(多分)あなたの知らないグラフデータベースの世界

Transcript

1. あなたの知らない
   グラフデータベースの世界
   

   View Slide

2. View Slide

3. View Slide

4. 今日は、音声レコメンドと
   その実装方法について検証している内容を
   お話しします！
   
   

   View Slide

5. 計算手法 言葉で言うと、 長所 短所
   コンテンツベース
   これを聴いているあなたに
   は●●がオススメ
   利用者の情報がなくても、
   入力できる。
   意外性が無いものが出
   る。
   協調フィルタリング
   あなたと似ている人は ●●
   を聴いています
   意外性のあるアイテムが
   表示される場合がある (多
   様性)
   利用者の情報が少ないう
   ちはワークしない。
   少数者のアイテムはオス
   スメされない。
   ハイブリッド型
   これを聴いているあなたに
   は●●がオススメだけど、
   似ている人は▲▲だか
   ら、●▲にしよう。
   良いところどり 実装の複雑性が増す
   レコメンド実装3つの分類
   最強!
   

   View Slide

6. バッチ処理型の課題 → 計算量の増加による遅延
   モデルA
   モデルB
   フィルタ 最終的なリスト
   計算に1Hかかる
   計算に1Hかかる
   “今”を捉えていないリストが完成
   ステーキが好きだからと言って、四六時中ステーキ食べたいわけ
   では無いですよねえ
   (例)協調フィルタリングの場合は、
   ユーザー数 x(ユーザー数 -1)の計算量が必要に ...。
   

   View Slide

7. Voicyに当てはめると....
   リスナーAさん
   サウザー完聴済み が、高木えみさんを5つ連続で聴いたケース
   バッチ処理から生まれるリスト → 一般的な特性から生まれたリスト
   バッチ + ストリーム処理から生まれるリスト → Nowのムードを反映したリスト
   ゴッホの放送 加藤ひろゆきの放送 サウザーの過去放送
   ゴッホの放送
   高木えみの放送 marikoの放送
   

   View Slide

8. そこでグラフデータベース が登場
   クエリの実行速度が早い
   実装が簡単
   リアルタイムレコメンド
   がメインのユースケース
   

   View Slide

9. Q1:
   って何やねん?
   A1:
   “ノード”と”エッジ”と”プロパティ”で、
   現実世界を抽象化したデータベース。RDBと比べて、クエリが圧倒的
   に高速 & モデリングが簡単&スキーマレスなどの特徴を持つ。
   Pythonから触れるクライアントがあるよ(大事)
   

   View Slide

10. 現実:
    リスナー「Voicy太郎」さんが、「支援家K」さんを「100分」聞きました
    モデリング:
    Label: Listener Label:Speaker
    name: Voicy太郎
    gender: 1
    name: 支援家K
    Label: LISTENED
    total_play_minutes: 100
    ノード
    ノード
    エッジ
    

    View Slide

11. Neo4jで表現するとこんな感じ....
    (現実世界)
    リスナー”Masaki Sato”さんが、支援家Kさんを累計690分、放送を6個聞きました。
    (モデリング結果)
    ノード
    - Listenerラベル
    - genderとnameをプロパティに持つ
    リレーション
    - LISTENED リレーション
    - total_play_minutesとtotal_play_playlistsをプロパティに持つ
    

    View Slide

12. Neo4jで表現するとこんな感じ....
    (現実世界)
    ”支援家K”さんがたくさん放送しているよ！
    (モデリング結果)
    ノード
    - Speakerラベル
    - publishedとnameをプロパティに持つ
    ノード
    - Playlistラベル
    - total_play_minutesとnameをプロパティに持つ
    

    View Slide

13. Q2:
    実際のサービスではどう使えるの?
    A2:
    クエリ実行速度が非常に高速なので、ニアリアルタイムで
    おすすめリストを生成できる
    

    View Slide

14. - 音喜多俊さんを聴いているリスナーが、最も良く聴いているパーソナリティのリストを作成せよ
    実際に協調フィルタリングを試してみた(1)
    Cypherクエリ
    実行結果
    

    View Slide

15. - 音喜多俊さんを聴いているリスナーが、最も長く再生しているパーソナリティのリストを作成せよ
    実際に協調フィルタリングを試してみた(2)
    Cypherクエリ
    実行結果
    

    View Slide

16. バッチxリアルタイムで
    ムードに合わせたレコメンデーションを志向
    バッチ集計
    (コンテンツベース)
    リアルタイム
    (協調フィルタリング)
    ↑ここのフィルタにどこまで情報を組み込めるかが大事
    - 好きでないものは出ないようにする
    - 好きなPの傾向を反映する..etc
    フィルタ 最終的なリスト
    などの即時計算が可能な機構
    

    View Slide

17. View Slide

18. “Voicy テックブログ”で検索すると、テックブログが現れます！
    

    View Slide