DMM.comにおけるレコメンドへのDeep Learningの活用

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Copyright © since 2017 DMM All Rights Reserved. Copyright © since 2017 DMM All Rights Reserved. 8 これまでの活動登壇 2015/02：Developers Summit Winter 2015：リアルタイムレコメンド(Spark) 2015/11：Cloudera World Tokyo 2015: Kafka 2016/02：Hadoop/Spark Conference Japan 2016： Hive on Spark 2016/11：Cloudera World Tokyo 2016：ディープラーニングプレスリリース 2015/09：“Sparkを活⽤したアジアパシフィック初のレコメンド基盤実現” 2017/05：“DMM.comラボとIDCフロンティア、コンテンツレコメンドの精度向上を共同検証”

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

Slide 13

Slide 13 text

Slide 14

Slide 14 text

Slide 15

Slide 15 text

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

Slide 19

Slide 19 text

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

Slide 24

Slide 24 text

Slide 25

Slide 25 text

Slide 26

Slide 26 text

Copyright © since 2017 DMM All Rights Reserved. Copyright © since 2017 DMM All Rights Reserved. 26 Illustration2Vec Illustration2Vec : http://illustration2vec.net/ 様々なイラストを学習したモデル画像から特徴 (タグ)とスコアを取得可能 Illustlatio n2vec brown hair : 0.9 smile : 0.8 long hair : 0.8 特徴タグとスコア

Slide 27

Slide 27 text

Slide 28

Slide 28 text

Copyright © since 2017 DMM All Rights Reserved. Copyright © since 2017 DMM All Rights Reserved. 28 ⾃作モデルの作成 Illustration2Vec で得られない特徴も算出したい Deep Learning Illustlatio n2vec ⾃作モデル cute : 0.9 brown hair : 0.9 smile : 0.8 long hair : 0.8 young : 0.6 特徴タグとスコア

Slide 29

Slide 29 text

Slide 30

Slide 30 text

Slide 31

Slide 31 text

Slide 32

Slide 32 text

Slide 33

Slide 33 text

Slide 34

Slide 34 text

Slide 35

Slide 35 text

Slide 36

Slide 36 text

Slide 37

Slide 37 text

Slide 38

Slide 38 text

Slide 39

Slide 39 text

Slide 40

Slide 40 text

Slide 41

Slide 41 text

Slide 42

Slide 42 text

Slide 43

Slide 43 text

Slide 44

Slide 44 text

Slide 45

Slide 45 text

Slide 46

Slide 46 text

Slide 47

Slide 47 text

Slide 48

Slide 48 text

Slide 49

Slide 49 text

Slide 50

Slide 50 text

Slide 51

Slide 51 text

Slide 52

Slide 52 text

Copyright © since 2017 DMM All Rights Reserved. Copyright © since 2017 DMM All Rights Reserved. 52 Deep Learning: 実装⾯ライブラリ言語 TensorFlow Python, C++ Caffe Python, C++ Chainer Python Torch7 Lua H2O R, Python Deeplearning4j Java/Scala (JVM言語) Deep Learning の利⽤までの学習や実装がたいへんではないか？・Tensorflow や Caffe などの Deep Learning ライブラリの利⽤

Slide 53

Slide 53 text

Copyright © since 2017 DMM All Rights Reserved. Copyright © since 2017 DMM All Rights Reserved. 53 Deep Learning: 実装⾯ライブラリ言語 TensorFlow Python, C++ Caffe Python, C++ Chainer Python Torch7 Lua H2O R, Python Deeplearning4j Java/Scala (JVM言語) ① 過去の資産が豊富 ② NVIDIAのDeepLearning 学習ツールDIGITSが便利 Deep Learning の利⽤までの学習や実装がたいへんではないか？・Tensorflow や Caffe などの Deep Learning ライブラリの利⽤

Slide 54

Slide 54 text

Copyright © since 2017 DMM All Rights Reserved. Copyright © since 2017 DMM All Rights Reserved. 54 Deep Learning ⽤の環境の準備が⼤変ではないか？・Cloudサービスで簡単にGPU環境が使える Deep Learning: 環境⾯ IDCF クラウド (M40 インスタンス) NVIDIA Tesla M40

Slide 55

Slide 55 text

Slide 56

Slide 56 text

Slide 57

Slide 57 text

Slide 58

Slide 58 text

Slide 59

Slide 59 text

Slide 60

Slide 60 text

Copyright © since 2017 DMM All Rights Reserved. Copyright © since 2017 DMM All Rights Reserved. 60 30 epoch 200 epoch 過学習汎化誤差と学習誤差に⼤きな差がある - Dropoutの調整 - ユニット数・レイヤー数の調整 Deep Learning: モデルのチューニング学習曲線から汎化能⼒と過学習の有無を判断しパラメータをチューニング

Slide 61

Slide 61 text

Slide 62

Slide 62 text

Slide 63

Slide 63 text

Copyright © since 2017 DMM All Rights Reserved. Copyright © since 2017 DMM All Rights Reserved. 63 まとめ商品のパッケージ画像が類似した商品をレコメンド・画像特徴を算出するモデルの作成 • 学習データやモデルの作成に関して説明 • 学習データ周りは泥臭いことが多々 • ライブラリ等を活⽤すればDeep Learning⾃体の実装は簡単課題はあるが簡単に様々なサービスへ活⽤可能

Slide 64

Slide 64 text