,ｴﾗｰ,停電,有償,分かる,発行,ﾈｯﾄﾜｰｸ,ｲﾝｽﾄｰﾙ,大学,見つかる,ﾕｰｻﾞ,試す,ﾌﾟﾘﾝﾀｰ,購入,買い替える,調子,悪い,出る,不調,正常,承認,公式,ﾌﾟﾘﾝﾀ,削除,共有,ﾘﾓｰﾄ,ﾄｯﾌﾟ,発生,ｻｲﾄ,ｱｸｾｽ,動作,個人,検討,ﾛｸﾞｱｳﾄ,共同,記事,ｱﾝ,ﾂｰﾙ,使い方,在宅,入れる,操作,現在,思う,先生,取得,特定,ﾎﾟｹｯﾄ,学生,含む,飛ぶ,ﾒﾝﾊﾞｰ,卒業,印刷,ﾁｰﾑ,ﾃｷｽﾄ,ﾏｲﾆﾝｸﾞ,ﾕｰｻﾞｰ,ﾃﾞｰﾀﾍﾞｰｽ,ﾉｰﾄ,同期,無い,参加,機能,ﾍﾟｰｼﾞ,つなげる,更新,ない,けんか,ﾎｽﾄ,追加,仮想,ﾊﾟｿｺﾝ,強制,誤る,切れる,遠隔,新しい,くん,質問,知る,ｽﾊﾟﾑﾒｰﾙ,年度,もつ,引き継ぐ,継続,ﾀﾌﾞﾚｯﾄ,宛先,非公開,ｻｰﾊﾞｰ,仕様,契約,新規,指定,自宅,ｻｰﾋﾞｽ,ｱﾌﾟﾘｹｰｼｮﾝ,管理,ｿﾌﾄｳｴｱ,名誉,教授,作成,十分,部署,再生,財務,会計,ｻｰﾊﾞ,証明,有料,通る,大量,経緯,参照,正規,届く,無効,提供,客員,勤務,雇用,学校,専用,ｸﾘｯｸ,ﾀﾞﾌﾞﾙ,問題,選ぶ,応答,流出,結果,導入,外れる,自動的,切り換える,計算,案内,異動,転出,掲示,配信,最新,解決,経済,係長,向け,ご存じ,藤本,ﾄﾞﾗｲﾌﾞ,禁止,不可,田中,御中,ﾎｰﾑﾍﾟｰｼﾞ,開設,一覧,短縮,掲載,代理,ｳｨﾙｽ,回答,入力,各種,要求,でる,つながる,推進,法科,克明,永井,ｱﾝｹｰﾄ,完全,ﾀｲﾐﾝｸﾞ,退学,公開,学外,ﾃﾞｰﾀ,期限,有効,ｹﾞｽﾄ,留学生,閲覧,使える,運用,お世話,退職,大学院,多数,発表,恐れ入る,基盤,学習,工学院大学,受信,兼任,支援,解釈,取れる,残す,河村,今年,理学部,ｾﾝﾀｰ,数学,研究所

Topic # 3 :
する,ｲﾝｽﾄｰﾙ,使用,発行,ｿﾌﾄ,できる,教える,ﾄｯﾌﾟ,ﾘﾓｰﾄ,ﾃﾞｽｸ,ﾗｲｾﾝｽ,ｻｰﾊﾞｰ,可能,学生,ある,ｱｶｳﾝﾄ,ｳｨﾙｽ,接続,分かる,対策,知る,ﾒｰﾙｱﾄﾞﾚｽ,作成,正規,大学,ﾀﾞｳﾝﾛｰﾄﾞ,共用,自宅,ｱｸｾｽ,研究,同期,客員,利用,ない,学校,質問,ﾌｧｲﾙ,購入,導入,職員,なる,包括,ﾍﾟｰｼﾞ,ﾉｰﾄ,ｱﾄﾞﾚｽ,表示,動作,卒業,ﾌﾟﾘﾝﾀ,事務,ｴﾗｰ,ﾛｸﾞｱｳﾄ,新しい,ﾊﾟｽﾜｰﾄﾞ,欲しい,在宅,でる,付与,出る,飛ぶ,つなげる,ｱﾝ,契約,失敗,ﾁｰﾑ,遠隔,権限,大量,使い方,ﾂｰﾙ,ﾎﾟｹｯﾄ,操作,ﾕｰｻﾞｰ,授業,教員,ﾛｸﾞｲﾝ,ｻｰﾊﾞ,ｸﾞﾛｰﾊﾞﾙ,指定,新規,ﾊﾟｿｺﾝ,先生,登録,無効,提供,ﾀﾌﾞﾚｯﾄ,雇用,貸し出し,よい,変わる,学内,入れる,必要,番号,見つかる,個人,誤る,強制,案内,起動,ｸﾘｯｸ,ﾀﾞﾌﾞﾙ,一括,調達,人事,ｱﾌﾟﾘｹｰｼｮﾝ,ｻｰﾋﾞｽ,ｿﾌﾄｳｴｱ,管理,ﾛｰﾄﾞ,十分,部署,外れる,自動的,ｱｯﾌﾟ,割り当てる,もつ,年度,引き継ぐ,見る,ｸﾞﾙｰﾌﾟ,入る,記事,参加,ﾒﾝﾊﾞｰ,削除,現在,問い合わせ,選ぶ,応答,問題,長い,ｻｲﾄ,容量,大阪市立大学,ﾈｯﾄﾜｰｸ,共同,ﾎｽﾄ,繋がる,ﾏｲﾆﾝｸﾞ,ﾃｷｽﾄ,試みる,ｳｲﾙｽ,配る,今年度,記載,最初,上限,機能,有償,使う,出来る,来客,求める,初期,行う,教授,名誉,異動,転出,置く,ﾏﾆｭｱﾙ,対応,ﾍﾙﾌﾟ,御中,田中,向け,経済,ﾄﾞﾗｲﾌﾞ,係長,ご存じ,禁止,解決,藤本,不可,ｲﾝﾀｰﾈｯﾄ,印刷,お願い,推進,情報,変更,担当,いただける,お世話,状況,確認,今年,工学院大学,兼任,解釈,恐れ入る,取れる,学習,残す,理学部,受信,基盤,河村,支援,ｾﾝﾀｰ,数学,研究所,所属,差出人,閲覧,内線,身分,共有,反映,切断,迷惑,思う,取得,届く,回答,その他,恐縮,申し上げる,おりる,入れ替える,お忙しい,学術,項目,内容,考える,替え,処理,由紀子,教示,課内,伊賀,持つ,複合,停電,申請