【全7回】グラフはなぜ使われていない？どうやって使われている？グラフデータベース活用事例 #4

今回は「リコメンデーションと機械学習」編！（オンライン開催）
Youtube: https://youtu.be/ZmMWAST3Y44

グラフデータベースと呼ばれる DBMS（正確さのために「グラフ DBMS」と表記します）は 10年以上前から市場に存在しており、今では多くの開発者がその概要、たとえばグラフという直感的なモデルや「辿る」処理の性能メリット、について見聞きしたことがあるかと思います。その一方で、実際のシステム、とりわけ可用性や安定性が求められるビジネス・クリティカルなシステムでグラフ DBMS が採用されている例は今まで非常に稀でした。

グラフというデータモデルは DBMS で扱うビジネス価値がないのでしょうか。または、長らく注目されているグラフのユースケース（金融の不正検知、製造のトレーサビリティ分析、犯罪や税の不正の調査など）には障壁があるのでしょうか。そんな懸念も持たれていましたが、この数年、一転して、いくつもの業種でグラフ DBMS の導入が検討されるようになりました。

このシリーズでは、最近のユースケースを掘り下げて見てみることで、なにがブレークスルーになっているのかを探っていきたいと思います。ご担当業種で今すぐ再利用いただけるネタ・デモなども共有する予定です。以前よりグラフ DBMS の用途を模索しながら悪戦苦闘してきた登壇者が、その失敗経験なども交えながら、まだまだ進化していくデータベースの面白さをお伝えします。

1 銀行送金の可視化と不正検知 11/17（木） 満員御礼
2 犯罪や税不正、利益相反の調査 12/08（木） 満員御礼
3 部品表とトレーサビリティ 01/12（木） 満員御礼
4 リコメンデーションと機械学習 02/09（木） 本ページ
5 仮）配送計画の最適化と見える化 03/09（木） 予定
6 仮）通話履歴の分析、詐欺の検出 04/13（木） 予定
7 仮）社員の協業の可視化と評価 05/11（木） 予定

