[email protected] #6 以下イベントのスライド資料です。 https://ml-loft.connpass.com/event/145499/ https://machine-learning-pitch.connpass.com/event/143182/ https://mlloft6.splashthat.com/
【[email protected] #6】ゼロベースからの論文レコメンドシステムの構築エムスリー株式会社河合 俊典(@vaaaaanquish)
View Slide
Profile● 河合 俊典 @vaaaaanquish● エムスリー株式会社 ML engineer○ 高専、大学で基礎研究○ Usagee.inc アルバイト○ Sansan株式会社○ Yahoo! JAPAN● 多分この会場で一番フォロワーが多い程度にTwitterが好き
エムスリー株式会社● 2000年創業● 東証一部、時価総額1兆超、日経平均入り● IT業界から医療へコミット○ 医師と製薬企業、医療を必要としている人を繋げる、効率化する● 絶賛エンジニア募集中○ エンジニアG所属 80名前後○ ギークな人
エムスリーの既存サービス● 製薬企業プロモーションサービス（ MR君）● 医療ニュース、メルマガサービス（ m3.com）● 医療従事者転職サービス（ M3キャリア）● 医療調査アンケート、データビジネス (調査事業)● 治験、臨床コスト削減、立ち上げ（治験君）● クラウド電子カルテ（ M3デジカル）● 著名医師による論文紹介サービス（ m3.com）● コミュニティ、Webカンファレンス（m3.com）…etc
エムスリーにおける論文関連サービス● CIWorks○ 最新、重要な論文について解説、ディスカッションできる場所○ オンコロジー領域、ガン領域に絞っている○ 多くの医師、編集部によって支えられている● データはあるがレコメンド等のモデル化、自動化が効果高○ フィードやメルマガなどレコメンド要素多数● 論文関連サービスの展望○ 医師だけでなく製薬企業の MRさん、MSLさんの勉強○ エムスリーのデータとしての価値
求められる論文レコメンドサービス● 基本的にはML業界と同じ○ 最新論文、分野や業界でメジャーな論文○ 研究分野○ 実験、被験、症例報告○ 患者ベースでのサーベイ○ 学会やカンファレンスとの結びつき● 分野の重なりの大小が激しい○ 糖尿病等の合併症の範囲が広い病気○ 希少疾患○ ワードの揺れ 略語「MR」● 医薬情報担当者 (Medical Representatives)● メチルレッド - Methyl Red (酸塩基指示薬)● 僧帽弁逆流症 (Mitral Regurgitation)● 精神発達遅滞（精神遅滞）(Mental Retardation)● 麻疹 (Measles) ・風疹 (Rubella)
レコメンドエンジンの要件と評価を定義● ユーザの興味関心、技術レベルにパーソナライズできる○ 分野の違いやジャーナルの大小にも着目● 年間数万件、定期的に出る最新の論文に対応できる○ コールドスタート問題の軽減○ 全体量がPubMedだけ見ても500万件超○ フィード等ある程度ユーザ行動に合わせてオンラインに動く● 医師、医療従事者、編集者が納得する事が評価○ 定性的、定量的な値に落とし込む■ CIWorksの閲覧データの利用■ 引用数の遷移■ Altmetricの遷移
レコメンドエンジンの作成WAND検索Content-Based CitationRecommendationRerank Model・Journal Page Rank・Author Page Rank・Affiliation Page Rank・Co-occurrence興味ワード群Top kpaper
レコメンドエンジンの作成WAND検索Content-Based CitationRecommendationRerank Model・Journal Page Rank・Author Page Rank・Affiliation Page Rank・Co-occurrence興味ワード群Top kpaper● PubMed等の主要論文サイトのデータと医師を紐付け● 同姓同名などを考慮し姓名一致から絞り込み● 医師名、病院名、大学名、診療科、年齢…等のプロファイル情報と周辺医師情報を利用してシンプルに決定木で2値分類としてモデル化# 医師と論文の名寄せ