,病院,動画,ﾒｰﾙ,端末,固定,かかる,無い,ｼｽﾃﾑ,含む,事前,認証,ﾌﾟﾘﾝﾀｰ,ﾒﾓﾘ,出す,ﾚﾎﾟｰﾄ,送信,問合せ,ﾃﾞｰﾀﾍﾞｰｽ,ﾌｫｰﾑ,ｱｯﾌﾟﾃﾞｰﾄ,更新,特定,やる,退職,追加,仮想,見つける,拝見,添付,指示,展開,割り当て,設定,使える,けんか,有線,分類,休止,一時,勤務,いる,仕様,居室,外部,用途,ﾐｰﾃｨﾝｸﾞ,補佐,忘れる,学部,杉本,ｴﾘｱ,ﾏｰｸ,ｽﾊﾟﾑﾒｰﾙ,ﾌﾟﾗｲﾊﾞｼｰ,保護,対象,非公開,無線,機器,振る,あがる,ﾊﾞｰｼﾞｮﾝ,受ける,のく,証明,医学部,常勤,あける,画面,設置,検討,ﾎﾟｰﾄ,ｹｰﾌﾞﾙ,引く,繋げる,阿倍野,くん,講師,古い,ｸﾞﾚｰﾄﾞ,書く,ｱｲｺ,給与,いう,前期,非常勤,送受信,起きる,ｲﾝﾀｰﾝ,事象,同様,わかる,参照,経緯,手続き,開始,再生,ｷｬﾝﾊﾟｽ,宛先,切れる,結果,流出,継続,広瀬,受付,進捗,通る,切り換える,悪い,買い替える,調子,ﾈｯﾄ,配信,掲示,最新,短縮,一覧,掲載,有効,期限,ｹﾞｽﾄ,代理,つながる,退学,完全,ﾀｲﾐﾝｸﾞ,訪問,安否,有料,ﾎｰﾑﾍﾟｰｼﾞ,開設,不明,不調,公式,正常,承認,会計,財務,専用,全学,公開,学外,ﾃﾞｰﾀ,克明,永井,法科,試す,ﾕｰｻﾞ,計算,要求,各種,入力,ｱﾝｹｰﾄ,留学生,発生,大学院,運用,発表,多数

run-295.txt

(bachelor) user@MacBook-Pro bachelor % python3 ocu1.py
0            研究発表でZOOMを使いたいが、不特定多数が参加できないように事前登録を行いたい。
1                                 Windows 10にアップデートしたい
2                                  （学生）Adobeのライセンスが欲しい
3               MacでWindowsPCのおリモートデスクトップを操作する方法を知りたい．
4    事務用共用ファイルサーバーにアクセスできなくなった。フォルダをダブルクリックしても「権限がな...
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu12.py    
File already exists.
0                         研究発表 使う 不特定多数 参加 できる 事前登録 行う
1                               windows 10 ｱｯﾌﾟﾃﾞｰﾄ する
2                                   学生 adobe ﾗｲｾﾝｽ 欲しい
3                     mac windowspc ﾘﾓｰﾄﾃﾞｽｸﾄｯﾌﾟ 操作 知る
4    事務 共用 ﾌｧｲﾙｻｰﾊﾞ ｱｸｾｽ できる なる folder ﾀﾞﾌﾞﾙｸﾘｯｸ する...
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu123.py
File already exists.
(bachelor) user@MacBook-Pro bachelor % python3 ocu1234.py
File already exists.
[[0.         0.         0.         ... 0.         0.         0.        ]
 [0.58050992 0.         0.         ... 0.         0.         0.        ]
 [0.         0.         0.         ... 0.         0.         0.        ]
 ...
