Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
Amazon Personalize NAVITIME JAPAN Co., Ltd.
Slide 2
Slide 2 text
自己紹介 大川舞子 (おおかわ まいこ) ● 最近は機械学習モデルの開発運用、 ワークフローの整備
Slide 3
Slide 3 text
主にBtoCで経路案内サービスを 展開しています NAVITIME
Slide 4
Slide 4 text
NAVITIME と AI 経路探索 渋滞予測 ガイダンス マップマッチ ルート パーソナライズ TTS スポットサーチ 自然言語解析 STT レコメンデーション 画像認識 AR 翻訳
Slide 5
Slide 5 text
NAVITIME と AI 経路探索 渋滞予測 ガイダンス マップマッチ ルート パーソナライズ TTS スポットサーチ 自然言語解析 STT レコメンデーション 画像認識 AR 翻訳 コア技術 専門性が高くSaaS利用 はむずかしい 周辺技術 外部AIサービスを自社に カスタマイズすることで精 度を出しているケースも ある
Slide 6
Slide 6 text
用途がマッチすれば 外部サービスも 採用しています🙆
Slide 7
Slide 7 text
No content
Slide 8
Slide 8 text
No content
Slide 9
Slide 9 text
No content
Slide 10
Slide 10 text
● 現在のレコメンデー ションはOSSをベース にAIモデルを構築 ● 現状の課題は改善サ イクル ● Amazon Personalize は評価・検討中
Slide 11
Slide 11 text
Amazon Personalize 試してみた結果
Slide 12
Slide 12 text
学習データ : アクセスログ レシピ : SIMS ハイパーパラメータ : 自動 ※学習データについて詳しくは後述
Slide 13
Slide 13 text
京都御所
Slide 14
Slide 14 text
京都御所 ● 元離宮二条城 (京都) ● 平安神宮 (京都) ● 興福寺 (京都) ● 下鴨神社 (京都) ● 光縁寺 (京都)
Slide 15
Slide 15 text
既存のモデル AWS Personalize ● 元離宮二条城 (京都) ● 平安神宮 (京都) ● 興福寺 (京都) ● 下鴨神社 (京都) ● 光縁寺 (京都) ● 元離宮二条城 (京都) ● 平安神宮 (京都) ● 蓮華王院(三十三間堂) (京都) ● 龍安寺 (京都) ● 八坂神社 (京都)
Slide 16
Slide 16 text
万博記念公園 (大阪)
Slide 17
Slide 17 text
万博記念公園 (大阪) ● 国立民族学博物館 (大阪) ● 大阪城天守閣 (大阪) ● 日産レンタカー 梅田マルビ ル店 (大阪) ● ユニバーサル・スタジオ・ ジャパン (大阪) ● 新梅田食道街 (大阪)
Slide 18
Slide 18 text
既存のモデル AWS Personalize ● 国立民族学博物館 (大阪) ● 大阪城天守閣 (大阪) ● 日産レンタカー 梅田マルビ ル店 (大阪) ● ユニバーサル・スタジオ・ ジャパン (大阪) ● 新梅田食道街 (大阪) ● 太陽の塔 (大阪) ● 国立民族学博物館 (大阪) ● NIFREL(ニフレル) (大阪の水族 館) ● アメリカ村 (大阪) ● 和歌山城 (和歌山)
Slide 19
Slide 19 text
スターバックスコーヒー 渋谷マークシティ店
Slide 20
Slide 20 text
スターバックスコーヒー 渋谷マークシティ店 ● 靖国神社 (千代田区) ● 東京ディズニーランド (千葉) ● ラフォーレ原宿 (渋谷) ● SHIBUYA109 (渋谷) ● 東京 ディズニーシー (千葉)
Slide 21
Slide 21 text
既存のモデル AWS Personalize ● 靖国神社 (千代田区) ● 東京ディズニーランド (千葉) ● ラフォーレ原宿 (渋谷) ● SHIBUYA109 (渋谷) ● 東京 ディズニーシー (千葉) 関連スポットなし チェーン店が苦手な点はどちらも同じ
Slide 22
Slide 22 text
チューニングが必要なOSSと比較しても 得手不得手はあるが概ね問題なし👌
Slide 23
Slide 23 text
良かった点
Slide 24
Slide 24 text
1.学習データがシンプル
