Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
routing-apiにレコメンド機能を追加する
Search
NearMeの技術発表資料です
PRO
April 21, 2023
Research
0
67
routing-apiにレコメンド機能を追加する
NearMeの技術発表資料です
PRO
April 21, 2023
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
2つの曲線を比較する方法ってあるの? 〜フレシェ距離を試してみた〜 with Python
nearme_tech
PRO
1
18
Constrained K-means Clustering (クラスタサイズの制限をしたK-means法) を調べてみた
nearme_tech
PRO
0
16
VRPの近傍操作SWAP*について調べてみた
nearme_tech
PRO
1
49
新人エンジニアが読んでためになった本
nearme_tech
PRO
2
21
Object–relational mapping and query builder battle 1: Intro to Prisma
nearme_tech
PRO
1
29
深層学習モデルの最適化 -Deep Learning Tuning Playbookを読む-
nearme_tech
PRO
1
52
機械学習を支える連続最適化
nearme_tech
PRO
1
44
サードパーティクッキーの終焉と Topics APIによる代替の可能性
nearme_tech
PRO
1
81
ONNXハンズオン
nearme_tech
PRO
2
28
Other Decks in Research
See All in Research
訓練データ作成のためのCloudCompareを利用した点群の手動ラベリング
kentaitakura
0
920
Evolutionary Optimization ofModel Merging Recipes (2024/04/17, NLPコロキウム)
iwiwi
9
5k
Introduction of NII S. Koyama's Lab (AY2024)
skoyamalab
0
330
SSII2024 [PD] 画像センシングの未来
ssii
PRO
0
290
Off-Policy Evaluation of Slate Bandit Policies via Optimizing Abstraction(日本語版)
aiueola
0
120
[輪講資料] Text Embeddings by Weakly-Supervised Contrastive Pre-training
hpprc
3
720
単語埋め込みを用いた日本語オノマトペにおける有声・無声子音の対立による音象徴の分析
shunnosukemotomura
0
390
一人称視点映像解析の基礎と応用(CVIMチュートリアル)
takumayagi
0
800
機械学習と数理最適化の融合-文脈付き確率的最短路を例として-
mickey_kubo
2
670
The Future of AI: Beyond Completion Models to Systematic Innovation
sunghopark0
0
120
SSII2024 [SS1] 拡散モデルの今 〜 2024年の研究動向 〜
ssii
PRO
2
1.9k
機械学習を用いたポケモン対戦選出予測
fufufukakaka
1
560
Featured
See All Featured
Into the Great Unknown - MozCon
thekraken
20
1.3k
Learning to Love Humans: Emotional Interface Design
aarron
269
39k
Documentation Writing (for coders)
carmenintech
63
4.2k
Music & Morning Musume
bryan
43
5.9k
Imperfection Machines: The Place of Print at Facebook
scottboms
262
13k
Git: the NoSQL Database
bkeepers
PRO
423
64k
Navigating Team Friction
lara
181
13k
GraphQLとの向き合い方2022年版
quramy
36
13k
Done Done
chrislema
179
15k
Rebuilding a faster, lazier Slack
samanthasiow
78
8.5k
Writing Fast Ruby
sferik
623
60k
How GitHub (no longer) Works
holman
305
140k
Transcript
0 routing-apiにレコメンド機能を追加する 2023-04-21 第41回NearMe技術勉強会 Yuki Nonaka
1 目次 1. レコメンド機能とは 2. レコメンドの流れ 3. routing-apiの変更すべき点 1
2 お客さんの希望地点から乗車しようとすると、相乗りできない、または相乗りの効 率が悪くなるが、少し離れた地点まで移動してもらうと、効率よく相乗りができるよ うになるというシナリオが想定される。 そこで、routing-apiに上記のシナリオにおいて乗車地点のレコメンドをする機能を 加える。 レコメンド機能とは 2 タクシー経路 レコメンド乗車地点
確定した乗客 不確定の乗客
3 routing-apiにおけるクラスの基礎知識 3 solo_ride solo_ride ride routing_model 最大迂回係数 高速道路の使用の有無 .etc
4 レコメンドの流れ 4 レコメンドする乗車地 点をあらかじめ、いく つか決定する レコメンド地点から目 的地までのダミーの solo_rideを生成す る。
ダミーsolo_rideを add_solo_ride関数 を使って追加する 既存のrideにレコメン ド地点がくっつく
5 レコメンドの流れ 5 計 算 結 果 どのrideにも追加されていない 1つ以上のrideに追加されている レコメンド地点の再検討
or 新しく配車 1つのrideに1つのレコメンド 地点が追加されている 1つのrideに複数のレコメン ド地点が追加されている この結果が欲しい
6 レコメンド地点を最大でも1つしか選択しないために、容量に制約がつく問題 (CVRP)として解を求める。capacity,demandを2次元にすることで、この容量制 約を加える。 変更すべき点 6 capacity:[9,1] demand:[1,0] demand:[1,0] demand:[1,1]
demand:[1,1] demand:[1,1] demand:[1,1]
7 • add_solo_ride関数の引数を複数のsolo_rideにし、まとめて処理する。 ◦ addする順番によって結果が変わらないようになる。 • capacityやdemand変数を2次元に変更する。 ◦ レコメンド地点の情報を詰める。 •
需要のコールバックと容量の制約を加える。 ◦ レコメンド地点を最大でも1つしか回らないようになる。 • ペナルティを与え、レコメンド地点を全て回らなくてもエラーが起きないようにす る。 変更すべき点 7
8 Thank you