 [0.         0.         0.         ... 0.         0.         0.        ]
 [0.         0.         0.         ... 0.         0.         0.        ]
 [0.         0.         0.         ... 0.         0.         0.        ]]
(295, 451)
(bachelor) user@MacBook-Pro bachelor % python3 ocu12345.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -1300.0961617890273
Model Perplexity:  1121.162863610731
(bachelor) user@MacBook-Pro bachelor % python3 ocu123456.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -1300.0961617890273
Model Perplexity:  1121.162863610731

Topic # 0 :
出来る,ﾒｰﾙ,質問,する,なる,動画,one,変更,転送,ﾛｸﾞｲﾝ,利用,できる,ｻｰﾊﾞｰ,ｲﾝｽﾄｰﾙ,阿倍野,zoom,ｷｬﾝﾊﾟｽ,運用,担当,使用,ｱｯﾌﾟﾛｰﾄﾞ,試みる,削除,ﾎﾟｰﾀﾙｻｲﾄ,動作,ﾒｰﾘﾝｸﾞﾘｽﾄ,追加,部分,再生,検討,大阪市立大学,停電,全学,outlook,財務会計,付き,検索,引っ越し,使う,pdf,ｳｪﾋﾞﾅｰ,結果,ﾚﾙﾑ,介す,遠隔,drive,同期,ak,jp,ac,機能,授業,留学生,事務,ﾌｧｲﾙｻｰﾊﾞ,見る,onedrive,出る,更新,通知,ｳｲﾙｽ,共用,無線lan,状況,4月1日,付け,特任教授,ssh,受ける,掲示,配信,最新版,ｱｸｾｽ,st,os,割り当てる,固定,端末,2020年,4月,仕様,無効,ﾌｧｲｱｰｳｫｰﾙ,提供,表示,操作,ｸﾞﾛｰﾊﾞﾙipｱﾄﾞﾚｽ,ﾏﾆｭｱﾙ,ｴﾗｰ,現在,継続,欲しい,ﾒｰﾙｱﾄﾞﾚｽ,入れる,教える,ﾈｯﾄﾜｰｸ,ｻｲﾄ,問題,応答時間,選ぶ,つなげる,3v,pn,認証,学内,ｼｽﾃﾑ,印刷,対策,ある,研究室,可能,仮想,ｳｨﾙｽ,長い,ﾌﾟﾘﾝﾀｰ,自宅,登録,でる,接続,fi,vpn,wi,ｿﾌﾄ,ﾀﾞｳﾝﾛｰﾄﾞ,繋がる,迷惑ﾒｰﾙ,無線,容量,研究,ｺﾝｾﾝﾄ,来客,市大,職員,入る,教員,思う,取得,入力,切断,ﾌｧｲﾙ,ﾕｰｻﾞ名,ｱｶｳﾝﾄ,ｻｰﾋﾞｽ,情報,複合機,有料,共有,失敗,貸し出し,ﾌﾟﾘﾝﾀ,ap,経由,くん,新しい,作成,問い合わせ,unix,付与,利用可能,よい,知る,fiﾙｰﾀ,契約,非常勤,ﾃﾞｰﾀ,分かる,名誉教授,証明書,pc,先生,ﾈｯﾄ,adobe,office,講義,見つかる,人事,常時,android標準ﾌﾞﾗｳｻﾞ,通る,番号,office365,行う,ieee802,ﾀﾌﾞ,雇用,ｽﾊﾟﾑﾒｰﾙ,包括,必要,対応,受信,参加,非公開,ﾗｲｾﾝｽ,使い方,卒業,求める,宛先,届く,特定,ﾘﾓｰﾄﾃﾞｽｸﾄｯﾌﾟ,けんか,君について,ftp,ﾎﾟｰﾄ,通信,申請,ない,class,差出