Tweet
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