Slide 25
Slide 25 text
必要な学習データ
Slide 26
Slide 26 text
必要な学習データ USER_ID, ITEM_ID, TIMESTAMP の3カラムのみ ● 誰が、どのスポットを、何時に見たか CSV
Slide 27
Slide 27 text
以上
Slide 28
Slide 28 text
● アクセスログから抽出したたった3カラムのCSV ファイル1枚でこの精度が出る ● ユーザの操作ログを集めるためにサービスに手 を入れる必要がない
Slide 29
Slide 29 text
● アクセスログから、ス ポットページ(左)への アクセスログのみ抽 出し、不要な情報を 落としたもの ● ユーザIDはUUIDを 使用 ● 578,553レコード
Slide 30
Slide 30 text
No content
Slide 31
Slide 31 text
なくてもOK
Slide 32
Slide 32 text
No content
Slide 33
Slide 33 text
なくてもOK ユーザ情報 (名前・年齢・場所等) アイテム情報 (スポット名・カテゴリ・緯度経度等) なくてもOK ユーザの行動履歴
Slide 34
Slide 34 text
● AIサービスは「とりあえず作ってみないと使い 物になるかわからない」 ● 「ミニマムスタートできるか」が想像よりもずっと 大事
Slide 35
Slide 35 text
必要な学習データ USER_ID, ITEM_ID, TIMESTAMP の3カラムのみ ● 緯度経度やカテゴリすら必要ない (同一ユーザが同じ時間帯に 見ているスポット=近場のスポットが多い)
Slide 36
Slide 36 text
2.Webツールで操作できる
Slide 37
Slide 37 text
GUIでポチポチ モデル作成&デプロイ
Slide 38
Slide 38 text
結果も簡単に 確認できる
Slide 39
Slide 39 text
● 作業手順が分かりやすい ● 作成者以外にも結果を確認してもらいやすい
Slide 40
Slide 40 text
3.APIエンドポイントが 作成される
Slide 41
Slide 41 text
● デプロイ作業不要 (キャンペーンの作成=デプロ イ)
Slide 42
Slide 42 text
4.モデルを作成し直すと 精度が向上する 可能性がある
Slide 43
Slide 43 text
● データは同じでも、日々精度が上がっている(体 感) ● 各レシピの内部アルゴリズムはAWS側で日々改 善される可能性がある
Slide 44
Slide 44 text
Personalizeの 現状の課題
Slide 45
Slide 45 text
1.Personalizeに送ったリアルタイムイベ ントを現状エクスポート出来ない
Slide 46
Slide 46 text
● ログ資産を再利用するには、下記方法でリアル タイムイベントを Amazon Personalize へ送るの が良さそう ○ Amazon Personalize と 保管用自社サーバ 両方に送る ○ 保管用自社サーバ に送りそこから Amazon Personalize へ転送
Slide 47
Slide 47 text
2.Amazon Personalize だけでは 実際のユースケースを カバーしきれない点もある
Slide 48
Slide 48 text
● Amazon Personalize だけでは結果の絞り込み 条件は指定できない ● アイテム情報に『カテゴリ』や『平均予算』を持っ ていても、「オススメのカフェ教えて」「予算3000 円以下の関連スポット」は出せない オススメの 「カフェ」教えて ○○神社 ○○水族館 ○○カフェ…
Slide 49
Slide 49 text
○○神社 ○○水族館 ○○カフェ… オススメの 「カフェ」教えて
Slide 50
Slide 50 text
○○神社 ○○水族館 ○○カフェ… オススメの 「カフェ」教えて フィルタリング等 ○○カフェです
Slide 51
Slide 51 text
細かい点で気になる所は あるが問題なし👌
Slide 52
Slide 52 text
まとめ
Slide 53
Slide 53 text
● 「とりあえず試してみる」のハードルはかなり低い。 サービスインできるレベルのレコメンデーション APIが簡単につくれる。 ● 今後のアップデートも期待大!
Slide 54
Slide 54 text
「とりあえず試してみる」 がおすすめです