人,休止,一時,流出,回答,電子ｼﾞｬｰﾅﾙ,ﾉｰﾄ,個人,ﾊﾟｽﾎﾟｰﾄ,univer,sal,状態,iphone,ﾚﾎﾟｰﾄ,出す,thunderbird,学生,ｵﾌﾗｲﾝ,10,ｱｯﾌﾟﾃﾞｰﾄ,学部,わかる,microsoft,閲覧,日経ﾃﾚｺﾝ21,手順,ｲﾝﾀｰﾈｯﾄ,再起動,ﾃｷｽﾄﾏｲﾆﾝｸﾞ,分類,ｸﾞﾙｰﾌﾟ,購入,web,切り換える,ｸﾞﾛｰﾊﾞﾙip,やる,記事,見つける,割り当て,添付,指示,展開,拝見,ms,大学,初期化,有償,folder,windowspc,上限,調べ,返信,自動,ﾊﾞｰｼﾞｮﾝ,送受信,あがる,開設,ﾎｰﾑﾍﾟｰｼﾞ,webﾍﾟｰｼﾞ,ﾒｰﾙ設定,ﾛｸﾞｱｳﾄ,古い,ｱｯﾌﾟｸﾞﾚｰﾄﾞ,した,id,xxx,飛ぶ,ping,spss,客員研究員,図書館,macｱﾄﾞﾚｽ,desktop,切れる,割当てる,linux,dhcp,発行,ﾊﾟｿｺﾝ,ﾁｰﾑ,在宅,ﾘﾓｰﾄ,pc等,常勤,あける,無い,一覧,掲載,短縮url,ｳｲﾙｽ対策,windows,以外,ﾀﾞﾌﾞﾙｸﾘｯｸ,url,部署,十分,ｹﾞｽﾄ,長居,有効期限,無位,計算機,ipｱﾄﾞﾚｽ,保護,ﾌﾟﾗｲﾊﾞｼｰ,ﾊﾟｽﾜｰﾄﾞ,専用,ﾃﾞｰﾀﾍﾞｰｽ,学情,home,事象,ｲﾝﾀｰﾝ,起きる,同様,対象者,usbﾒﾓﾘ,ｱﾝｹｰﾄ,職種,設定,与える,許可,反映,対象,2013,忘れる,かかる,共同,ﾎｽﾄ,使用可能,ｻｲﾝｲﾝ,非正規,sharepoint,ﾂｰﾙ,ﾀﾌﾞﾚｯﾄ,powerpoint,ip,ｸﾞﾛｰﾊﾞﾙ,nas,mac,cc,含む,居室,送信,つながる,zip,問合せ,ﾌｫｰﾑ,windows10,いう,給与,前期,ﾏｰｸ,ｴﾘｱ,2つ,map,杉本,認証画面,引き継ぐ,もつ,本年度中,可能性,正規,機器,振る,非常勤講師,nw,ﾒﾝﾊﾞ,ｿﾌﾄｳｴｱ,ｱﾌﾟﾘｹｰｼｮﾝ,管理者,安否確認ｼｽﾃﾑ,ｱﾄﾞﾚｽ,要求,microsoftｱｶｳﾝﾄ,各種,固定ipｱﾄﾞﾚｽ,訪問,所属,外れる,自動的,導入,hp,向け,ﾄﾞﾒｲﾝ,増やす,初期,のく,自室,権限,開始,手続き,loota,事前,案内,一括,調達,ssid,いくつか,ｱｸｾｽ数,同時,画面,人事異動,転出,ﾕｰｻﾞ,試す,使用方法,ｺﾐｭﾆﾃｨ,ｱｲｺﾝ,書く,ﾍﾟｰｼﾞ,ﾍﾙﾌﾟ,ﾃﾞｽｸ,it,大量,変わる,ﾒﾝﾊﾞｰ,ipad,使える,共同研究,不特定多数,事前登録,研究発表,設置,ios,起動,強制的,誤る,不明,学校,退学,ﾀｲﾐﾝｸﾞ,完全,退職,補佐,申請可能,外部,用途,ﾐｰﾃｨﾝｸﾞ,講師,医学部,病院,対象外,lan,ｱﾝｲﾝｽﾄｰﾙ

Topic # 1 :
する,ﾒｰﾙ,利用,設定,ｿﾌﾄ,知る,ﾘﾓｰﾄﾃﾞｽｸﾄｯﾌﾟ,ｲﾝｽﾄｰﾙ,ｱﾄﾞﾚｽ,ﾛｸﾞｲﾝ,ﾀﾞｳﾝﾛｰﾄﾞ,ﾗｲｾﾝｽ,可能,使用,差出人,ｳｲﾙｽ対策,thunderbird,変更,教える,pc,ﾒｰﾘﾝｸﾞﾘｽﾄ,出来る,自宅,なる,表示,ｳｨﾙｽ,office,有償,大学,office365,windows10,ｱｶｳﾝﾄ,対策,できる,url,包括,adobe,mac,欲しい,名誉教授,ﾒｰﾙｱﾄﾞﾚｽ,ｱｸｾｽ,ﾍﾟｰｼﾞ,送信,作成,共用,手順,共有,複合機,状態,zoom,home,folder,ｴﾗｰ,ﾊﾟｿｺﾝ,ある,ない,継続,ｸﾞﾛｰﾊﾞﾙipｱﾄﾞﾚｽ,番号,権限,購入,ｻｰﾊﾞｰ,入力,nas,導入,対象,ｸﾞﾛｰﾊﾞﾙ,ip,cc,講義,os,記事,windows,切断,市大,対応,申請,登録,ｱﾝｹｰﾄ,ﾎﾟｰﾀﾙｻｲﾄ,ﾃｷｽﾄﾏｲﾆﾝｸﾞ,職員,常時,入れる,出る,desktop,受信,調べ,非公開,非常勤,日経ﾃﾚｺﾝ21,閲覧,spss,でる,くん,新しい,onedrive,10,ｱｯﾌﾟﾃﾞｰﾄ,ﾁｰﾑ,ｵﾌﾗｲﾝ,有料,xxx,証明書,訪問,長い,macｱﾄﾞﾚｽ,windowspc,sharepoint,webﾍﾟｰｼﾞ,ﾎｰﾑﾍﾟｰｼﾞ,開設,容量,先生,回答,流出,割当てる,在宅,ﾘﾓｰﾄ,pc等,職種,操作,ﾊﾟｽﾎﾟｰﾄ,sal,univer,思う,経由,ap,自動,返信,無い,短縮url,一覧,掲載,結果,飛ぶ,ping,かかる,取得,長居,ｹﾞｽﾄ,無位,有効期限,よい,研究,ieee802,ﾀﾌﾞ,無線,pn,つなげる,3v,利用可能,保護,ﾌﾟﾗｲﾊﾞｼｰ,見つかる,powerpoint,ﾀﾌﾞﾚｯﾄ,失敗,貸し出し,対象者,ﾀﾞﾌﾞﾙｸﾘｯｸ,求める,一括,調達,案内,通信,ftp,ﾎﾟｰﾄ,行う,各種,microsoftｱｶｳﾝﾄ,要求,ﾌｧｲﾙｻｰﾊﾞ,事務,人事,ｿﾌﾄｳｴｱ,管理者,ｱﾌﾟﾘｹｰｼｮﾝ,した,ｱｯﾌﾟｸﾞﾚｰﾄﾞ,古い,ﾏﾆｭｱﾙ,常勤,あける,以外,ﾉｰﾄ,個人,教員,ｻｰﾋﾞｽ,十分,部署,割り当てる,ﾌｧｲﾙ,問い合わせ,見る,事象,ｲﾝﾀｰﾝ,同様,起きる,ｱｯﾌﾟﾛｰﾄﾞ,入る,ﾈｯﾄ,選ぶ,応答時間,問題,ｻｲﾄ,分かる,契約,繋がる,ﾕｰｻﾞ名,迷惑ﾒｰﾙ,ｽﾊﾟﾑﾒｰﾙ,ac,ak,jp,提供,ﾌｧｲｱｰｳｫｰﾙ,無効,ﾈｯﾄﾜｰｸ,雇用,大阪市立大学,iphone,接続,研究室,学生,認証,質問,必要,web,転送,上限,vpn,わかる,ﾊﾞｰｼﾞｮﾝ,送受信,あがる,ｼｽﾃﾑ,one,ﾌﾟﾘﾝﾀ,客員研究員,microsoft,id,ﾊﾟｽﾜｰﾄﾞ,ﾛｸﾞｱｳﾄ,ms,許可,与える,ｲﾝﾀｰﾈｯﾄ,追加,ﾃﾞｰﾀ,非常勤講師,発行,非正規,ﾒﾝﾊﾞｰ,ios,ipad,ｺﾝｾﾝﾄ,pdf,来客,授業,介す,付与,情報,宛先,届く,特定,使う,ssh,学内,仮想,機能,ﾚﾙﾑ,休止,一時,class,分類,状況,無線lan,検索,通る,android標準ﾌﾞﾗｳｻﾞ,卒業,留学生,印刷,認証画面,使い方,参加,画面,端末,固定,けんか,君について,学部,受ける,ｸﾞﾙｰﾌﾟ,電子ｼﾞｬｰﾅﾙ,現在,unix,linux,dhcp,fiﾙｰﾀ,ｷｬﾝﾊﾟｽ,拝見,指示,割り当て,展開,添付,見つける,再起動,前期,いう,給与,ﾒｰﾙ設定,全学,ｸﾞﾛｰﾊﾞﾙip,やる,対象外,講師,医学部,病院,検討,初期化,削除,図書館,反映,fi,wi,切れる,出す,ﾚﾎﾟｰﾄ,自室,動作,引っ越し,部分,ﾌﾟﾘﾝﾀｰ,usbﾒﾓﾘ,財務会計,ﾎｽﾄ,使用可能,共同,2013,忘れる,ﾂｰﾙ,遠隔,切り換える,nw,zip,ｻｲﾝｲﾝ,可能性,正規,引き継ぐ,もつ,本年度中,変わる,固定ipｱﾄﾞﾚｽ,居室,含む,ﾃﾞｰﾀﾍﾞｰｽ,専用,学情,つながる,所属,問合せ,ﾌｫｰﾑ,機器,振る,設置,再生,停電,大量,計算機,ipｱﾄﾞﾚｽ,安否確認ｼｽﾃﾑ,hp,向け,ﾄﾞﾒｲﾝ,増やす,ｳｲﾙｽ,ﾒﾝﾊﾞ,のく,学校,使える,loota,事前,初期,試す,ﾕｰｻﾞ,手続き,開始,自動的