あなたがフォローしているTwitter上の話題に関係があったりなかったりする番組をオ・ス・ス・メ☆彡見逃しちゃったら、ひかりTV!!!
あなたがフォローしているTwitter上の話題に関係があったりなかったりする番組をオ・ス・ス・メ☆彡見逃しちゃったら、ひかりTV!!!
前回、「細かい説明は別の機会にさせてください。」と書いていた、相関係数を応用した「協調フィルタリング方式」のレコメンデーション ちょっと調べてみたら、特許庁のWebサイトに「標準技術書」として掲載されていました。 http://www.jpo.go.jp/shiryou/s_sonota/hyoujun_gijutsu/net_koukoku/134.html これは比較的簡単に書かれており、他の文献より分かりやすいが、それでもまだ分かりにくい。 この「技術書」はまだ分かりやすほうです。 しかし、「技術書」というのは高い技術を持った人が、誰に向けて書いたものなのかと、思うくらい読み込むために根気を要することが多い。 根気を要するだけならまだしも、ワケがわからないことも多々。 それとも、高い技術と知識を持った人が自分のインテリジェンスを自己顕示するためのものか? 技術は使われてこそ技術。 知
今回の記事は、かなり「技術」寄りです。 しかし、我々Webマーケッターにとって、「技術」と「マーケティング」は切っても切り離せないと考えます。 amazonを始めとする、オンラインショップ等で「XXさんへのおすすめ商品」というのを見かけませんか? それは、「レコメンデーション」機能と呼ばれるものです。 元々レコメンデーションは「米ゼロックス パロアルト研究所」が1992年に開発した「Tapestry」で、e-mailとネットニュースの推奨をするための仕組でした。 今ではamazonを始め、あらゆるところで活用が進んでおり、Web2.0時代の「ロングテール」を支える技術の一つとして注目されています。 さて、レコメンデーションを実現させるための代表的な方法を紹介します。 1.ルールベース方式 別名「エキスパートシステム」。 「AI」(人工知能)の実現方法としては、大変古典的なもの。 原理は実に
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く