主催 日本オペレーションズ・リサーチ学会 実践的データマイニング研究部会 協賛 チームラボ株式会社 人工知能学会 経営情報学会関西支部 ビジネスマイニング研究センター有限責任事業組合 趣旨 近年、B2Cの飛躍的な増加に伴い、WEB上での消費者の購買履歴や行動履歴を容易に、かつ大量に蓄積することが可能となり、それに伴って究極的なワンツーワン・マーケティングが可能になりつつあります。その１つのアプリケーションとして、顧客に対する適切な商品や行動の推薦を目的としたリコメンデーションシステムの導入が盛んに行われています．リコメンデーションシステムのアルゴリズムは，これまでに様々なものが研究提案されてきてはいるものの，ビジネスにおける実践という面から見ると，それらの研究成果が産業会に十分に還元できているとは言えない状況でしょう．そこで，実データに基づいたリコメンデーションコンテストを実
借金をしたときには、必ず返済しなければなりません。 多くの人がそのまま頑張って返さなければと考えがちですが、賢い借金返済方法を取ることでより楽に返せるようになるのです。
ちょっと調べた。コードリーディング力が低いため効率悪いなー。がんばろう。 http://www.richcontext.jp/rss/richcontext.jsp おまえらブクマしすぎ C++で書いてある 一応ソースは公開されてるが、チュートリアルとかgetting startedの類はついてない。Doxygenによるドキュメントは付属していてけっこう丁寧だが、これらのライブラリをどう使うかに関する情報は特にないみたい。使うのがちょっと面倒だなという印象。 対応DBはpostgre SQLかMySQLらしい。 これが何をするものなのかというと、ふつうの協調フィルタ、だと思う。 Engine、Common-lib含めて150kBくらいのソース。小規模。 メインロジックはRCEngine/SimilalityEngineおよびその基底クラスのEngineBase。ISimilarityStr
WEB+DB press vol.49にレコメンド特集の記事をtkngさんと書きました。 内容は最初は、協調フィルタリングやコンテンツマッチの簡単な話から、特徴量をどのように表すか、大規模データをどのように処理するかにいき、特異値分解などの低ランク行列分解によるレコメンドやRestricted Boltzmann Machineといった最近のnetflix prizeの上位の手法など、かなり突っ込んだ議論もしてます。 個人的には三章でLocality Sensitive Hash(LSH)について扱っているあたりがお勧めです。 レコメンドの内部の問題を極言すると、データというのは疎な高次元の数値ベクトル（数百万次元とか）で表され、クエリでベクトルが与えられた時、これと似たようなベクトルを探してこいという問題になります。”似たような”を数学的にいえば、クエリのベクトルとの内積（各ベクトルは長
WEB+DB PRESS Vol.49 作者: arton,桑田誠,角田直行,和田卓人,伊藤直也,西田圭介,岡野原大輔,縣俊貴,大塚知洋,nanto_vi,徳永拓之,山本陽平,田中洋一郎,下岡秀幸,ミック,武者晶紀,高林哲,小飼弾,はまちや2,WEB+DB PRESS編集部出版社/メーカー: 技術評論社発売日: 2009/02/23メディア: 大型本購入: 10人 クリック: 373回この商品を含むブログ (45件) を見る WEB+DB PRESS Vol.49(2009年2月24日発売)にPFI関連の記事が2つ紹介されます。 WEB+DB PRESS Vol.49 (目次) まず1つ目は、「速習レコメンドエンジン」という特集企画です。 徳永さん(id:tkng)と岡野原さんが中心になって書いた記事で、レコメンドとは？という所から始まり、大規模データの処理方法、そして最新のアルゴリズム(
_ 推薦システムをパーソナルビューで見直す ここでも何度か書いているが，院生の頃から推薦システムの研究に引っかかりを感じていた．引っかかりの原因は「新たに開発した推薦システムを利用することでユーザの情報探索の負荷を下げる」という「推薦システムの有無」ないし「推薦アルゴリズムの違い」という問題に落とし込もうとしているという点にある．Norman流にいうならこれは「システムビュー（system view）」*1，つまり「設計者の視点から新たな人工物の有無によるユーザの負荷の違いをみる」という見方である．ここで，Normanがシステムビューと対照的な概念として示している「パーソナルビュー（personal view）」，つまり「ユーザからみて推薦システムの挙動はどう見えるのか」「推薦システムによってユーザの情報探索という行為はどう変化するのか」という視点から，「推薦システムのアルゴリズム（1，2
