recommend。 勧める、奨励する、忠告する。
目次 先日Cora問題でノード分類を扱いました。 前回は問題の分かりやすさからテーマを設定していましたが、まだ解いていないが、ニーズがありそうな引用ネットワーク予測を扱っていきます。 本日テーマ： Coraを使って、論文の引用予測を行ってみる。 🎵 BGMを再生する 問題設定 Cora でのリンク予測タスクは、「まだ引用されていない論文ペアのうち、将来引用される可能性が高いペアを予測する」 問題として設定できます。 以下、具体的な問題設定を整理します。 1. タスクの定義 グラフ: Cora 引用ネットワーク ノード: 論文 エッジ: 引用関係（論文 A → 論文 B） タスク: リンク予測（…
こんにちは、データサイエンティストの髙橋です。業務では企画/分析/機械学習モデル作成/プロダクション向けの実装/効果検証を一貫して行っています。 この記事では、BUYMA アプリのホーム画面に検索クエリレコメンドを導入し、ホームレコメンド経由の CVR の向上、アプリ全体の商品閲覧ユーザー率（商品詳細を閲覧したユーザー/全体ユーザー）の改善をした事例を紹介します。 レコメンドシステム全体としては、機械学習ロジックとバックエンド実装の両方がありますが、今回は前者の機械学習ロジックを中心に紹介します。バックエンド実装は別途紹介予定です。 施策の目的 新しいレコメンドイメージ 新しいレコメンドによる…
目次 前回商品のダミーデータを用いてGNNにより予測を行いました。 ですが、ダミーデータは少し味気ありません。 GNNの学習用の公開データセットが存在するので、実際のデータを用いて実験してみようと思います。 本日テーマ： 実際に公開データを用いてGNNを学習・推論させてみる 🎵 BGMを再生する 実験内容 今回実験に使うデータセットは、MovieLens 1M データセットです。 本データセットは次のリファレンスに記載されているものです。PyTorch Geometric Docs。 以下、その詳細を整理します。 1. データセットの基本情報 提供元: GroupLens Research（M…
こんにちは、 レバレジーズ株式会社のテクノロジー戦略室所属、MLエンジニアの濱田です！ 弊社では機械学習モデルを用いたレコメンドシステムを複数運用しています。 そのシステムの一部として、モデル実験とその共有・管理のための実験管理基盤を作ったため、本日は作成の背景や気をつけたポイントなどの過程をご紹介したいと思います。 背景 使うデータやアルゴリズムの選定をはじめ、レコメンドシステムで運用されているモデルは、社内のデータサイエンティストが基本的に作成を一手に担っています。 そのため、モデルの学習過程で使用されるデータや試行ごとのメトリクス（モデルの性能を測る評価値）などが社内で共有されず、結果と…
丹精込めて作った自分のWebサイトが、広いインターネットで誰にも見つからず、 心細さを感じたことはないだろうか。 今回は、誰かに見つけてもらうにはどうしたらいいのかと、 四苦八苦した私の体験談である。 検索エンジンって今も登録するの？ 30年ほど前の事だが、私がHTMLを使いホームページを作る遊びに夢中だった頃「ホームページを作ってくれ」と家族に頼まれた。 作るのは難しくなかったが宣伝方法に苦戦した。当時は各種検索エンジンに引っかかる様に、手当たり次第にURL登録を申告した気がする。そして、検索エンジンのクローラーが巡回してページ内容を読み取り、インデックスに登録される。そして、やっと検索結果…
はじめまして。NTTドコモ サービスイノベーション部の西岡竜生です。 普段はデータサイエンティストとして、主に映像配信サービスなどのエンタメ領域における生成AIを活用した業務効率化やコンテンツ推薦の価値向上に取り組んでいます。 本記事では、エンタメコンテンツに対するRAGの課題に対し、市中技術を適用した検証結果をまとめます。 はじめに 1. 映画推薦におけるRAGの必要性と課題 なぜLLM単体ではなくRAGが必要なのか RAGで実装する場合の課題 2. 実験設定 目的 データセット 文書作成 クエリの生成手法 3. 結果と考察 結果 結果の分析 考察 文書拡張の効果：ノイズ除去とムードの顕在化…
こんにちは。データサイエンティストの白井です。 今日は、LLMのEmbeddingをアイテム推薦に活用すると、どんな推薦が可能になるかを紹介したいと思います。 はじめに アイテム推薦とは アイテム推薦の種類 行動履歴ベース推薦 コンテンツベース推薦 LLMのEmbeddingはコンテンツベースの強い味方になる 利用データについて MovieLens TMDb 行動履歴ベース推薦の実践 実施内容 推薦結果 分かること 1. 「ハリーポッターと賢者の石」の結果が、シリーズが並んでいる。 2. 「もののけ姫」や「君の名は」の結果が、同じ制作会社や監督が並んでいる。 3. 全体的に、推薦対象映画の上映…
はじめに レバレジーズのデータ戦略室で室長をしている阪上です。 これまでレバレジーズの運営する人材紹介系サービスの事業部内で、業務効率化のためにレコメンドエンジンを開発することが多かったので、つまずいたいくつかの壁について記します。 論文などに裏付けされた書籍に書かれているような観点もあれば、知行合一というか、アルゴリズム開発をやってみて初めて気づける観点もあると思いますので、少しでも参考になれば嬉しいです。 レコメンドエンジンの目的 事業会社としてお客様に求人情報などを提案することが行われていますが、一人の人間が覚えることができる求人情報の数は限られています。 また、求人情報の検索をするにも…
はじめに 初めまして、ecbeingのふっきーです。 配属当初よりマイクロサービス開発統括部のAiReco（アイレコ、旧：LightningRecommend）チームに所属しており、4月で3年目となりました。 AiRecoとは、ecbeingが提供するレコメンドツールです。 サービス名称にもついているようにAiRecoではAIを活用しており、AIがお客様に合う最適な商品を提案してくれます！ 今回はそんなAiRecoのご紹介と、レコメンドの仕組みを簡単に説明したいと思います。 目次 はじめに 目次 ECサイトにおけるレコメンドとは AiRecoについて レコメンドタイプ オプション 仕組み デー…
本記事は、ドコモアドベントカレンダー2023の18日目の記事になります。 こんにちは。NTTドコモサービスイノベーション部1年目社員の髙橋克です。 入社してから、主にレコメンデーションシステムの技術開発に携わらせていただいてます。 本記事では、OpenAI、Googleの提供しているLLMのテキスト埋め込みモデルを使い、レコメンドを行う際の商品情報の特徴量化の方法について検討し、主観評価してみました。 始めに 自然言語処理（NLP）分野において、テキストデータの理解は重要な課題の一つです。初期段階ではキーワードベースのアプローチが主流でしたが、技術の進歩により、「Word2Vec」のような方法…
tsutaya.tsite.jp
www.publickey1.jp
diamond.jp
www.itmedia.co.jp
maaash.jp
hatenanews.com
www.hikarujinzai.com
www.assioma.jp
japan.zdnet.com