,外れる,4月1日,付け,特任教授,outlook,ssid,共同研究,強制的,起動,誤る,ﾍﾙﾌﾟ,ﾃﾞｽｸ,転出,人事異動,ｱｸｾｽ数,同時,いくつか,ｺﾐｭﾆﾃｨ,申請可能,用途,ﾐｰﾃｨﾝｸﾞ,補佐,外部,it,ｳｪﾋﾞﾅｰ,使用方法,付き,ｴﾘｱ,杉本,map,2つ,ﾏｰｸ,不明,完全,退職,退学,ﾀｲﾐﾝｸﾞ,研究発表,事前登録,不特定多数,ｱﾝｲﾝｽﾄｰﾙ,lan,同期,drive,最新版,掲示,配信,st,4月,仕様,2020年,動画,書く,ｱｲｺﾝ,試みる,阿倍野,通知,更新,運用,担当

Topic # 2 :
接続,できる,ﾛｸﾞｱｳﾄ,教える,vpn,ipad,microsoft,office,ｲﾝﾀｰﾈｯﾄ,する,office365,ｲﾝｽﾄｰﾙ,ある,pc,非常勤講師,使用,iphone,ﾈｯﾄﾜｰｸ,ﾛｸﾞｲﾝ,ios,lan,入る,上限,ﾌﾟﾘﾝﾀ,取得,切れる,つながる,ﾗｲｾﾝｽ,付与,学内,学校,ｱﾝｲﾝｽﾄｰﾙ,zoom,再起動,卒業,ﾒｰﾙｱﾄﾞﾚｽ,使う,市大,ﾒｰﾙ設定,ｻｲﾝｲﾝ,図書館,含む,必要,ms,有料,削除,共同研究,職員,通る,android標準ﾌﾞﾗｳｻﾞ,切り換える,契約,増やす,使用方法,ｱｶｳﾝﾄ,ﾈｯﾄ,hp,ﾄﾞﾒｲﾝ,向け,大量,ﾚﾙﾑ,人事異動,転出,画面,ｺﾝｾﾝﾄ,ﾃﾞｰﾀ,ｱｲｺﾝ,書く,ﾊﾞｰｼﾞｮﾝ,送受信,あがる,いくつか,ｱｸｾｽ数,同時,計算機,ipｱﾄﾞﾚｽ,情報,変わる,使える,繋がる,容量,ｻｲﾄ,端末,固定,研究発表,事前登録,不特定多数,ｽﾊﾟﾑﾒｰﾙ,共用,行う,参加,対象外,病院,医学部,講師,退職,完全,退学,ﾀｲﾐﾝｸﾞ,ｱｯﾌﾟﾛｰﾄﾞ,番号,外部,補佐,ﾐｰﾃｨﾝｸﾞ,申請可能,用途,迷惑ﾒｰﾙ,包括,教員,os,電子ｼﾞｬｰﾅﾙ,強制的,起動,誤る,研究,表示,思う,ｻｰﾋﾞｽ,ｱｸｾｽ,入れる,2013,adobe,map,ﾏｰｸ,ｴﾘｱ,杉本,2つ,利用可能,ｷｬﾝﾊﾟｽ,ssh,来客,無線,class,ap,経由,ｻｰﾊﾞｰ,pdf,証明書,ﾀﾞｳﾝﾛｰﾄﾞ,入力,ﾒｰﾙ,fi,wi,仮想,利用,差出人,folder,fiﾙｰﾀ,名誉教授,thunderbird,受信,id,linux,dhcp,ﾏﾆｭｱﾙ,拝見,指示,割り当て,見つける,展開,添付,なる,手順,ｴﾗｰ,ｸﾞﾙｰﾌﾟ,出来る,認証,ﾘﾓｰﾄﾃﾞｽｸﾄｯﾌﾟ,web,ﾌｧｲﾙ,知る,印刷,zip,作成,固定ipｱﾄﾞﾚｽ,ﾊﾟｿｺﾝ,分かる,ｳｲﾙｽ対策,ｿﾌﾄ,反映,保護,ﾌﾟﾗｲﾊﾞｼｰ,ｼｽﾃﾑ,事象,起きる,同様,ｲﾝﾀｰﾝ,授業,発行,遠隔,訪問,ﾊﾟｽﾜｰﾄﾞ,大学,ssid,引き継ぐ,本年度中,可能性,正規,もつ,対応,ｺﾐｭﾆﾃｨ,欲しい,継続,質問,介す,設定,切断,共有,pn,つなげる,3v,ﾕｰｻﾞ名,状況,無線lan,出る,変更,貸し出し,失敗,新しい,先生,複合機,ｸﾞﾛｰﾊﾞﾙipｱﾄﾞﾚｽ,xxx,よい,onedrive,結果,機能,講義,登録,大阪市立大学,非常勤,問い合わせ,可能,常時,ﾌｧｲﾙｻｰﾊﾞ,事務,ﾀﾌﾞ,ieee802,人事,操作,見つかる,雇用,求める,選ぶ,応答時間,問題,くん,個人,ﾉｰﾄ,使い方,研究室,割り当てる,ﾎﾟｰﾄ,ftp,通信,見る,申請,現在,けんか,君について,ﾎﾟｰﾀﾙｻｲﾄ,windows10,ない,非正規,追加,url