レコメンドエンジンの作成WAND検索Content-Based CitationRecommendationRerank Model・Journal Page Rank・Author Page Rank・Affiliation Page Rank・Co-occurrence興味ワード群Top kpaper● エムスリーのコンテンツにTF-IDFを用いて医療用語タグ付けhttps://www.m3tech.blog/entry/2018/09/28/093431● エムスリーコンテンツのPage Viewから医師に対するタグを Label Propagationで生成○ 配信によるバイアスや記事のバーストによる影響を抑えたモデルと単語群○ エムスリーにおけるグラフ構造を用いたユーザ興味のタグ付けhttps://speakerdeck.com/vaaaaanquish/emusuriniokerugurahugou-zao-woyong-itayuzaxing-wei-falsetagufu-ke● 医師が過去に書いた論文に紐付く単語を追加# 興味ワード生成
レコメンドエンジンの作成WAND検索Content-Based CitationRecommendationRerank Model・Journal Page Rank・Author Page Rank・Affiliation Page Rank・Co-occurrence興味ワード群Top kpaper● Elasticsearch 7.0 の WAND (Week AND) 検索● 過去論文含め500万件超から条件を設定して検索し1000~10万件に絞り込み● フィードや検索ランキング等で動的にレコメンドが必要な場合にもレスポンス速度で対応可能# Elasticsearch
レコメンドエンジンの作成WAND検索Content-Based CitationRecommendationRerank Model・Journal Page Rank・Author Page Rank・Affiliation Page Rank・Co-occurrence興味ワード群Top kpaper● Proceedings of NAACL-HLT 2018https://www.aclweb.org/anthology/N18-1022● >>> Phase1triplet lossで文章のcitation情報に応じて埋め込み>>> Phase2title, abstract, author, journal, keyword,text intersectionを追加してquery論文と近い論文をランキングして top N● 外部データのメタデータなしである論文に情報が近い論文を出す仕組み# Content-Based Citation Recommendation
レコメンドエンジンの作成WAND検索Content-Based CitationRecommendationRerank Model・Journal Page Rank・Author Page Rank・Affiliation Page Rank・Co-occurrence興味ワード群Top kpaper● コールドスタートを考慮して論文情報から取得できるジャーナル名、所属名、著者名を citationからスコア化● ユーザの興味ある単語に紐付く論文 +過去に医師が書いた、クリックした論文に近い論文を単純なPage Rankスコアとクリックによる Co-occurrencematrixでランキングを生成して Top k# Rerank
評価● 初期評価○ 編集部の目視を基準にアドバイスをもらいつつモデル化○ Altmetricの利用■ 論文のSNS、掲示板、ニュースで話題になった回数による近年の論文評価指標■ スコアの遷移を参考にする● 引用数の遷移を評価指標にし時系列で相関を持つか調査○ 引用によってPageRankやDNNを作成しているため Leakが発生しやすい■ エムスリーのOSS「gokart」を用いたパイプライン化■ parameterで条件を変更し評価● 既存のPageViewデータを用いてCTR、MRR、MAPを算出○ データ数、カテゴリ数に課題○ 元のデータがメルマガ等のレコメンドエンジンに依存しているため 絶対ではない（⇠大事）
おわりに● Done○ ゼロベースで評価等も曖昧な状態からレコメンドエンジンに落とし込んだ○ TF-IDF、Label Propagation、Week AND、DNN、PageRank、Co-occurrence matrix等を用いた○ Altmetricといった外部スコア、編集部との協力、小さなデータにより評価した● これから○ ユーザの利用データが溜まってきたら評価○ エンジン全体のオンライン API化
vaaaaanquish
leeswijzer
nagano
takasumasakazu
yukizenimoto
peterdesmet
vaulot
signer
wakamatsu_takumu
arumakan
nagayu71
carlislerainey
ymas0315
eitanlees
phodgson
jmmastey
panda_program
erikaheidi
jnunemaker
malarkey
yeseniaperezcruz
zakiwarfel
hatefulcrawdad
searls
myddelton