recommend。 勧める、奨励する、忠告する。
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…
12/9は機械学習コンペに注力しました。 エントリネタを別に用意する余力がないところまでやったので、1日のログを書き残すことにしました。 なお、コンペに関係する情報はディスカッションに出したほうがいいと考えているので、コードや考察は含みません。 一緒にatmaCupやろうぜ！ 目次 目次 atmaCup #16 in collaboration with RECRUIT わからないなりに走る1日目 atmaCup #16 in collaboration with RECRUIT 開会式がこちら お題はレコメンドです！（YouTubeコメントやTwitterでも言及されてますね） sample…
こんにちは、データ統括部データサイエンス（以下DS）グループ所属の小関 (@ozeshun)です。 本記事では、タイミーで取り組んでいるレコメンドに使用するアルゴリズムを検証する際に活用した、RecBoleでの実験方法について紹介したいと思います。 ※Timee Advent Calendar2023の12月8日分の記事です。 RecBoleとは RecBoleを活用したアルゴリズムの実験手順 0. ディレクトリ構成 1. 学習データの準備とRecBoleで使用するconfig fileの用意 2. 学習データをAtomic file *3 へ変換 3. モデルの学習 4. 学習したモデルの検…
この2月は、新年度に向けた目元の印象アップをご提案しています！ フォーナインズの中でも特に人気の高いブロウフレームと、昨今注目の集まるサーモントフレームをレコメンド。数あるデザインの中から一部ピックアップして展開しています。 目に留まるフレームがございましたらカラーバリエーションなどもご案内いたしますので、ご来店時はぜひお掛けになってお試しくださいませ！ ご来店ご検討の方はGoogleマップへフォーナインズ・セレクテット・バイ・ハシモト - Google 検索
はじめに 本記事はNTTドコモ R&D Advent Calendar 2022の20日目の記事です。 こんにちは。 NTTドコモ サービスイノベーション部の明石です。 私は業務でドコモが持つECサイトや動画配信サービスにおけるレコメンドシステムの研究開発をしております。 本記事では、レコメンドとは？という部分から、レコメンドされた内容の理由を説明するXAI（eXplainable AI）モデルの評価結果について述べます。 本記事の内容は情報処理学会所属、MBL研究会*1第104回発表会にて報告した内容*2を基に執筆しております。光栄なことに当発表会において優秀発表賞を頂くことができましたので…
おすすめブクマ(仮) というサイトを運営している id:bukumame です。日頃からブコメ検索をご利用いただきありがとうございます。 本来のおすすめ機能よりも検索機能のほうが利用されている当サイトですが、今日はブコメ検索ではなくトップページのおすすめ機能の改善に関する調査報告をご紹介をいたします。 既存のおすすめ機能の問題点について 既存のおすすめは単純な協調フィルタリングを少し改変したロジックでできていますが、その問題点は主に2点あります： 性能がイマイチ 頻繁なモデル更新が難しい 性能がイマイチなのは、協調フィルタリングでユーザー同士の類似度を計算して、一定以上の類似度を持つユーザーの…
Federated Learningとは、自分が認識した範囲では、分散学習でエッジ側で訓練し、訓練結果の重みだけ（入力や出力そのものは送らず）を中央のサーバーに送って中央のサーバーのモデルを更新し、それをまたエッジに配信していくというアプローチである。入力や出力そのものは送らないため、プライバシー配慮ができていることで近年注目されているそうだ。 参考 - Microsoft PowerPoint - KCCS200423_Kashima_federated.pptx - https://hkashima.github.io/introductionFederatedLearning.pdf し…
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