,留学生,ﾒｰﾘﾝｸﾞﾘｽﾄ,購入,学生,univer,sal,ﾊﾟｽﾎﾟｰﾄ,spss,調べ,ﾃｷｽﾄﾏｲﾆﾝｸﾞ,受ける,状態,10,ｱｯﾌﾟﾃﾞｰﾄ,非公開,閲覧,日経ﾃﾚｺﾝ21,有償,desktop,ﾌﾟﾘﾝﾀｰ,開設,ﾎｰﾑﾍﾟｰｼﾞ,webﾍﾟｰｼﾞ,やる,ｸﾞﾛｰﾊﾞﾙip,分類,わかる,ｵﾌﾗｲﾝ,初期化,sharepoint,出す,ﾚﾎﾟｰﾄ,提供,ﾌｧｲｱｰｳｫｰﾙ,無効,返信,自動,付き,一時,休止,unix,引っ越し,全学,届く,特定,宛先,jp,ac,ak,客員研究員,流出,回答,在宅,pc等,ﾘﾓｰﾄ,古い,ｱｯﾌﾟｸﾞﾚｰﾄﾞ,した,macｱﾄﾞﾚｽ,自宅,割当てる,windowspc,学部,転送,ﾎｽﾄ,使用可能,共同,対象,短縮url,一覧,無い,掲載,ﾁｰﾑ,powerpoint,ﾀﾌﾞﾚｯﾄ,windows,対象者,cc,有効期限,長居,無位,ｹﾞｽﾄ,home,長い,ﾂｰﾙ,与える,許可,mac,ping,飛ぶ,nw,記事,常勤,あける,usbﾒﾓﾘ,職種,かかる,財務会計,外れる,自動的,以外,振る,機器,居室,問合せ,ﾌｫｰﾑ,nas,学情,専用,ﾃﾞｰﾀﾍﾞｰｽ,部署,十分,ｱﾌﾟﾘｹｰｼｮﾝ,ｿﾌﾄｳｴｱ,管理者,microsoftｱｶｳﾝﾄ,要求,各種,one,でる,ip,ｸﾞﾛｰﾊﾞﾙ,ｱﾝｹｰﾄ,ｱﾄﾞﾚｽ,ﾒﾝﾊﾞ,送信,忘れる,ﾀﾞﾌﾞﾙｸﾘｯｸ,ｳｨﾙｽ,ｳｲﾙｽ,同期,drive,所属,導入,認証画面,安否確認ｼｽﾃﾑ,対策,いう,前期,給与,outlook,案内,一括,調達,初期,事前,loota,動作,再生,自室,手続き,開始,ﾕｰｻﾞ,試す,ﾒﾝﾊﾞｰ,のく,ｳｪﾋﾞﾅｰ,ﾍﾙﾌﾟ,ﾃﾞｽｸ,it,権限,検討,検索,ﾍﾟｰｼﾞ,設置,不明,部分,阿倍野,停電,試みる,st,配信,最新版,掲示,2020年,仕様,4月,4月1日,特任教授,付け,動画,通知,更新,運用,担当

Topic # 3 :
ﾈｯﾄﾜｰｸ,する,ﾊﾟｽﾜｰﾄﾞ,認証,仮想,発行,ｼｽﾃﾑ,web,わかる,wi,学生,分かる,できる,fi,申請,教える,利用,全学,登録,追加,なる,ﾒｰﾙｱﾄﾞﾚｽ,id,ﾛｸﾞｲﾝ,印刷,ﾌﾟﾘﾝﾀｰ,ﾌﾟﾘﾝﾀ,初期,非正規,変更,ｱｶｳﾝﾄ,安否確認ｼｽﾃﾑ,zoom,使い方,出来る,ﾒｰﾙ,繋がる,ｺﾐｭﾆﾃｨ,作成,忘れる,ﾃﾞｽｸ,ﾍﾙﾌﾟ,情報,ﾒﾝﾊﾞｰ,研究室,必要,客員研究員,設置,反映,使用,ssid,nw,不明,ｸﾞﾙｰﾌﾟ,fiﾙｰﾀ,自室,学内,it,ｱｸｾｽ,失敗,君について,けんか,固定ipｱﾄﾞﾚｽ,職員,初期化,class,一時,休止,やる,ｸﾞﾛｰﾊﾞﾙip,学部,分類,ﾕｰｻﾞ名,ｺﾝｾﾝﾄ,居室,unix,迷惑ﾒｰﾙ,付与,zip,ﾂｰﾙ,出す,ﾚﾎﾟｰﾄ,共有,教員,よい,usbﾒﾓﾘ,ﾌｧｲﾙ,欲しい,授業,来客,貸し出し,雇用,届く,特定,宛先,ｴﾗｰ,所属,ﾌｫｰﾑ,問合せ,手続き,開始,認証画面,許可,与える,新しい,専用,学情,ﾃﾞｰﾀﾍﾞｰｽ,ｻｰﾊﾞｰ,試す,ﾕｰｻﾞ,共同,ﾎｽﾄ,使用可能,linux,dhcp,ﾒﾝﾊﾞ,見つかる,機能,のく,loota,事前,問い合わせ,受ける,給与,いう,前期,無線,振る,機器,対応,市大,自動的,外れる,可能性,正規,もつ,引き継ぐ,本年度中,人事,現在,参加,非常勤,研究,表示,卒業,見つける,拝見,割り当て