Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
協調フィルタリング #TechLunch
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
Livesense Inc.
PRO
April 21, 2014
Technology
94
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
協調フィルタリング #TechLunch
協調フィルタリング
2012/08/08 (水) @ Livesense TechLunch
発表者:土屋 雅行
Livesense Inc.
PRO
April 21, 2014
Transcript
13 slides
協調フィルタリング 土屋雅行
2 INDEX レコメンド技術導入の目的・メリット レコメンド技術導入で起こってはならないこと 協調フィルタリング アイテムベースの考え方
アイテムベースの問題点 ユーザーベースの考え方 ユーザーベースの問題点 アイテムベースの問題点の解決
3 レコメンド技術導入の目的・メリット コンバージョンに結びつく効果的なレコメン ド 検索・回遊導線の向上 簡単で意図的なレコメンド
セレンディピティ(思いがけない発見)の提 供
4 不適切なレコメンド 重複したレコメンド 既存システムに負荷などのリスクを与える レコメンド技術導入で起こっては ならないこと
5 アイテムベース →ユーザー行動履歴を基に、アイテム間の 類似値を分析し、関連性の高いアイテムを 推薦 ユーザーベース →ユーザー行動履歴を基に、ユーザーごと の嗜好の類似値を分析し、他のユーザーが
好んだアイテムを推薦 協調フィルタリング
6 アイテムベースの考え方 別資料
7 アイテムベースの問題点 1. セットで閲覧するケースが少ない場合、レコメンドされない 、またはレコメンドの精度が悪くなる 2. レコメンドされるアイテムが人気の高いアイテムに偏る 3. レコメンドされるアイテムが長期間掲載しているアイテム に偏る
4. 同一アイテムに対する連続的な閲覧や、クローラー、運営 者などの閲覧によって偏る 5. 関連性のないカテゴリのアイテムがレコメンドされてしまう 6. 自動計算では意図的なレコメンドができない
8 ユーザーベースの考え方 別資料
9 ユーザーベースの問題点 1. ユーザーごとのデータ蓄積が必要なため、初回訪問者へ のレコメンドができない 2. ユーザー数>>アイテム数なため、アイテムベースに比 べて精度が保てる程度のまでのデータ蓄積が遅い 3. ユーザー数>>アイテム数なため、データと計算量が膨
大
10 アイテムベースの問題点の解決 問題1:精度が悪い →行動履歴取得を複数ヶ所で+重み付け 例) ・閲覧×1 ・お気に入り登録×5 ・応募×10
11 アイテムベースの問題点の解決 問題2~4:偏る →各レコメンドアイテムに対する評価を、例えば、5段階で 定義し、レコメンド確率を再設定する 例) 別資料 →1ヶ月前の閲覧より昨日の閲覧を高く評価する、一定期 間より昔の閲覧を集計から除外 →同一アイテムに対する連続的な閲覧や、クローラー、運
営者などの閲覧、レコメンド経由の閲覧を集計から除外
12 アイテムベースの問題点の解決 問題5:関連性のないカテゴリのアイテムがレコメンドされる →ユーザーの登録情報を基にフィルタリング 例)希望職種や希望業種 問題6:意図的なレコメンドができない →一定のルールを適用できる機能を作る 例)特定の企業、求人をレコメンドする(しない)
13 次回 スマートフォン開発について
More Decks by Livesense Inc.
See All by Livesense Inc.
新規商品の開発におけるAIの活用 〜挑戦は人間にしかできない〜
livesense
PRO
0
34
味覇で作るパスタが美味い - 20261001_yabaubuki.dev
livesense
PRO
0
210
Rubyはただの⾔語に⾮ず
livesense
PRO
0
620
28新卒_Webエンジニア職採用_会社説明資料
livesense
PRO
0
190
27新卒_総合職採用_会社説明資料
livesense
PRO
0
7.9k
27新卒_Webエンジニア職採用_会社説明資料
livesense
PRO
0
13k
株式会社リブセンス・転職会議 採用候補者様向け資料
livesense
PRO
0
620
株式会社リブセンス 会社説明資料(報道関係者様向け)
livesense
PRO
1
1.8k
データ基盤の負債解消のためのリプレイス
livesense
PRO
0
750
Other Decks in Technology
See All in Technology
Kubernetes, Agones, WebRTC, GPU で作る クラウドゲーミング基盤を本番運用に乗せるまで
vivion
0
270
さようならSSH鍵、こんにちはゼロトラスト ― AIフレンドリーで快適な自宅鯖SSH
atalie2m
14
7.5k
OpenTelemetryで変わった 新時代のCloudWatchメトリクス監視
tsukuboshi
0
500
HTTP QUERY時代の型安全な検索APIをKotlinで設計する
sansantech
PRO
1
130
AWS re:Invent 2026 FSI Pre-Event Networking Night
junjikoide
0
190
人の努力に頼らないセキュリティをエンジニアリングする在り方 / An approach to engineering security that does not rely on human effort
carta_engineering
0
240
New Relicのアラート対応をClaude Codeで自動修正するワークフローを作った話
manabuseki
2
560
サーバーラックは作る時代! 3Dプリンターで作る10インチラックのススメ
jacopen
2
520
こんなに変わった! AWSネットワークの常識
shotashiratori
16
11k
AI-Ready なデータ基盤ってなに? & 新卒未経験が、いま考えていること
imuta
0
1.1k
自動計装なしでECSサービスをApplication Signalsに載せるまで
ota1022
2
470
AWS Well-Arhitected Frameworkセキュリティの柱 について
miu_crescent
PRO
2
250
Featured
See All Featured
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
3k
Getting science done with accelerated Python computing platforms
jacobtomlinson
2
580
技術選定の審美眼(2025年版) / Understanding the Spiral of Technologies 2025 edition
twada
PRO
121
130k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
234
18k
The SEO identity crisis: Don't let AI make you average
varn
0
630
How to train your dragon (web standard)
notwaldorf
96
6.9k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4.7k
コードの90%をAIが書く世界で何が待っているのか / What awaits us in a world where 90% of the code is written by AI
rkaga
63
48k
Max Prin - Stacking Signals: How International SEO Comes Together (And Falls Apart)
techseoconnect
PRO
0
540
The Impact of AI in SEO - AI Overviews June 2024 Edition
aleyda
6
1.3k
Deep Space Network (abreviated)
tonyrice
0
430
Six Lessons from altMBA
skipperchong
29
4.6k