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
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
110
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
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
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
Claude Code × git worktree で並列開発 (続き) -差分のサービスだけを併設する-
nearme_tech
PRO
1
61
Claude Code × git worktree で並列開発 — サブモジュール構成のリポジトリで成立させる —
nearme_tech
PRO
0
75
LLM + 強化学習
nearme_tech
PRO
0
34
PosthogのA/Bテスト機能の紹介
nearme_tech
PRO
1
98
AIフレンドリーなプロダクトに向けて
nearme_tech
PRO
2
67
初めてのLean言語
nearme_tech
PRO
0
110
Apache Airflow Workflow orchestration without turning cron into spaghetti
nearme_tech
PRO
2
42
実務で役立つ幾何学 ボロノイ図の基礎から グラフ・ネットワーク応用まで
nearme_tech
PRO
1
85
SQL/ID抽出タスクから考える 実践的なハルシネーション対策
nearme_tech
PRO
1
93
Other Decks in Research
See All in Research
Google Cloud Next 2026 DM Recap Agentic Data Cloudを添えて / Google Cloud Next 2026 DM Recap
nnaka2992
0
140
2025年度秋葉原ウォーカブルプロジェクト調査報告 「アキバらしいウォーカブル」とは何か
izumiyama_lab
1
240
Harness Engineering and Al Agent
kzinmr
3
2k
高性能計算機クラスタを用いた大規模点群処理による森林の単木抽出と構造解析
kentaitakura
1
140
第64回CV・PRML勉強会 論文紹介:Linguistic Priors for Visual Decoupling: Towards Symmetric Vision-Brain Alignment
sokikatayama
0
230
シングルチャネルマルチトーカー音声認識の進展
ryomasumura
0
330
VRID: View-Invariant Representation through Dual-Axis Transformation for Cross-iew Pose Estimation
satai
3
110
[ACL 2026 Demo] Fast-MIA: Efficient and Scalable Membership Inference for LLMs
upura
0
130
Développer des solutions de réduction des émissions de méthane entérique : 1ers résultats Méthane 2030
institudelelevage
PRO
0
200
Karkada さんの論文 × 2 の紹介: (1) Closed-Form Training Dynamics Reveal Learned Features and Linear Structure in Word2Vec-like Models, (2) Symmetry in language statistics shapes the geometry of model representations
eumesy
PRO
1
800
HackSick vol.7 LT資料【LLMアーキテクチャ入門・事前学習時の躓き所解説】 スパースなAttention・状態空間モデル
rikkabotan7
0
210
Kaggle|AI Agent Security — しくじり先生、俺みたいになるな
pomcho555
1
120
Featured
See All Featured
How STYLIGHT went responsive
nonsquared
100
6.3k
Collaborative Software Design: How to facilitate domain modelling decisions
baasie
1
330
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4.6k
Six Lessons from altMBA
skipperchong
29
4.5k
Stop Working from a Prison Cell
hatefulcrawdad
274
21k
A Guide to Academic Writing Using Generative AI - A Workshop
ks91
PRO
1
500
Heart Work Chapter 1 - Part 1
lfama
PRO
10
36k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
28
3.7k
The untapped power of vector embeddings
frankvandijk
2
1.9k
svc-hook: hooking system calls on ARM64 by binary rewriting
retrage
2
600
The B2B funnel & how to create a winning content strategy
katarinadahlin
PRO
1
550
Hiding What from Whom? A Critical Review of the History of Programming languages for Music
tomoyanonymous
3
1.3k
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