インターネットにおけるOne-to-Oneマーケティングの時代になってから、ユーザーの購買履歴を分析し、興味をもちそうな商品を各ユーザーに予想して勧めるようになりました。そして、そのための効果的な「リコメンド機能」は、Webサービスの重要な機能となっています。 そこで、（社）情報処理学会 数理モデル化と問題解決研究会とソネットエンタテインメント（株）は、リコメンド機能に関するアルゴリズムやシステムの開発を通じて、大学生や大学院生の情報科学や関連サービスについてのモチベーションを喚起し、当該分野の一層の活性化と学生のクリエイティブな活動をより活発にすることを目的としたリコメンデーションサービスコンテストを共同開催いたしました。 コンテストの詳しい情報はこちら⇒ タイトル : 「トレブロ」 http://toys.csse.muroran-it.ac.jp/recom/ 我々は、入力されたブロ
今回は，お仕事とも少しだけ絡む話をしてみたいと思います． (ひとつ前のエントリ新しくなったはてなブックマークが面白いは，このエントリに含めようとして膨らみすぎてしまったはてなブックマークへの想いを切り出したものでした) はじめに このエントリでは，ソーシャルブックマークを主な題材として，ユーザ向けのレコメンデーションについての現段階での自分の考えを文章化してみます．今の考えに至るまで，研究室時代の仲間たちや，今の会社のメンバーとの数多くの議論があったことを強調しておきます． ユーザ向けレコメンデーションとは 特に Web 界隈において，レコメンデーションというと，Amazon の商品ページにて提示される「この商品を買った人はこんな商品も買っています」を思い浮かべる人が多いと思います．これは「商品」に対して「商品」をレコメンデーションするものです． ここでは，今回のテーマである「ユーザ向けレ
ライブドアは12月24日、開発者向けに汎用レコメンデーションエンジン「Cicindela」をオープンソースとして公開した。ソースコードはGoogle Code上でMIT Licenseにて配布している。 Cicindelaは、「このウェブページを見た人はこんなページも見ています」といったおすすめ機能を既存のサービスに追加できるように、ライブドアで独自開発したレコメンデーションエンジン。 Perl＋MySQLで作成する際のアプリケーションに適し、id値のみをやり取りするhttpベースの簡潔なAPI、数種類のフィルタを自由に組み合わせることができる高いカスタマイズ性が特徴だ。 ライブドアが提供する下記のサービスで稼動実績がある。 livedoor ニュース livedoor グルメ livedoor クリップ youbride DLsite 今後はCicindelaをサイトで導入したいという開
楽天テクノロジーカンファレンスには行かれなかったのだが、大規模分散処理フレームワークの設計、実装が進行中 -- 楽天版MapReduce・HadoopはRubyを活用などを読むと、けっこうおもしろそうだったのだな、と分かる。 楽天技術研究所がどういう位置づけなのかは分からないが、こういう基盤技術の開発を支援しているというのは評価していいと思う。(車輪の再発明という気がしないでもないが) 個人的な興味としては楽天が大規模データに対してどういうことをしているかということなのだが、記事を見るといろいろ書いてある。 計算モデルがシンプルでも規模が巨大になるとまったく別の問題が生まれてくる。処理すべき情報量が爆発的に増加しているからだ。 例えば協調フィルタリングではユーザーを縦軸に、商品アイテムを横軸にした購買履歴マトリックスについて計算処理を行う必要があるが、あまりに量が多く、素直に実装すると「2
レコメンドエンジンのALBERT（アルベルト）は10月17日、同社独自のレコメンデーション分類方法の改訂版を発表した。レコメンド対象者などを12種類に分類しており、ほぼすべてのレコメンド方法を説明できるという。 分類方法の名称は「ACKマトリクス」。レコメンデーションを体系的に分けて整理することで、インターネット検索やリアル推薦といった情報マッチングの方法論を包括的に扱えるようにした。 まず、レコメンド対象者に関するデータを「（1）対象者が起こしたアクションデータ（クリックや注文など）」「（2）対象者の履歴データ（過去の閲覧履歴や購買履歴）」「（3）対象者の申告データ（アンケートデータや申告データ）」「（4）その他（対象者を特定しない）」の4項目に分ける。続いて、対象者以外のデータを「（A）モノ属性（Attribute：商品属性データ情報のデータベース）」「（C）人ベース（Consumer
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く