,添付,展開,指示,ﾏﾆｭｱﾙ,ある,状況,無線lan,継続,介す,求める,出る,留学生,複合機,取得,ない,先生,つなげる,3v,pn,android標準ﾌﾞﾗｳｻﾞ,通る,ieee802,ﾀﾌﾞ,知る,通信,ﾎﾟｰﾄ,ftp,入れる,思う,入る,pdf,可能,ｻｰﾋﾞｽ,電子ｼﾞｬｰﾅﾙ,入力,切断,使う,図書館,引っ越し,大学,microsoft,pc,質問,購入,常時,ｲﾝﾀｰﾈｯﾄ,ｱｯﾌﾟｸﾞﾚｰﾄﾞ,古い,した,接続,adobe,財務会計,ﾚﾙﾑ,切り換える,切れる,有償,番号,office,ｸﾞﾛｰﾊﾞﾙipｱﾄﾞﾚｽ,端末,固定,sal,ﾊﾟｽﾎﾟｰﾄ,univer,ipｱﾄﾞﾚｽ,計算機,os,ﾘﾓｰﾄﾃﾞｽｸﾄｯﾌﾟ,状態,ｷｬﾝﾊﾟｽ,包括,ios,利用可能,map,杉本,2つ,ｴﾘｱ,ﾏｰｸ,ﾗｲｾﾝｽ,iphone,windows,ｱｲｺﾝ,書く,thunderbird,2020年,4月,仕様,ipad,設定,阿倍野,ｻｲﾄ,url,ｿﾌﾄ,windows10,応答時間,問題,選ぶ,ｱｯﾌﾟﾛｰﾄﾞ,共用,経由,ap,有料,ak,jp,ac,ｲﾝｽﾄｰﾙ,ﾈｯﾄ,結果,契約,容量,ssh,差出人,ｽﾊﾟﾑﾒｰﾙ,名誉教授,つながる,証明書,office365,講義,大阪市立大学,操作,くん,行う,macｱﾄﾞﾚｽ,ﾎﾟｰﾀﾙｻｲﾄ,受信,見る,ﾌｧｲﾙｻｰﾊﾞ,事務,対象者,ﾒｰﾘﾝｸﾞﾘｽﾄ,長い,ﾀﾞｳﾝﾛｰﾄﾞ,onedrive,でる,割り当てる,ms,ﾛｸﾞｱｳﾄ,folder,ｵﾌﾗｲﾝ,10,ｱｯﾌﾟﾃﾞｰﾄ,非公開,日経ﾃﾚｺﾝ21,閲覧,遠隔,調べ,ﾃｷｽﾄﾏｲﾆﾝｸﾞ,再起動,手順,あける,常勤,かかる,自動,返信,転送,ﾁｰﾑ,ﾎｰﾑﾍﾟｰｼﾞ,webﾍﾟｰｼﾞ,開設,nas,対象,spss,ﾒｰﾙ設定,xxx,流出,回答,増やす,削除,提供,無効,ﾌｧｲｱｰｳｫｰﾙ,ﾘﾓｰﾄ,pc等,在宅,ﾊﾟｿｺﾝ,desktop,vpn,ﾊﾞｰｼﾞｮﾝ,あがる,送受信,one,割当てる,windowspc,ｹﾞｽﾄ,有効期限,長居,無位,無い,掲載,短縮url,一覧,ﾌﾟﾗｲﾊﾞｼｰ,保護,home,職種,同様,事象,起きる,ｲﾝﾀｰﾝ,ping,飛ぶ,自宅,2013,記事,ﾀﾌﾞﾚｯﾄ,powerpoint,動作,以外,非常勤講師,ｳｲﾙｽ対策,ｻｲﾝｲﾝ,cc,上限,個人,ﾉｰﾄ,sharepoint,画面,含む,mac,ﾃﾞｰﾀ,検討,ｳｨﾙｽ,対策,使える,ｱﾄﾞﾚｽ,ｸﾞﾛｰﾊﾞﾙ,ip,共同研究,送信,部署,十分,ｱﾝｹｰﾄ,訪問,microsoftｱｶｳﾝﾄ,要求,各種,導入,再生,変わる,hp,向け,ﾄﾞﾒｲﾝ,人事異動,転出,ﾀﾞﾌﾞﾙｸﾘｯｸ,管理者,ｱﾌﾟﾘｹｰｼｮﾝ,ｿﾌﾄｳｴｱ,案内,一括,調達,部分,権限,学校,ｱｸｾｽ数,同時,いくつか,付き,検索,使用方法,申請可能,用途,ﾐｰﾃｨﾝｸﾞ,補佐,外部,lan,outlook,ｳｪﾋﾞﾅｰ,ﾍﾟｰｼﾞ,停電,事前登録,不特定多数,研究発表,完全,ﾀｲﾐﾝｸﾞ,退学,退職,同期,drive,大量,起動,強制的,誤る,st,病院,講師,医学部,対象外,ｱﾝｲﾝｽﾄｰﾙ,更新,通知,特任教授,4月1日,付け,ｳｲﾙｽ,動画,掲示,配信,最新版,試みる,担当,運用

295
Run ocu123.py

Run ocu12345.py

Run ocu123456.py