医師向けQAサイトのための推薦システム開発

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Copyright © 2019 M3, Inc. All rights reserved. 1 ◼ 田中龍亮（たなか　りゅうすけ） – 2019年4月　エムスリー入社 – 前職ではセンサーデータを用いたPoC – 大学院では音響信号処理＋機械学習の応用 – エムスリーではコンテンツへのタグづけ機械翻訳、推薦などに着手右はジャグリングしてたときの写真です（写真アップデートするためにジャグリングしたい自己紹介

Slide 3

Slide 3 text

Slide 4

Slide 4 text

Copyright © 2019 M3, Inc. All rights reserved. 3 feedback(強) ・検索キーワード・アンケート feedback(中) ・関連記事一覧 feedback(弱) ・アクセスログ Gauss (item, tag, score) Maxwell (user, tag, score) Archimedes (推薦システム) 各サービス分析サービスのパーソナライズプロジェクト Isaacs ・EntityLinking ・一覧ページ Knuth ・検索エンジン・パーソナライズ ● 全体を一つのプロダクトだと考え成長させる。 Feynman ・クローラー・コンテンツ作成支援 3 弊チームMLプロダクトの思想

Slide 5

Slide 5 text

Copyright © 2019 M3, Inc. All rights reserved. 4 各々、社内のニーズを満たすために作られたプロダクトである一方パーソナライズするためのユーザー素性とアイテム素性が容易に取れる状態になっている →新規プロダクト開発でも少ない工数で済む！糖尿病１型糖尿病・・・ Maxwell：医師の “疾患/薬剤” に対するタグ付け（コンテンツクリックログに基づく） Gauss：コンテンツに登場する ”疾患/薬剤”名の抽出（タグ）糖尿病、合併症、... インスリン、肝機能障害、… 骨粗鬆症、骨折プロダクト一部紹介（本推薦システムの立役者） m3.com ユーザ m3.com コンテンツ m3.com コンテンツ m3.com コンテンツ

Slide 6

Slide 6 text

Copyright © 2019 M3, Inc. All rights reserved. 5 素朴なアイデア：ユーザーに紐づくタグとコンテンツに紐づくタグをマッチングさせる一方でタグ情報のみでは疎タグ全体では4000個程度実際につけられているのにに対して、質問文は短く、タグは一件あたり 1-3個程度しかつかない最低でも10件推薦する要件だがこれでは必要数出せないユーザーが存在しうる → 疾患/薬剤タグを分散表現に落とし込み、密にする。ベースロジック糖尿病１型糖尿病・・・ maxwellによる医師の興味タグ付け Gaussによる質問内の疾患/薬剤名抽出糖尿病、合併症、... インスリン、肝機能障害、 … 骨粗鬆症、骨折

Slide 7

Slide 7 text

Copyright © 2019 M3, Inc. All rights reserved. 6 - コンテンツに含まれる疾患/薬剤名を抽出して、それをitemとした user x itemの行列を作り行列分解で、疾患 /薬剤名の埋め込み表現を得る（値は閲覧数） - 埋め込みの学習時に次の情報を利用してグラフラプラシアン正則化を導入 - ICD10分類と呼ばれる疾患名の関係性を含んだ木構造 - 疾患と薬剤の投薬関係 - 弊社コンテンツにおいて登場が希少な疾患も学習できるようにするため - タグの埋め込みの和で質問およびユーザー埋め込みを得て、類似度計算 - - 素朴にword embeddingで良いのでは？ - 言語的な近さではなく、疾患や薬剤としての専門性の近さが欲しいロジック - item embedding 糖尿病インスリン骨折子宮癌 ... ユーザー1 3 4 1 0 ... ユーザー2 0 0 3 0 ... ユーザー3 2 1 2 0 ... ユーザー4 0 0 0 4 ... ... ... ... ... ... 糖尿病インスリン骨折子宮ガン埋め込み

Slide 8

Slide 8 text

Copyright © 2019 M3, Inc. All rights reserved. 7 2型糖尿病に対するcos類似度 'ジャディアンス': 0.8617, 'トラゼンタ': 0.8495 'スーグラ': 0.8303, 'クレメジン': 0.7988 'アトーゼット': 0.7970, '低血糖': 0.7827, 'スージャヌ': 0.7547, 'トルリシティ': 0.7501, 'ロトリガ': 0.7488, 'ゼチーア': 0.7483 埋め込み例 1型糖尿病に対するcos類似度 'ランタス': 0.6063, 'ノボラピッド': 0.5892, 'メトホルミン': 0.5878, 'オゼンピック': 0.5792, '肥満症': 0.5702, '糖尿病合併症': 0.5351, 'フレックス': 0.5268, '慢性腎臓病': 0.51808, 'トレシーバ': 0.5150 'その他のグルコース調節・膵内分泌障害 ': 0.4982, それぞれ2型糖尿病に対応する薬、1型糖尿病に対応する薬が上位にでている（メトホルミンとオゼンピックは2型糖尿病に処方するもので意図外 …

Slide 9

Slide 9 text

Copyright © 2019 M3, Inc. All rights reserved. 8 - 比較的診療科にマッチした結果になっている（データお見せできませんが … - 一部厳しいものもある - クリック数の少ないユーザーなどに関しては補完など行う - 疾患・薬剤情報が抜けない場合 - 年齢情報、性別、副作用、飲み合わせ、安全性、有効性 … - Gaussのタグづけへフィードバックをすることで解決しうる有効なタグが増えるのでGaussとMaxwellの成長へつながる - “専門外の疑問に応える”ことをまだ叶えられていない - 専門”以外”となってしまうと範囲が広く狙い撃ちがむずかしい - ローンチ後のサイトのログ次第 - 専門外といえど質問には傾向があるかもしれない - 診療科、疾患という軸だけではなく、保守的か革新的かの医師本人の性格軸なども有効かもしれない実際に見た結果＋課題