Transcript

1. グラフはなぜ使われていない？どうやって使われている？ グラフデータベース活用事例まとめ #4「リコメンデーションと機械学習」編 Ryota Yamanaka Product Manager Asia-Pacific Spatial and Graph, Product Development Feb 9, 2023
2. ユースケース概要、顧客事例、デモコンテンツを紹介します • 第1回（11月17日）銀行送金の可視化と不正検知（金融） • 第2回（12月08日）犯罪や税不正、利益相反の調査（公共） • 第3回（01月12日）部品表とトレーサビリティ（製造） • 第4回（02月09日）リコメンデーションと機械学習（小売） • 第5回（03月09日）配送計画の最適化と見える化（物流） 航空機搭乗者の関係性の検出 • 第6回（04月13日）通話履歴の分析、詐欺の検出（通信） 情報システムとクリティカルパス • 第7回（05月11日）社員の協業の可視化と評価（人事） 対象：各インダストリでグラフデータベースの導入を検討されている方、 グラフという技術に興味がある方（コンプするとグラフエキスパートになれる？） Agenda Copyright © 2023, Oracle and/or its affiliates 2
3. リソース • 日本語 • このシリーズのスライドの公開先 • https://oracle-code-tokyo-dev.connpass.com/event/265244/ • CodeZine 記事「グラフ・データベースはなぜ使われてこなかったか、その展望とは」 • https://codezine.jp/article/detail/16539 • Qiita: https://qiita.com/tags/oraclegraph • Twitter: https://twitter.com/uraryotas • 英語 • Medium: https://medium.com/tag/oracle-graph • LinkedIn: https://www.linkedin.com/groups/1848520/ • YouTube: https://www.youtube.com/channel/UCZqBavfLlCuS0il6zNY696w Copyright © 2022, Oracle and/or its affiliates 3
4. Copyright © 2023, Oracle and/or its affiliates 4 ユースケース紹介
5. 1. 購買記録から顧客と商品の二部グラフを作成 Copyright © 2023, Oracle and/or its affiliates 5 • 表からグラフを定義 • 顧客や商品のマスター（ディメン ション表）からノードを作成 • 購買のトランザクション（ファク ト表）からエッジを作成 • 分析の対象と手法によって、データ ウェアハウス内の必要なデータのみ をグラフに変換することが可能 • ビュー（PG View）として保持す るためデータの複製は不要 • アルゴリズム利用の際にはメモリ 上にグラフをロード Customer Product Purchased Recommendation
6. 2. アルゴリズムを用いてリコメンデーションを計算 Copyright © 2023, Oracle and/or its affiliates 6 • Two approaches • Evaluate only the surrounding information (for on-the-fly, real-time recommendation) • Evaluate the entire graph (then, calculate the similarity scores between vertex vectors)
7. 2. アルゴリズムを用いてリコメンデーションを計算 Copyright © 2023, Oracle and/or its affiliates 7 • グラフ全体に対する処理が必要ないもの • PPR (Personalized PageRank): ランダムウォークを用いて関係性の高いノードを検出 • SALSA (Stochastic Approach for Link-Structure Analysis): PPR の二部グラフへの拡張 • 二部グラフでなく Twitter のような同質グラフの場合には Who-to-follow • グラフ全体に対する処理が必要なもの（ベクトル表現の類似度を利用） • 協調フィルタリング: 顧客数を次元数とした行列を Matrix Factorization で次元圧縮 • DeepWalk: ランダムウォークの結果を文字列として word2vec に与えてノードのベクトル表現を取得 • GraphWise: スケーラブルな Graph Neural Networks の実装で、ノードのプロパティの畳込みが可能 ＊ボールド体で記載されたアルゴリズムは全て Graph Server にはじめから内蔵されており、 必要に応じてカスタマイズも可能
8. 3. リコメンデーションの取得と利用 Copyright © 2023, Oracle and/or its affiliates 8 • 計算結果はグラフに格納できる • ノードのリコメンデーションスコア • ノードのベクトル表現 • クエリによって制約条件を満たす優先度 の高いリコメンデーションを検索 • 以前に購買されていないものなど • 結果をデータベースに下記戻して永続化 することで再利用することも可能 • APEX アプリケーションなど
9. 3. リコメンデーションの取得と利用 Copyright © 2023, Oracle and/or its affiliates 9
10. Copyright © 2023, Oracle and/or its affiliates 10 顧客事例
11. CaixaBank - 顧客 360 度分析 Copyright © 2023, Oracle and/or its affiliates 11 • 関係性を加えて顧客データを充実させる • 顧客プロファイルの充実 • リスク評価の向上 • 情報源 • 同じ時間、同じ場所でクレジットカードを利用 • 関係性を示唆する銀行送金、e-Wallet 決済 • ワークフロー • リレーショナルデータからメイングラフへの マッピング、サブグラフの抽出 • メモリに移動し、アルゴリズムを実行 • ビジネスアナリストによるインタラクティブな 分析と結果を基にしたバッチ処理 Images courtesy: Caixabank https://youtu.be/j_RlUmd6qps
12. Copyright © 2023, Oracle and/or its affiliates 12 デモの内容
13. 1. 購買記録から顧客と商品の二部グラフを作成 Copyright © 2023, Oracle and/or its affiliates 13 • Moviestream データセット • 148,129 顧客 • 3,800 映画タイトル • 956,730 購買履歴（2019-01） • こちらのワークショップからダウンロード • https://apexapps.oracle.com/pls/apex/r/dbp m/livelabs/view-workshop?wid=889 • 他の顧客のレンタルの傾向から、顧客がまだ観 ていない映画を推薦できるか CREATE PROPERTY GRAPH graph1 VERTEX TABLES ( customer KEY (cust_id) LABEL customer PROPERTIES (cust_id, first_name, last_name, email) , movie KEY (movie_id) LABEL movie PROPERTIES (movie_id, title, year) ) EDGE TABLES ( rental KEY (sales_id) SOURCE KEY(cust_id) REFERENCES customer DESTINATION KEY(movie_id) REFERENCES movie LABEL rented PROPERTIES (day_id) )
14. 2. アルゴリズムを用いてリコメンデーションを計算 Copyright © 2023, Oracle and/or its affiliates 14
15. 2. アルゴリズムを用いてリコメンデーションを計算 Copyright © 2023, Oracle and/or its affiliates 15
16. 3. リコメンデーションの取得と利用 Copyright © 2023, Oracle and/or its affiliates 16
17. Copyright © 2023, Oracle and/or its affiliates 17 デモ！
18. Oracle Graph に関する情報 （再掲） • 日本語 • このシリーズのスライドの公開先 • https://oracle-code-tokyo-dev.connpass.com/event/265244/ • CodeZine 記事「グラフ・データベースはなぜ使われてこなかったか、その展望とは」 • https://codezine.jp/article/detail/16539 • Qiita: https://qiita.com/tags/oraclegraph • Twitter: https://twitter.com/uraryotas • 英語 • Medium: https://medium.com/tag/oracle-graph • LinkedIn: https://www.linkedin.com/groups/1848520/ • YouTube: https://www.youtube.com/channel/UCZqBavfLlCuS0il6zNY696w Copyright © 2023, Oracle and/or its affiliates 18